dexblog.ro
Acces rapid: Învață AI Învață Programare Specificații Dispozitive Comparații
LLAMA Toate componentele LlamaIndex & Data RAG

Clasa SimpleDirectoryReader (Ingestie de Date) în LlamaIndex & Data RAG

Ingestie, Parsare & Indexare Nivel: începător

Cel mai simplu și versatil conector de date din LlamaIndex: scanează un folder local și încarcă automat PDF-uri, Word, CSV, Markdown, imagini și cod sursă.

Sintaxă & invocare Python 
from llama_index.core import SimpleDirectoryReader

documents = SimpleDirectoryReader(input_dir='./documente', recursive=True).load_data()
print(f'S-au încărcat {len(documents)} pagini/documente.')

Descriere & Utilizare

În loc să instalezi și să configurezi manual câte un cititor diferit pentru fiecare tip de fișier, SimpleDirectoryReader detectează automat extensia fiecărui fișier din directorul indicat (.pdf, .docx, .csv, .md, .html, .ipynb, .mp3) și apelează parserul potrivit.

Metoda .load_data() returnează o listă de obiecte Document, fiecare conținând textul extras și un dicționar automat de metadate (file_name, file_path, page_label, creation_date).

Pentru proiecte cu mii de documente, suportă încărcare paralelă pe mai multe nuclee de procesor prin parametrul num_workers=4.

Cum să o reții ușor

💡 Ca un scanner de birou multifuncțional cu alimentator automat: pui în tavă un teanc amestecat de facturi, contracte PDF, tabele și notițe, apeși un singur buton și le primești pe toate digitalizate uniform.

Opțiuni și parametri tehnici

  • Parcurge arborele de directoare (inclusiv subfolderele dacă recursive=True).
  • Filtrează fișierele după extensii permise (required_exts) sau liste de excludere (exclude).
  • Atașează metadate de sistem care vor fi afișate ulterior ca surse bibliografice în răspunsul AI.

Exemple practice și cazuri de utilizare

  • Încărcare doar fișiere PDF și Markdown: SimpleDirectoryReader('./date', required_exts=['.pdf', '.md']).load_data()
  • Încărcare fișiere individuale: SimpleDirectoryReader(input_files=['raport_2025.pdf', 'buget.csv']).load_data()
  • Paralelizare rapidă: reader.load_data(num_workers=4)

Sfaturi de configurare & capcane

Pentru o calitate superioară a răspunsurilor RAG, poți îmbogăți metadatele fiecărui document la încărcare folosind parametrul file_metadata=lambda filename: {'departament': 'HR'}.

Comenzi și ghiduri înrudite