more file format support

这个提交包含在:
lbykkkk
2024-10-12 18:25:33 +00:00
父节点 d13f1e270c
当前提交 fce4fa1ec7
共有 2 个文件被更改,包括 5 次插入17 次删除

查看文件

@@ -5,7 +5,7 @@ from llama_index.core import Document
from shared_utils.fastapi_server import validate_path_safety
from toolbox import report_exception
from crazy_functions.rag_fns.rag_file_support import extract_text
from crazy_functions.rag_fns.rag_file_support import extract_text, supports_format
from toolbox import CatchException, update_ui, get_conf, get_log_folder, update_ui_lastest_msg
from crazy_functions.crazy_utils import input_clipping
from crazy_functions.crazy_utils import request_gpt_model_in_new_thread_with_ui_alive
@@ -48,7 +48,7 @@ def handle_document_upload(files: List[str], llm_kwargs, plugin_kwargs, chatbot,
text = extract_text(file_path)
if text is None:
chatbot.append(
[f"上传文件: {os.path.basename(file_path)}", "文件解析失败,无法提取文本内容,请更换文件。"])
[f"上传文件: {os.path.basename(file_path)}", f"文件解析失败,无法提取文本内容,请更换文件。失败原因可能为1.文档格式过于复杂;2. 不支持的文件格式,支持的文件格式后缀有:" + ", ".join(supports_format)])
else:
chatbot.append(
[f"上传文件: {os.path.basename(file_path)}", f"上传文件前50个字符为:{text[:50]}"])

查看文件

@@ -1,22 +1,16 @@
import os
from llama_index.core import SimpleDirectoryReader
# 保留你原有的自定义解析函数
from PyPDF2 import PdfReader
supports_format = ['.csv', '.docx', '.epub', '.ipynb', '.mbox', '.md', '.pdf', '.txt', '.ppt',
'.pptm', '.pptx']
def extract_text_from_pdf(file_path):
reader = PdfReader(file_path)
text = ""
for page in reader.pages:
text += page.extract_text() + "\n"
return text
# 修改后的 extract_text 函数,结合 SimpleDirectoryReader 和自定义解析逻辑
def extract_text(file_path):
_, ext = os.path.splitext(file_path.lower())
# 使用 SimpleDirectoryReader 处理它支持的文件格式
if ext in ['.txt', '.md', '.pdf', '.docx', '.html']:
if ext in supports_format:
try:
reader = SimpleDirectoryReader(input_files=[file_path])
documents = reader.load_data()
@@ -25,10 +19,4 @@ def extract_text(file_path):
except Exception as e:
pass
# 如果 SimpleDirectoryReader 失败,或文件格式不支持,使用自定义解析逻辑
if ext == '.pdf':
try:
return extract_text_from_pdf(file_path)
except Exception as e:
pass
return None