Parametrul file_extractor în SimpleDirectoryReader: Maparea Extensiilor în LlamaIndex & Data RAG

Parametrul file_extractor din clasa SimpleDirectoryReader permite suprascrierea cititoarelor implicite cu parsere specializate pentru anumite formate de fișiere (de exemplu asocierea extensiei .pdf cu LlamaParse sau PDFMiner).

Exemplu de configurare avansată

from llama_index.core import SimpleDirectoryReader
from llama_parse import LlamaParse

parser_pdf = LlamaParse(result_type="markdown")
file_extractor = {".pdf": parser_pdf}

reader = SimpleDirectoryReader(
    input_dir="./depozit",
    file_extractor=file_extractor,
    recursive=True
)
documente = reader.load_data()

Oferă flexibilitate maximă la procesarea directoarelor mixte cu fișiere eterogene.