PyPDFToDocument

PyPDFToDocument

PDF 파일을 문서로 변환하는 컴포넌트예요.

출처: 문서

본문

개요

PyPDFToDocument 컴포넌트는 PDF 파일을 문서로 변환해요. 인덱싱 파이프라인에서 PDF 파일의 내용을 Document Store에 인덱싱할 때 사용할 수 있죠. 파일 경로나 ByteStream 객체 목록을 입력으로 받아 변환 결과를 문서 목록으로 출력해요. 선택적으로 meta 입력 파라미터로 문서에 메타데이터를 붙일 수 있어요.

사용법

PyPDFToDocument 컨버터를 사용하려면 pypdf 패키지를 설치해야 해요:

pip install pypdf

단독으로 사용하기

from pathlib import Path
from haystack.components.converters import PyPDFToDocument

converter = PyPDFToDocument()
docs = converter.run(sources=[Path("my_file.pdf")])

파이프라인에서 사용하기

from haystack import Pipeline
from haystack.document_stores.in_memory import InMemoryDocumentStore
from haystack.components.converters import PyPDFToDocument
from haystack.components.preprocessors import DocumentCleaner
from haystack.components.preprocessors import DocumentSplitter
from haystack.components.writers import DocumentWriter

document_store = InMemoryDocumentStore()
pipeline = Pipeline()

pipeline.add_component("converter", PyPDFToDocument())
pipeline.add_component("cleaner", DocumentCleaner())
pipeline.add_component(
    "splitter",
    DocumentSplitter(split_by="sentence", split_length=5),
)
pipeline.add_component("writer", DocumentWriter(document_store=document_store))

pipeline.connect("converter", "cleaner")
pipeline.connect("cleaner", "splitter")
pipeline.connect("splitter", "writer")

pipeline.run({"converter": {"sources": file_names}})

추가 참고 자료

• 🧑‍🍳 Cookbook: PDF-Based Question Answering with Amazon Bedrock and Haystack
• 📓 Tutorial: Preprocessing Different File Types

더 알아보기 (Learn more)

• API reference: Converters
• GitHub: pypdf.py