RAG用のHTMLファイルの読み込み
HTMLのような複雑な形式を含め、さまざまな形式のドキュメントを読み込むことができます。
馴染みがない方のために説明すると、HTMLとはウェブページを作成するためのマークアップ言語です。こちらが簡単な例です。
<!DOCTYPE html>
<html>
<body>
<h2>Heading</h2>
<p>Here's some text and an image below:</p>
<img src="image.jpg" alt="..." width="104" height="142">
</body>
</html>
この演習では、DataCampのブログ記事のウェブページのためのHTMLファイルを読み込みましょう。必要なクラスはすでにインポート済みです。
この演習はコースの一部です
LangChainで学ぶ検索拡張生成（RAG）
演習の手順
UnstructuredHTMLLoaderクラスを使用して、現在のディレクトリにあるdatacamp-blog.htmlファイルを読み込んでください。- ドキュメントをメモリに読み込んでください。
- 最初のドキュメントのページコンテンツを出力してください。
- 最初のドキュメントのメタデータを出力してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create a document loader for unstructured HTML
loader = ____
# Load the document
data = ____
# Print the first document's content
print(____)
# Print the first document's metadata
print(____)