本地文件夹 - Textin 智能文档解析

本地文件夹

本地文件夹数据源用于从本地文件系统读取文档。

参数说明

参数	类型	必填	说明
`type`	`string`	是	固定为 `"local"`
`directory`	`string`	是	本地文件夹路径（绝对路径或相对路径）
`pattern`	`list[string]`	否	文件匹配模式，支持通配符（如`['*.pdf']`）来过滤需要处理的文件，默认为 None，处理全部文件

文件匹配模式

pattern 参数支持以下通配符：

*：匹配任意字符（不包括路径分隔符）
**：匹配任意字符（包括路径分隔符）

示例：

['*.pdf']：匹配当前目录下所有 PDF 文件
['*.pdf', '*.docx']：匹配当前目录下所有 PDF 和 Word 文件
['**/*.txt']：递归匹配所有子目录下的 txt 文件，必须配合 recursive=True 参数使用

配置示例

source = LocalSource(
    directory='./documents',           # 相对路径
    pattern=['*.pdf']                     # 只匹配 PDF 文件
)

或使用绝对路径：

source = LocalSource(
    directory='/home/user/documents',  # 绝对路径
    pattern=['*.pdf']                     # 只匹配 PDF 文件
)

使用示例

from xparse_client import LocalSource, Pipeline

source = LocalSource(
    directory='./documents',
    recursive=True,
    pattern=['*.pdf']  # 递归处理所有 PDF 文件
)

# ... 其他配置

pipeline = Pipeline(
    source=source,
    # ...其他配置
)
pipeline.run()