1. CSVLoader – 处理表格文件

用途：读取 CSV 文件，默认将每一行数据转换为一个独立的 Document。
关键参数：csv_args 字典，里面可以设置 delimiter（分隔符）、quotechar（引号）、fieldnames（自定义列名）等。
依赖：Python 内置 csv，无需额外安装。

from langchain_community.document_loaders import CSVLoader

loader = CSVLoader(
    file_path="./data/students.csv",          # CSV 文件路径
    csv_args={
        "delimiter": ",",                     # 列分隔符（英文逗号）
        "quotechar": '"',                     # 字段引号字符
        "fieldnames": ["姓名", "年龄", "性别", "爱好"]  # 可选：自定义列名
    },
    encoding="utf-8",                         # 中文必须指定编码
)

docs = loader.load()                          # 加载所有文档
for doc in docs:
    print(doc.page_content)                   # 每行内容：列名:值\n...
    print(doc.metadata)                       # {'source': '...', 'row': 行号}

2. JSONLoader – 解析结构化 JSON

用途：从 JSON 文件中按 jq_schema 提取内容，通常每个匹配项生成一个 Document。
关键参数：jq_schema（必填，指定 JSON 路径），content_key（可选，指定哪个字段作为 page_content）。
依赖：需要安装 jq 库：

pip install jq

。

from langchain_community.document_loaders import JSONLoader

# 假设 data.json 内容如下：
# {
#   "students": [
#     {"name": "王梓涵", "age": 25, "hobby": "吃饭,rap"},
#     {"name": "刘若曦", "age": 22, "hobby": "睡觉，rap"}
#   ]
# }

loader = JSONLoader(
    file_path="./data/data.json",
    jq_schema=".students[]",          # 提取 students 数组中的每个元素
    content_key="name",                # 将 name 字段作为 page_content（可选）
    text_content=False                 # 设为 True 则整个对象转为字符串
)

docs = loader.load()
for doc in docs:
    print(doc.page_content)            # 如果是 content_key，则输出对应字段的值
    print(doc.metadata)                # 元数据默认包含 source 和 seq_num

3. TextLoader – 加载纯文本文件

用途：读取 .txt、.md 等文本文件，将整个文件内容作为一个 Document。
关键参数：encoding（编码，中文文件必须设为 utf-8）。
依赖：无。

from langchain_community.document_loaders import TextLoader

loader = TextLoader(
    file_path="./data/readme.txt",
    encoding="utf-8"                    # 防止乱码
)

docs = loader.load()                    # 返回列表，只有一个元素
doc = docs[0]
print(doc.page_content)                 # 整个文件内容
print(doc.metadata)                     # {'source': './data/readme.txt'}

4. PyPDFLoader – 加载 PDF 文档

用途：读取 PDF 文件，默认按页拆分，每页生成一个 Document。
关键参数：mode（"page" 按页，"single" 合并为单个 Document），extract_images（需 OCR 库，用于扫描件）。
依赖：需要安装 pypdf。

pip install pypdf

from langchain_community.document_loaders import PyPDFLoader

loader = PyPDFLoader(
    file_path="./data/report.pdf",
    mode="page",                         # 默认按页，也可设为 "single" 合并
    # extract_images=True                # 提取图片中的文字（需额外OCR库）
)

docs = loader.lazy_load()                     # 每页一个 Document
for doc in docs:
    print(doc)

小结