32 lines
830 B
Markdown
32 lines
830 B
Markdown
---
|
|
layout: default
|
|
---
|
|
|
|
# Extractores y parsers avanzados
|
|
|
|
<v-clicks>
|
|
|
|
### Unstructured.io
|
|
Servicio de extracción que soporta **+30 tipos de archivo** (PDF, DOCX, PPTX, imágenes, HTML...)
|
|
|
|
```typescript
|
|
import { UnstructuredLoader } from
|
|
"@langchain/community/document_loaders/fs/unstructured";
|
|
|
|
const loader = new UnstructuredLoader("./docs/informe.pdf", {
|
|
apiKey: process.env.UNSTRUCTURED_API_KEY,
|
|
apiUrl: "https://api.unstructuredapp.io/general/v0/general",
|
|
});
|
|
const docs = await loader.load();
|
|
```
|
|
|
|
- Extrae texto, tablas, imágenes con OCR
|
|
- API cloud o self-hosted
|
|
- Ideal para documentos complejos con layouts mixtos
|
|
|
|
<div class="mt-4 p-4 bg-blue-500/10 rounded">
|
|
💡 Unstructured es especialmente útil para PDFs escaneados o con tablas complejas donde <code>pdf-parse</code> se queda corto
|
|
</div>
|
|
|
|
</v-clicks>
|