跳到主要内容
文档加载器提供了标准接口，用于将来自不同来源（如 Slack、Notion 或 Google Drive）的数据读取到 LangChain 的 Document 格式中。这确保了无论数据来源如何，都可以以一致的方式处理数据。 所有文档加载器都实现了 BaseLoader 接口。

​
接口

每个文档加载器可以定义自己的参数，但它们共享一个通用 API
  • .load(): 一次性加载所有文档。
  • .loadAndSplit(): 一次性加载所有文档并将其拆分为更小的文档。
import { CSVLoader } from "@langchain/community/document_loaders/fs/csv";

const loader = new CSVLoader(
  ...  // <-- Integration specific parameters here
);
const data = await loader.load();

​
按类别

LangChain.js 将文档加载器分为两种不同的方式

​
文件加载器

如果您想贡献一个集成，请参阅 贡献集成。

​
PDF

文档加载器描述包/API
PDFLoader使用 pdf-parse 加载和解析 PDF 文件包

​
常见文件类型

文档加载器描述包/API
CSV从 CSV 文件加载数据，并可配置列提取包
JSON使用 JSON 指针加载 JSON 文件以定位特定键包
JSONLines从 JSONLines/JSONL 文件加载数据包
文本加载纯文本文件包
DOCX加载 Microsoft Word 文档（.docx 和 .doc 格式）包
EPUB加载 EPUB 文件，可选择按章节拆分包
PPTX加载 PowerPoint 演示文稿包
字幕加载字幕文件（.srt 格式）包

​
专用文件加载器

文档加载器描述包/API
DirectoryLoader从目录加载所有文件，并带自定义加载器映射包
UnstructuredLoader使用非结构化 API 加载多种文件类型API
MultiFileLoader从多个独立的文件路径加载数据包
ChatGPT加载 ChatGPT 对话导出包
Notion Markdown加载导出为 Markdown 的 Notion 页面包
OpenAI Whisper 音频使用 OpenAI Whisper API 转录音频文件API

​
网页加载器

​
网页

文档加载器描述Web 支持包/API
Cheerio使用 Cheerio 加载网页（轻量级，不执行 JavaScript）✅包
Playwright使用 Playwright 加载动态网页（支持 JavaScript 渲染）❌包
Puppeteer使用 Puppeteer 加载动态网页（无头 Chrome）❌包
FireCrawl抓取网站并转换为 LLM-ready markdown✅API
Spider快速爬虫，将网站转换为 HTML、markdown 或文本✅API
RecursiveUrlLoader递归加载跟随链接的网页❌包
Sitemap从 sitemap.xml 加载所有页面✅包
Browserbase使用带隐身模式的托管无头浏览器加载网页✅API
WebPDFLoader在 Web 环境中加载 PDF 文件✅包

​
云提供商

文档加载器描述Web 支持包/API
S3从 AWS S3 存储桶加载文件❌包
Azure Blob 存储容器从 Azure Blob 存储容器加载所有文件❌包
Azure Blob 存储文件从 Azure Blob 存储加载单个文件❌包
Google Cloud Storage从 Google Cloud Storage 存储桶加载文件❌包
适用于 PostgreSQL 的 Google Cloud SQL从 Cloud SQL PostgreSQL 数据库加载文档✅包

​
生产力工具

文档加载器描述Web 支持包/API
Notion API通过 API 加载 Notion 页面和数据库✅API
Figma加载 Figma 文件数据✅API
Confluence从 Confluence 空间加载页面❌API
GitHub从 GitHub 仓库加载文件✅API
GitBook加载 GitBook 文档页面✅包
Jira从 Jira 项目加载问题❌API
Airtable从 Airtable 数据库加载记录✅API
Taskade加载 Taskade 项目数据✅API

​
搜索和数据 API

文档加载器描述Web 支持包/API
SearchAPI从 SearchAPI 加载网页搜索结果（Google、YouTube 等）✅API
SerpAPI从 SerpAPI 加载网页搜索结果✅API
Apify 数据集从 Apify 平台加载抓取的数据✅API

​
音频和视频

文档加载器描述Web 支持包/API
YouTube加载 YouTube 视频转录✅包
AssemblyAI使用 AssemblyAI API 转录音频和视频文件✅API
Sonix使用 Sonix API 转录音频文件❌API

​
其他

文档加载器描述Web 支持包/API
Couchbase使用 SQL++ 查询从 Couchbase 数据库加载文档✅包
LangSmith从 LangSmith 加载数据集和跟踪✅API
Hacker News加载 Hacker News 帖子和评论✅包
IMSDB从 Internet Movie Script Database 加载电影剧本✅包
大学保密从 College Confidential 加载大学信息✅包
区块链数据通过 Sort.xyz API 加载区块链数据（NFT、交易）✅API

​
所有文档加载器

Airtable

Apify Dataset

AssemblyAI Audio Transcript

Azure Blob Storage Container

Azure Blob Storage File

Blockchain Data

Browserbase

ChatGPT

Cheerio

College Confidential

Confluence

Couchbase

CSV

DirectoryLoader

DOCX

EPUB

Figma

FireCrawl

GitHub

GitBook

Google Cloud SQL for PostgreSQL

Google Cloud Storage

Hacker News

IMSDB

Jira

JSON

JSONLines

LangSmith

MultiFileLoader

Notion API

Notion Markdown

OpenAI Whisper Audio

PDFLoader

Playwright

PPTX

Puppeteer

RecursiveUrlLoader

S3

SearchAPI

SerpAPI

Sitemap

Sonix Audio

Spider

Subtitles

Taskade

Text

UnstructuredLoader

WebPDFLoader

YouTube

在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.