跳到主要内容
Microsoft PowerPoint 是微软推出的一款演示文稿程序。
本文介绍如何将 Microsoft PowerPoint 文档加载到我们可以在下游使用的文档格式。 有关在本地设置 Unstructured 的更多说明，包括设置所需的系统依赖项，请参阅此指南。
# Install packages
pip install unstructured
pip install python-magic
pip install python-pptx

from langchain_community.document_loaders import UnstructuredPowerPointLoader

loader = UnstructuredPowerPointLoader("./example_data/fake-power-point.pptx")

data = loader.load()

data

[Document(page_content='Adding a Bullet Slide\n\nFind the bullet slide layout\n\nUse _TextFrame.text for first bullet\n\nUse _TextFrame.add_paragraph() for subsequent bullets\n\nHere is a lot of text!\n\nHere is some text in a text box!', metadata={'source': './example_data/fake-power-point.pptx'})]

​
保留元素

在底层，Unstructured 为不同的文本块创建不同的“元素”。默认情况下，我们将这些元素组合在一起，但您可以通过指定 mode="elements" 轻松保持这种分离。 
loader = UnstructuredPowerPointLoader(
    "./example_data/fake-power-point.pptx", mode="elements"
)

data = loader.load()

data[0]

Document(page_content='Adding a Bullet Slide', metadata={'source': './example_data/fake-power-point.pptx', 'category_depth': 0, 'file_directory': './example_data', 'filename': 'fake-power-point.pptx', 'last_modified': '2023-12-19T13:42:18', 'page_number': 1, 'languages': ['eng'], 'filetype': 'application/vnd.openxmlformats-officedocument.presentationml.presentation', 'category': 'Title'})

​
使用 Azure AI Document Intelligence

Azure AI Document Intelligence（前身为 Azure Form Recognizer）是一项基于机器学习的服务，可从数字或扫描的 PDF、图像、Office 和 HTML 文件中提取文本（包括手写）、表格、文档结构（例如标题、章节标题等）和键值对。 Document Intelligence 支持 PDF、JPEG/JPG、PNG、BMP、TIFF、HEIF、DOCX、XLSX、PPTX 和 HTML。
目前使用 Document Intelligence 的加载器实现可以按页集成内容，并将其转换为 LangChain 文档。默认输出格式是 Markdown，可以轻松与 MarkdownHeaderTextSplitter 链式连接以进行语义文档分块。您也可以使用 mode="single" 或 mode="page" 以返回单页或按页拆分的纯文本。

​
先决条件

一个位于以下三个预览区域之一的 Azure AI 文件智能资源：美国东部、美国西部2、西欧 - 如果您还没有，请按照此文档创建一个。您将把 <endpoint> 和 <key> 作为参数传递给加载器。 
pip install -qU  langchain langchain-community azure-ai-documentintelligence

from langchain_community.document_loaders import AzureAIDocumentIntelligenceLoader

file_path = "<filepath>"
endpoint = "<endpoint>"
key = "<key>"
loader = AzureAIDocumentIntelligenceLoader(
    api_endpoint=endpoint, api_key=key, file_path=file_path, api_model="prebuilt-layout"
)

documents = loader.load()
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.