| 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354 |
- read_api
- =========
- 从文件或目录读取内容以创建 Dataset。目前，我们提供了几个覆盖某些场景的函数。如果你有新的、大多数用户都会遇到的场景，可以在官方 GitHub 问题页面上发布详细描述。同时，实现你自己的读取相关函数也非常容易。
- 重要函数
- ---------
- read_jsonl
- ^^^^^^^^^^^^^^^^
- 从本地机器或远程 S3 上的 JSONL 文件读取内容。如果你想了解更多关于 JSONL 的信息，请参阅 :doc:`../../additional_notes/glossary`。
- .. code:: python
- from magic_pdf.data.io.read_api import *
- # 从本地机器读取 JSONL
- datasets = read_jsonl("tt.jsonl", None)
- # 从远程 S3 读取 JSONL
- datasets = read_jsonl("s3://bucket_1/tt.jsonl", s3_reader)
- read_local_pdfs
- ^^^^^^^^^^^^^^^^
- 从路径或目录读取 PDF 文件。
- .. code:: python
- from magic_pdf.data.io.read_api import *
- # 读取 PDF 路径
- datasets = read_local_pdfs("tt.pdf")
- # 读取目录下的 PDF 文件
- datasets = read_local_pdfs("pdfs/")
- read_local_images
- ^^^^^^^^^^^^^^^^^^^
- 从路径或目录读取图像。
- .. code:: python
- from magic_pdf.data.io.read_api import *
- # 从图像路径读取
- datasets = read_local_images("tt.png")
- # 从目录读取以 suffixes 数组中指定后缀结尾的文件
- datasets = read_local_images("images/", suffixes=["png", "jpg"])
|
