Unstructured.IO의 unstructured 패키지는 PDF 및 Word 문서와 같은 원본 소스 문서에서 깨끗한 텍스트를 추출합니다. 이 페이지에서는 LangChain 내에서 unstructured 생태계를 사용하는 방법을 다룹니다.

​
Installation and Setup

로컬에서 실행되는 loader를 사용하는 경우, 다음 단계를 따라 unstructured와 그 종속성을 실행하세요.
  • 가장 작은 설치 공간과 오픈 소스 unstructured 패키지에서 사용할 수 없는 기능을 활용하려면, pip install unstructured-client로 Python SDK를 설치하고 pip install langchain-unstructured를 설치하여 UnstructuredLoader를 사용하고 Unstructured API에 대해 원격으로 partition하세요. 이 loader는 langchain-community 저장소 대신 LangChain 파트너 저장소에 있으며 api_key가 필요합니다. 무료 키는 여기에서 생성할 수 있습니다.
  • 모든 것을 로컬에서 실행하려면, pip install unstructured로 오픈 소스 python 패키지를 설치하고 pip install langchain-community를 설치한 후 위에서 언급한 것과 동일한 UnstructuredLoader를 사용하세요.
    • extras를 사용하여 문서별 종속성을 설치할 수 있습니다. 예: pip install "unstructured[docx]". extras에 대한 자세한 내용은 여기에서 확인하세요.
    • 모든 문서 유형에 대한 종속성을 설치하려면 pip install "unstructured[all-docs]"를 사용하세요.
  • 시스템에 아직 설치되지 않은 경우 다음 시스템 종속성을 설치하세요. 예: Mac의 경우 brew install. 파싱하는 문서 유형에 따라 이 모든 것이 필요하지 않을 수 있습니다.
    • libmagic-dev (파일 유형 감지)
    • poppler-utils (이미지 및 PDF)
    • tesseract-ocr(이미지 및 PDF)
    • qpdf (PDF)
    • libreoffice (MS Office 문서)
    • pandoc (EPUB)
  • 로컬에서 실행할 때, Unstructured는 모든 시스템 종속성이 올바르게 설치되도록 이 가이드를 따라 Docker를 사용할 것을 권장합니다.
Unstructured API는 요청을 하기 위해 API 키가 필요합니다. 여기에서 API 키를 요청하고 오늘부터 사용을 시작할 수 있습니다! API 호출을 시작하려면 여기 README를 확인하세요. 여러분의 피드백을 듣고 싶습니다. 커뮤니티 slack에서 어떻게 진행되는지 알려주세요. 품질과 성능 모두의 개선을 기대해 주세요! Unstructured API를 자체 호스팅하거나 로컬에서 실행하려면 여기 지침을 확인하세요.

​
Data Loaders

Unstructured의 주요 사용법은 data loader입니다.

​
UnstructuredLoader

로컬 partitioning과 서버리스 Unstructured API를 사용한 원격 partitioning 모두에 이 loader를 사용하는 방법을 보려면 사용 예제를 참조하세요. 
from langchain_unstructured import UnstructuredLoader

​
UnstructuredCHMLoader

CHM은 Microsoft Compiled HTML Help를 의미합니다. 
from langchain_community.document_loaders import UnstructuredCHMLoader

​
UnstructuredCSVLoader

comma-separated values (CSV) 파일은 쉼표를 사용하여 값을 구분하는 구분된 텍스트 파일입니다. 파일의 각 줄은 데이터 레코드입니다. 각 레코드는 쉼표로 구분된 하나 이상의 필드로 구성됩니다. 사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredCSVLoader

​
UnstructuredEmailLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredEmailLoader

​
UnstructuredEPubLoader

EPUB은 “.epub” 파일 확장자를 사용하는 전자책 파일 형식입니다. 이 용어는 electronic publication의 약자이며 때때로 ePub으로 표기됩니다. EPUB은 많은 전자책 리더에서 지원되며, 호환 가능한 소프트웨어는 대부분의 스마트폰, 태블릿 및 컴퓨터에서 사용할 수 있습니다. 사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredEPubLoader

​
UnstructuredExcelLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredExcelLoader

​
UnstructuredFileIOLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredFileIOLoader

​
UnstructuredHTMLLoader

from langchain_community.document_loaders import UnstructuredHTMLLoader

​
UnstructuredImageLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredImageLoader

​
UnstructuredMarkdownLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredMarkdownLoader

​
UnstructuredODTLoader

Open Document Format for Office Applications (ODF), 또는 OpenDocument로 알려진 형식은 워드 프로세싱 문서, 스프레드시트, 프레젠테이션 및 그래픽을 위한 오픈 파일 형식이며 ZIP으로 압축된 XML 파일을 사용합니다. 이는 오피스 애플리케이션을 위한 개방형 XML 기반 파일 형식 사양을 제공하기 위한 목적으로 개발되었습니다. 사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredODTLoader

​
UnstructuredOrgModeLoader

Org Mode 문서는 자유 소프트웨어 텍스트 편집기 Emacs 내에서 노트, 계획 및 작성을 위해 설계된 문서 편집, 서식 지정 및 구성 모드입니다. 사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredOrgModeLoader

​
UnstructuredPDFLoader

from langchain_community.document_loaders import UnstructuredPDFLoader

​
UnstructuredPowerPointLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredPowerPointLoader

​
UnstructuredRSTLoader

reStructured Text (RST) 파일은 주로 Python 프로그래밍 언어 커뮤니티에서 기술 문서를 위해 사용되는 텍스트 데이터용 파일 형식입니다. 사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredRSTLoader

​
UnstructuredRTFLoader

API 문서에서 사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredRTFLoader

​
UnstructuredTSVLoader

tab-separated values (TSV) 파일은 표 형식 데이터를 저장하기 위한 간단한 텍스트 기반 파일 형식입니다. 레코드는 줄바꿈으로 구분되며, 레코드 내의 값은 탭 문자로 구분됩니다. 사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredTSVLoader

​
UnstructuredURLLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredURLLoader

​
UnstructuredWordDocumentLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredWordDocumentLoader

​
UnstructuredXMLLoader

사용 예제를 참조하세요. 
from langchain_community.document_loaders import UnstructuredXMLLoader
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I