MathpixPDFLoader 集成

使用 LangChain Python 集成 MathpixPDFLoader 文档加载器。

灵感来源于 Daniel Gross 的代码片段：https://gist.github.com/danielgross/3ab4104e14faccc12b49200843adab21

概述

集成详情

类	包	本地支持	可序列化	JS 支持
MathPixPDFLoader	langchain-community	✅	❌	❌

加载器特性

来源	文档惰性加载	原生异步支持
MathPixPDFLoader	✅	❌

设置

凭证

注册 Mathpix 并创建 API 密钥，以在环境中设置 MATHPIX_API_KEY 变量。

import getpass
import os

if "MATHPIX_API_KEY" not in os.environ:
    os.environ["MATHPIX_API_KEY"] = getpass.getpass("请输入您的 Mathpix API 密钥：")

要启用模型调用的自动追踪，请设置您的 LangSmith API 密钥：

os.environ["LANGSMITH_API_KEY"] = getpass.getpass("请输入您的 LangSmith API 密钥：")
os.environ["LANGSMITH_TRACING"] = "true"

安装

安装 langchain-community。

pip install -qU langchain-community

初始化

现在我们可以初始化加载器了：

from langchain_community.document_loaders import MathpixPDFLoader

file_path = "./example_data/layout-parser-paper.pdf"
loader = MathpixPDFLoader(file_path)

加载

docs = loader.load()
docs[0]

print(docs[0].metadata)

惰性加载

page = []
for doc in loader.lazy_load():
    page.append(doc)
    if len(page) >= 10:
        # 执行一些分页操作，例如：
        # index.upsert(page)

        page = []

---

API 参考

有关 MathpixPDFLoader 所有功能和配置的详细文档，请访问 API 参考

---

Edit this page on GitHub or file an issue.

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