Microsoft Word는 Microsoft에서 개발한 워드 프로세서입니다.
이 문서는 Word 문서를 다운스트림에서 사용할 수 있는 document 형식으로 로드하는 방법을 다룹니다.

​
Docx2txt 사용하기

Docx2txt를 사용하여 .docx 파일을 document로 로드합니다. 
pip install -qU  docx2txt

from langchain_community.document_loaders import Docx2txtLoader

loader = Docx2txtLoader("./example_data/fake.docx")

data = loader.load()

data

[Document(page_content='Lorem ipsum dolor sit amet.', metadata={'source': './example_data/fake.docx'})]

​
Unstructured 사용하기

Unstructured를 로컬에서 설정하는 방법에 대한 자세한 내용은 필수 시스템 종속성 설정을 포함하여 이 가이드를 참조하세요. 
from langchain_community.document_loaders import UnstructuredWordDocumentLoader

loader = UnstructuredWordDocumentLoader("example_data/fake.docx")

data = loader.load()

data

[Document(page_content='Lorem ipsum dolor sit amet.', metadata={'source': 'example_data/fake.docx'})]

​
Element 유지하기

내부적으로 Unstructured는 텍스트의 다른 청크에 대해 서로 다른 “element”를 생성합니다. 기본적으로 이들을 결합하지만, mode="elements"를 지정하여 쉽게 분리를 유지할 수 있습니다. 
loader = UnstructuredWordDocumentLoader("./example_data/fake.docx", mode="elements")

data = loader.load()

data[0]

Document(page_content='Lorem ipsum dolor sit amet.', metadata={'source': './example_data/fake.docx', 'category_depth': 0, 'file_directory': './example_data', 'filename': 'fake.docx', 'last_modified': '2023-12-19T13:42:18', 'languages': ['por', 'cat'], 'filetype': 'application/vnd.openxmlformats-officedocument.wordprocessingml.document', 'category': 'Title'})

​
Azure AI Document Intelligence 사용하기

Azure AI Document Intelligence (이전 명칭 Azure Form Recognizer)는 디지털 또는 스캔된 PDF, 이미지, Office 및 HTML 파일에서 텍스트(필기 포함), 표, 문서 구조(예: 제목, 섹션 제목 등) 및 키-값 쌍을 추출하는 머신러닝 기반 서비스입니다. Document Intelligence는 PDF, JPEG/JPG, PNG, BMP, TIFF, HEIF, DOCX, XLSX, PPTX 및 HTML을 지원합니다.
Document Intelligence를 사용하는 현재 loader 구현은 페이지별로 콘텐츠를 통합하여 LangChain document로 변환할 수 있습니다. 기본 출력 형식은 markdown이며, 의미론적 document 청킹을 위해 MarkdownHeaderTextSplitter와 쉽게 연결할 수 있습니다. 또한 mode="single" 또는 mode="page"를 사용하여 단일 페이지의 순수 텍스트를 반환하거나 페이지별로 분할된 document를 반환할 수 있습니다.

​
사전 요구 사항

East US, West US2, West Europe 3개 미리 보기 지역 중 하나에 Azure AI Document Intelligence 리소스가 필요합니다 - 리소스가 없는 경우 이 문서를 따라 생성하세요. loader에 매개변수로 <endpoint>와 <key>를 전달해야 합니다. pip install -qU langchain langchain-community azure-ai-documentintelligence 
from langchain_community.document_loaders import AzureAIDocumentIntelligenceLoader

file_path = "<filepath>"
endpoint = "<endpoint>"
key = "<key>"
loader = AzureAIDocumentIntelligenceLoader(
    api_endpoint=endpoint, api_key=key, file_path=file_path, api_model="prebuilt-layout"
)

documents = loader.load()
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I