Skip to main content

Microsoft OneDrive

Microsoft OneDrive(前称 SkyDrive)是由微软运营的文件托管服务。

本笔记本介绍如何从 OneDrive 加载文档。目前,仅支持 docx、doc 和 pdf 文件。

前提条件

  1. 根据 Microsoft 身份平台 的说明注册一个应用程序。
  2. 注册完成后,Azure 门户将显示应用注册的概述面板。您会看到应用程序(客户端)ID。此值也称为 client ID,它唯一标识您在 Microsoft 身份平台中的应用程序。
  3. 在您将要遵循的 第 1 项 步骤中,可以将重定向 URI 设置为 http://localhost:8000/callback
  4. 在您将要遵循的 第 1 项 步骤中,在应用程序机密部分生成一个新密码(client_secret)。
  5. 按照此 文档 的说明,将以下 SCOPESoffline_accessFiles.Read.All)添加到您的应用程序中。
  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 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. 在步骤结束时,您必须拥有以下值:
  • CLIENT_ID
  • CLIENT_SECRET
  • DRIVE_ID

🧑 从 OneDrive 导入文档的说明

🔑 认证

默认情况下,OneDriveLoader 期望 CLIENT_IDCLIENT_SECRET 的值存储为名为 O365_CLIENT_IDO365_CLIENT_SECRET 的环境变量。您可以通过在应用程序根目录下的 .env 文件传递这些环境变量,或者在脚本中使用以下命令。

os.environ['O365_CLIENT_ID'] = "YOUR CLIENT ID"
os.environ['O365_CLIENT_SECRET'] = "YOUR CLIENT SECRET"

该加载器使用一种称为 代表用户 的认证方式。这是一个需要用户同意的两步认证。当您实例化加载器时,它将打印出一个 URL,用户必须访问该 URL 以对应用程序所需的权限给予同意。然后用户必须访问此 URL 并对应用程序给予同意。接着用户必须复制结果页面的 URL 并粘贴回控制台。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")

一旦完成认证,加载器将在 ~/.credentials/ 文件夹中存储一个令牌 (o365_token.txt)。此令牌可以在后续的认证中使用,而无需进行之前解释的复制/粘贴步骤。要使用此令牌进行认证,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 可以从您 OneDrive 中的特定文件夹加载文档。例如,您想加载存储在 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

另一种可能性是提供您想要加载的每个文档的 object_id 列表。为此,您需要查询 Microsoft Graph API 以查找您感兴趣的所有文档 ID。此 链接 提供了有助于检索文档 ID 的端点列表。

例如,要检索存储在文档文件夹根目录下的所有对象的信息,您需要向以下地址发出请求:https://graph.microsoft.com/v1.0/drives/{YOUR DRIVE ID}/root/children。一旦您拥有感兴趣的 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()

相关


此页面是否有帮助?


您还可以留下详细的反馈 在 GitHub 上