Skip to main content

PyPDFLoader

简介​

LangChain内支持许多PDF的加载器，我们选择其中的PyPDFLoader使用。 PyPDFLoader加载器，依赖PyPDF库，所以，需要安装它：

pip install pypdf

PyPDFLoader使用还是比较简单的，如下代码即可快速加载PDF中的文字内容了：

from langchain_community.document_loaders import PyPDFLoader

loader = PyPDFLoader(
    file_path="",  # 文件路径必填
    mode='page',   # 读取模式，可选page（按页面划分不同Document）和single（单个Document）
    password='password',  # 文件密码
)

代码实践​

这里使用Anthropic发布的报告: 2026代理式编码趋势报告

from langchain_community.document_loaders import PyPDFLoader

loader = PyPDFLoader(
    file_path="data/agentx.pdf",
    mode = "single", # 默认是page模式，每个页面形成一个Document文档对象
                     # single模式不管有多少页，只返回1个Document对象
    password="123456",
)

i = 0
for doc in loader.lazy_load():
    i += 1
    print(doc)
    print('='*20,i)