文档加载器集成

使用 LangChain JavaScript 与文档加载器集成。

文档加载器提供了一个标准接口，用于从不同来源（如 Slack、Notion 或 Google Drive）读取数据，并将其转换为 LangChain 的 Document 格式。 这确保了无论数据来源如何，都能以一致的方式进行处理。

所有文档加载器都实现了 BaseLoader 接口。

接口

每个文档加载器可以定义自己的参数，但它们共享一个通用的 API：

• load(): 一次性加载所有文档。
• loadAndSplit(): 一次性加载所有文档，并将其拆分为更小的文档。

import { CSVLoader } from "@langchain/community/document_loaders/fs/csv";

const loader = new CSVLoader(
  ...  // <-- 此处为集成特定参数
);
const data = await loader.load();

按类别划分

LangChain.js 以两种不同的方式对文档加载器进行分类：

• 文件加载器，用于从本地文件系统将数据加载到 LangChain 格式。
• 网络加载器，用于从远程源加载数据。

文件加载器

如果您想贡献一个集成，请参阅贡献集成。

PDF

文档加载器	描述	包/API
PDFLoader	使用 pdf-parse 加载和解析 PDF 文件	包

常见文件类型

文档加载器	描述	包/API
CSV	从 CSV 文件加载数据，支持可配置的列提取	包
JSON	使用 JSON 指针加载 JSON 文件以定位特定键	包
JSONLines	从 JSONLines/JSONL 文件加载数据	包
Text	加载纯文本文件	包
DOCX	加载 Microsoft Word 文档（.docx 和 .doc 格式）	包
EPUB	加载 EPUB 文件，支持可选的章节拆分	包
PPTX	加载 PowerPoint 演示文稿	包
Subtitles	加载字幕文件（.srt 格式）	包

专用文件加载器

文档加载器	描述	包/API
DirectoryLoader	从目录加载所有文件，支持自定义加载器映射	包
UnstructuredLoader	使用 Unstructured API 加载多种文件类型	API
MultiFileLoader	从多个独立文件路径加载数据	包
ChatGPT	加载 ChatGPT 对话导出文件	包
Notion Markdown	加载导出为 Markdown 的 Notion 页面	包
OracleDocLoader	摄取 Oracle AI Vector Search 表或 Oracle Text 支持的文件	包
OpenAI Whisper Audio	使用 OpenAI Whisper API 转录音频文件	API

网络加载器

网页

文档加载器	描述	网络支持	包/API
Cheerio	使用 Cheerio 加载网页（轻量级，不执行 JavaScript）	✅	包
Playwright	使用 Playwright 加载动态网页（支持 JavaScript 渲染）	❌	包
Puppeteer	使用 Puppeteer 加载动态网页（无头 Chrome）	❌	包
FireCrawl	爬取网站并将其转换为适合 LLM 的 Markdown	✅	API
Spider	快速爬虫，将网站转换为 HTML、Markdown 或文本	✅	API
RecursiveUrlLoader	递归加载网页，跟随链接	❌	包
Sitemap	从 sitemap.xml 加载所有页面	✅	包
Browserbase	使用托管的无头浏览器加载网页，支持隐身模式	✅	API
WebPDFLoader	在网络环境中加载 PDF 文件	✅	包

云提供商

文档加载器	描述	网络支持	包/API
S3	从 AWS S3 存储桶加载文件	❌	包
Azure Blob Storage Container	从 Azure Blob Storage 容器加载所有文件	❌	包
Azure Blob Storage File	从 Azure Blob Storage 加载单个文件	❌	包
Google Cloud Storage	从 Google Cloud Storage 存储桶加载文件	❌	包
Google Cloud SQL for PostgreSQL	从 Cloud SQL PostgreSQL 数据库加载文档	✅	包

生产力工具

文档加载器	描述	网络支持	包/API
Notion API	通过 API 加载 Notion 页面和数据库	✅	API
Figma	加载 Figma 文件数据	✅	API
Confluence	从 Confluence 空间加载页面	❌	API
GitHub	从 GitHub 仓库加载文件	✅	API
GitBook	加载 GitBook 文档页面	✅	包
Jira	从 Jira 项目加载问题	❌	API
Airtable	从 Airtable 基础加载记录	✅	API
Taskade	加载 Taskade 项目数据	✅	API

搜索与数据 API

文档加载器	描述	网络支持	包/API
SearchAPI	从 SearchAPI 加载网络搜索结果（Google、YouTube 等）	✅	API
SerpApi	从 SerpApi 加载网络搜索结果	✅	API
Apify Dataset	从 Apify 平台加载抓取的数据	✅	API

音频与视频

文档加载器	描述	网络支持	包/API
YouTube	加载 YouTube 视频字幕	✅	包
AssemblyAI	使用 AssemblyAI API 转录音频和视频文件	✅	API
Soniox	使用 Soniox API 转录多语言音频文件，支持可选翻译	✅	API
Sonix	使用 Sonix API 转录音频文件	❌	API

其他

文档加载器	描述	网络支持	包/API
Couchbase	使用 SQL++ 查询从 Couchbase 数据库加载文档	✅	包
LangSmith	从 LangSmith 加载数据集和跟踪记录	✅	API
Hacker News	加载 Hacker News 主题和评论	✅	包
IMSDB	从 Internet Movie Script Database 加载电影剧本	✅	包
College Confidential	从 College Confidential 加载大学信息	✅	包
Blockchain Data	通过 Sort.xyz API 加载区块链数据（NFT、交易）	✅	API

所有文档加载器

Airtable

查看指南

Apify Dataset

查看指南

AssemblyAI Audio Transcript

查看指南

Azure Blob Storage Container

查看指南

Azure Blob Storage File

查看指南

Blockchain Data

查看指南

Browserbase

查看指南

ChatGPT

查看指南

Cheerio

查看指南

College Confidential

查看指南

Confluence

查看指南

Couchbase

查看指南

CSV

查看指南

DirectoryLoader

查看指南

DOCX

查看指南

EPUB

查看指南

Figma

查看指南

FireCrawl

查看指南

GitHub

查看指南

GitBook

查看指南

Google Cloud SQL for PostgreSQL

查看指南

Google Cloud Storage

查看指南

Hacker News

查看指南

IMSDB

查看指南

Jira

查看指南

JSON

查看指南

JSONLines

查看指南

LangSmith

查看指南

MultiFileLoader

查看指南

Notion API

查看指南

Notion Markdown

查看指南

OpenAI Whisper Audio

查看指南

OracleDocLoader

查看指南

PDFLoader

查看指南

Playwright

查看指南

PPTX

查看指南

Puppeteer

查看指南

RecursiveUrlLoader

查看指南

S3

查看指南

SearchAPI

查看指南

SerpApi

查看指南

Sitemap

查看指南

Soniox

查看指南

Sonix Audio

查看指南

Spider

查看指南

Subtitles

查看指南

Taskade

查看指南

Text

查看指南

UnstructuredLoader

查看指南

WebPDFLoader

查看指南

YouTube

查看指南

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.