> ## Documentation Index
> Fetch the complete documentation index at: https://docs.textin.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 概览

> 了解 xParse 支持的数据源类别、功能范围以及如何手动创建 Source 对象

## 概念

数据源连接器（Sources）用于从不同存储系统中读取文档文件。xParse 支持多种数据源类型，包括 S3 兼容的对象存储服务、FTP 远程文件服务、SMB 网络共享以及本地文件系统。

通过配置不同的数据源连接器，您可以灵活地从各种存储系统中读取文档，无需修改处理逻辑。

## 支持的数据源

xParse 目前支持以下数据源类型（点击可查看详细配置指南）：

### S3 兼容服务

* [S3 兼容服务概览](/pipeline/sources/s3)：了解 S3 兼容服务的通用配置
* [MinIO](/pipeline/sources/minio)：高性能对象存储服务
* [AWS S3](/pipeline/sources/aws-s3)：亚马逊云对象存储
* [阿里云 OSS](/pipeline/sources/aliyun-oss)：阿里云对象存储服务
* [腾讯云 COS](/pipeline/sources/tencent-cos)：腾讯云对象存储
* [火山引擎 TOS](/pipeline/sources/volcengine-tos)：火山引擎对象存储
* [华为云 OBS](/pipeline/sources/huawei-obs)：华为云对象存储服务

### 其他数据源

* [FTP 远程文件服务](/pipeline/sources/ftp)：从 FTP/FTPS 服务器读取文档
* [SMB 网络共享](/pipeline/sources/smb)：从 SMB/CIFS 网络共享读取文档
* [本地文件夹](/pipeline/sources/local)：从本地文件系统读取文档

### 通用配置

1. `recursive`：`boolean`类型，是否递归遍历，开启后将递归遍历子文件夹中的文件，默认为 `False`。
2. `pattern`：`list[string]`类型，文件匹配模式，配置后仅拉取符合规则的文件，例如 `['*.pdf', '*.docx', '**/*.txt']`，默认为`None`，处理全部文件。

**注意**：`pattern` 中包含递归通配符（如`**/*.txt`）时，`recursive` 参数必须为 True，否则不生效。

## 支持的文件格式

xParse 目前支持的文件格式有：png, jpg, jpeg, pdf, bmp, tiff, webp, doc, docx, html, mhtml, xls, xlsx, csv, ppt, pptx, txt, ofd, rtf。

* 如果是xls/xlsx/csv文件，每个sheet行数不能超过2000，列数不能超过100。
* 如果是txt文件，文件大小不超过100k。
* 长宽比小于2的图片宽高需在20～20000像素范围内，其他图片的宽高需在20～10000像素范围内。
* 单个文件大小不超过100M。

## 相关文档

* [目的地连接器](/pipeline/destinations) - 了解如何配置目标存储
* [快速启动](/pipeline/quickstart) - 了解如何使用 Pipeline 处理文档
* [解析模块](/pipeline/parse) - 了解文档解析配置