EPub (电子出版物)

EPUB 是一种使用“.epub”文件扩展名的电子书文件格式。该术语是电子出版物的缩写，有时被称为 ePub。EPUB 受到许多电子阅读器的支持，并且大多数智能手机、平板电脑和计算机都有兼容的软件可用。

这部分介绍了如何将 .epub 文档加载到我们可以在下游使用的 Document 格式中。您需要安装 pandoc 软件包才能使用此加载器。

#!pip install pandoc

from langchain.document_loaders import UnstructuredEPubLoader

loader = UnstructuredEPubLoader("winter-sports.epub")

data = loader.load()

保留元素

在底层，Unstructured 为不同的文本块创建不同的“元素”。默认情况下，我们将它们组合在一起，但您可以通过指定 mode="elements" 来保留这种分离。

loader = UnstructuredEPubLoader("winter-sports.epub", mode="elements")

data = loader.load()

data[0]

    Document(page_content='The Project Gutenberg eBook of Winter Sports in\nSwitzerland, by E. F. Benson', lookup_str='', metadata={'source': 'winter-sports.epub', 'page_number': 1, 'category': 'Title'}, lookup_index=0)