基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

LangChain 读取图片数据 本文是 refine-rag 系列教程的第三篇，教你如何使用 LangChain 处理图片和 PPT 等多媒体数据。 目录 前言 环境准备 读取图片中的文字（OCR） 读取 PPT 文档 多模态 RAG 的应用场景 常见问题 下一步学习 前言 在前面的文章中，我们学习了如何读取纯文本数据。但在实际应用中，很多重要信息都存储在图片、PPT、扫描件等非文本格式中。比如： 产品宣传图中的文字说明 PPT 演示文稿中的内容 扫描的合同和发票 截图中的代码和配置 这些数据如果不能被 RAG 系统处理，就会造成信息的缺失。本文将介绍如何使用 Unstructured 库来处理这些多媒体数据。 环境准备

  1. 安装依赖包

基础依赖

pip install langchain langchain-community

Unstructured 完整版（包含图片处理）

pip install “unstructured[all-docs]”

OCR 依赖（用于图片文字识别）

pip install pdfminer.six

如果需要更好的 OCR 效果，可以安装 Tesseract

macOS: brew install tesseract

Ubuntu: sudo apt-get install tesseract-ocr

Windows: 下载安装包 https://github.com/UB-Mannheim/tesseract/wiki

2.…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。