Notícias

Documentos de texto de pré-processamento, como PDFs, HTML e documentos do Word para LLMS

by Auto News Bot 24 de maio de 2023 208

Você pode analisar txt, html, xml, pdf, eml, msg, rtf, epub, doc, docx,
XLSX, CSV, ODT, PPT, PPTX, JPG,
e documentos PNG com uma linha de código!O tijolo da partição atualmente trabalha para
.txt, .doc, .docx, .ppt, .pptx, .xlsx, .jpg, .png, .eml, .msg, .html e .pdf documentos.Agora você pode aproveitar não estruturados com uma chamada de API simples para renderizar texto limpo no formato JSON de suas imagens, documentos, PowerPoints e muito mais.Ferramentas de pré-processamento de código aberto para dados não estruturados
A biblioteca não estruturada fornece componentes de código aberto para documentos de texto de pré-processamento
como PDFs, HTML e documentos do Word.Partion_Email aceita nomes de arquivos, objeto semelhante ao arquivo e texto bruto como entrada.

Fonte: https://github.com/Unstructured-IO/unstructured