跳到主要内容
Microsoft OneDrive (以前称为 SkyDrive) 是 Microsoft 运营的文件托管服务。
本笔记本介绍了如何从 OneDrive 加载文档。默认情况下，文档加载器加载 pdf、doc、docx 和 txt 文件。您可以通过提供适当的解析器来加载其他文件类型（请参阅下文）。

​
先决条件

  1. 按照 Microsoft 身份平台的说明注册应用程序。
  2. 注册完成后，Azure 门户会显示应用注册的“概述”窗格。您将看到应用程序（客户端）ID。此值也称为 client ID，它在 Microsoft 身份平台中唯一标识您的应用程序。
  3. 在您将在步骤 1中遵循的步骤中，您可以将重定向 URI 设置为 https://:8000/callback
  4. 在第 1 项中您将遵循的步骤中，在“应用程序机密”部分下生成一个新密码 (client_secret)。
  5. 按照此文档中的说明，将以下 SCOPES（offline_access 和 Files.Read.All）添加到您的应用程序。
  6. 访问 Graph Explorer Playground 以获取您的 OneDrive ID。第一步是确保您已使用与您的 OneDrive 帐户关联的帐户登录。然后您需要向 https://graph.microsoft.com/v1.0/me/drive 发出请求，响应将返回一个有效负载，其中包含一个 id 字段，该字段保存您的 OneDrive 帐户的 ID。
  7. 您需要使用命令 pip install o365 安装 o365 包。
  8. 在完成这些步骤后，您必须拥有以下值
  • CLIENT_ID
  • CLIENT_SECRET
  • DRIVE_ID

​
🧑 从 OneDrive 摄取文档的说明

​
🔑 身份验证

默认情况下，OneDriveLoader 期望 CLIENT_ID 和 CLIENT_SECRET 的值必须分别存储为名为 O365_CLIENT_ID 和 O365_CLIENT_SECRET 的环境变量。您可以通过应用程序根目录下的 .env 文件或在脚本中使用以下命令来传递这些环境变量。 
os.environ['O365_CLIENT_ID'] = "YOUR CLIENT ID"
os.environ['O365_CLIENT_SECRET'] = "YOUR CLIENT SECRET"
此加载器使用一种称为代表用户的身份验证。它是一种需要用户同意的两步身份验证。当您实例化加载器时，它将打印一个 URL，用户必须访问该 URL 才能授予应用程序所需的权限。然后用户必须访问此 URL 并授予应用程序同意。然后用户必须复制结果页面的 URL 并将其粘贴回控制台。如果登录尝试成功，该方法将返回 True。 
from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID")
身份验证完成后，加载器会将令牌 (o365_token.txt) 存储在 ~/.credentials/ 文件夹中。此令牌以后可用于身份验证，无需前面解释的复制/粘贴步骤。要使用此令牌进行身份验证，您需要在加载器的实例化中将 auth_with_token 参数更改为 True。 
from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", auth_with_token=True)

​
🗂️ 文档加载器

​
📑 从 OneDrive 目录加载文档

OneDriveLoader 可以从 OneDrive 中的特定文件夹加载文档。例如，您希望加载存储在 OneDrive 中 Documents/clients 文件夹中的所有文档。 
from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", folder_path="Documents/clients", auth_with_token=True)
documents = loader.load()

​
📑 从文档 ID 列表加载文档

另一种可能性是为要加载的每个文档提供一个 object_id 列表。为此，您需要查询 Microsoft Graph API 以查找所有您感兴趣的文档 ID。此链接提供了有助于检索文档 ID 的终结点列表。 例如，要检索有关存储在 Documents 文件夹根目录中的所有对象的信息，您需要向以下地址发出请求：https://graph.microsoft.com/v1.0/drives/{YOUR DRIVE ID}/root/children。一旦您有了感兴趣的 ID 列表，您就可以使用以下参数实例化加载器。
from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", object_ids=["ID_1", "ID_2"], auth_with_token=True)
documents = loader.load()

​
📑 选择支持的文件类型和首选解析器

默认情况下，OneDriveLoader 使用默认解析器加载 document_loaders/parsers/registry 中定义的文件类型（见下文）。 
def _get_default_parser() -> BaseBlobParser:
    """Get default mime-type based parser."""
    return MimeTypeBasedParser(
        handlers={
            "application/pdf": PyMuPDFParser(),
            "text/plain": TextParser(),
            "application/msword": MsWordParser(),
            "application/vnd.openxmlformats-officedocument.wordprocessingml.document": (
                MsWordParser()
            ),
        },
        fallback_parser=None,
    )
您可以通过向 OneDriveLoader 传递 handlers 参数来覆盖此行为。传递一个字典，将文件扩展名（例如 "doc"、"pdf" 等）或 MIME 类型（例如 "application/pdf"、"text/plain" 等）映射到解析器。请注意，您必须专门使用文件扩展名或 MIME 类型，并且不能混用它们。 文件扩展名不要包含前导点。
# using file extensions:
handlers = {
    "doc": MsWordParser(),
    "pdf": PDFMinerParser(),
    "mp3": OpenAIWhisperParser()
}

# using MIME types:
handlers = {
    "application/msword": MsWordParser(),
    "application/pdf": PDFMinerParser(),
    "audio/mpeg": OpenAIWhisperParser()
}

loader = OneDriveLoader(document_library_id="...",
                            handlers=handlers # pass handlers to OneDriveLoader
                            )
如果多个文件扩展名映射到相同的 MIME 类型，则最后一个字典项将适用。例如 
# 'jpg' and 'jpeg' both map to 'image/jpeg' MIME type. SecondParser() will be used
# to parse all jpg/jpeg files.
handlers = {
    "jpg": FirstParser(),
    "jpeg": SecondParser()
}
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.