Dedoc

Dedoc 是一个开源库/服务，可从各种格式的文件中提取文本、表格、附件和文档结构（例如，标题、列表项等）。

Dedoc 支持 DOCX、XLSX、PPTX、EML、HTML、PDF、图像等。支持的完整格式列表可在此处找到。

安装和设置

您可以使用 pip 安装 Dedoc。在这种情况下，您需要安装依赖项，请前往此处获取更多信息。

pip install dedoc

如果您打算使用 Dedoc API，则无需安装 dedoc 库。在这种情况下，您应该运行 Dedoc 服务，例如 Docker 容器（更多详细信息请参阅文档）

docker pull dedocproject/dedoc
docker run -p 1231:1231

对于处理任何格式的文件（由 Dedoc 支持），您可以使用 DedocFileLoader
```
from langchain_community.document_loaders import DedocFileLoader
```
对于处理 PDF 文件（无论是否包含文本层），您可以使用 DedocPDFLoader
```
from langchain_community.document_loaders import DedocPDFLoader
```
对于无需安装库即可处理任何格式的文件，您可以使用 Dedoc API 和 DedocAPIFileLoader
```
from langchain_community.document_loaders import DedocAPIFileLoader
```

请参阅使用示例以获取更多详细信息。

以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。