LlamaParse

LlamaParse 是由 LlamaIndex 创建的一个 API，用于高效解析和表示文件，以便在使用 LlamaIndex 框架时进行高效检索和上下文增强。

LlamaParse 直接与 LlamaIndex 集成。

免费计划每天可处理最多 1000 页。付费计划每周免费处理 7000 页，额外每页收费 0.3 美分。

请阅读以下快速入门信息，或查看完整文档。

入门

首先，登录并从 https://cloud.llamaindex.ai ↗ 获取 API 密钥。

然后，确保安装了最新版本的 LlamaIndex。

注意： 如果您从 v0.9.X 升级，我们建议您遵循我们的迁移指南，并先卸载旧版本。

pip uninstall llama-index  # 如果从 v0.9.x 或更早版本升级，请运行此命令
pip install -U llama-index --upgrade --no-cache-dir --force-reinstall

最后，安装该软件包：

pip install llama-parse

现在您可以运行以下代码来解析您的第一个 PDF 文件：

import nest_asyncio

nest_asyncio.apply()

from llama_parse import LlamaParse

parser = LlamaParse(
    api_key="llx-...",  # 也可以在环境变量中设置为 LLAMA_CLOUD_API_KEY
    result_type="markdown",  # 可选 "markdown" 和 "text"
    num_workers=4,  # 如果传入多个文件，将在 `num_workers` 个 API 调用中分割
    verbose=True,
    language="en",  # 可选择定义语言，默认为 en
)

# 同步
documents = parser.load_data("./my_file.pdf")

# 同步批处理
documents = parser.load_data(["./my_file1.pdf", "./my_file2.pdf"])

# 异步
documents = await parser.aload_data("./my_file.pdf")

# 异步批处理
documents = await parser.aload_data(["./my_file1.pdf", "./my_file2.pdf"])

使用文件对象

您可以直接解析文件对象：

import nest_asyncio

nest_asyncio.apply()

from llama_parse import LlamaParse

parser = LlamaParse(
    api_key="llx-...",  # 也可以在环境变量中设置为 LLAMA_CLOUD_API_KEY
    result_type="markdown",  # 可选 "markdown" 和 "text"
    num_workers=4,  # 如果传入多个文件，将在 `num_workers` 个 API 调用中分割
    verbose=True,
    language="en",  # 可选择定义语言，默认为 en
)

with open("./my_file1.pdf", "rb") as f:
    documents = parser.load_data(f)

# 您也可以直接传递文件字节
with open("./my_file1.pdf", "rb") as f:
    file_bytes = f.read()
    documents = parser.load_data(file_bytes)

与 `SimpleDirectoryReader` 一起使用

您还可以将解析器集成为 SimpleDirectoryReader 中的默认 PDF 加载器：

import nest_asyncio

nest_asyncio.apply()

from llama_parse import LlamaParse
from llama_index.core import SimpleDirectoryReader

parser = LlamaParse(
    api_key="llx-...",  # 也可以在环境变量中设置为 LLAMA_CLOUD_API_KEY
    result_type="markdown",  # 可选 "markdown" 和 "text"
    verbose=True,
)

file_extractor = {".pdf": parser}
documents = SimpleDirectoryReader(
    "./data", file_extractor=file_extractor
).load_data()