EPub
EPUB 是一种电子书文件格式，使用 ".epub" 文件扩展名。这个术语是电子出版物的缩写，有时被写作 ePub。
EPUB得到许多电子阅读器的支持，并且大多数智能手机、平板电脑和计算机上都可以使用兼容的软件。
这部分介绍如何将 .epub 文档加载到我们可以在后续使用的文档格式中。您需要安装 pandoc 包，以使此加载器正常工作，例如在 OSX 上使用 brew install pandoc。
请参阅 此指南 获取有关本地设置 Unstructured 的更多说明，包括设置所需的系统依赖项。
%pip install --upgrade --quiet unstructured
from langchain_community.document_loaders import UnstructuredEPubLoader
loader = UnstructuredEPubLoader("./example_data/childrens-literature.epub")
data = loader.load()
data[0]
保留元素
在后台，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" 来轻松保持这种分离。
loader = UnstructuredEPubLoader(
"./example_data/childrens-literature.epub", mode="elements"
)
data = loader.load()
data[0]
Document(page_content='Guide', metadata={'source': './example_data/childrens-literature.epub', 'category_depth': 1, 'last_modified': '2024-07-01T11:12:08', 'languages': ['eng'], 'filetype': 'application/epub', 'file_directory': './example_data', 'filename': 'childrens-literature.epub', 'category': 'Title'})