ПочатиПочніть безкоштовно

Розбиття HTML

У цій вправі ви розібʼєте HTML, що містить виконавчий указ щодо ШІ, оприлюднений Білим домом США у жовтні 2023 року. Щоб зберегти якомога більше контексту в фрагментах, ви використаєте більші значення для chunk_size і chunk_overlap.

Усі класи LangChain, необхідні для виконання цієї вправи, уже підключено для вас.

Ця вправа є частиною курсу

Розроблення застосунків LLM за допомогою LangChain

Переглянути курс

Інструкції до вправи

  • Створіть UnstructuredHTMLLoader для white_house_executive_order_nov_2023.html і завантажте його в памʼять.
  • Встановіть chunk_size рівним 300 і chunk_overlap рівним 100.
  • Створіть RecursiveCharacterTextSplitter, який розбиває за символом '.', і скористайтеся методом .split_documents(), щоб розбити data та вивести фрагменти.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Load the HTML document into memory
loader = UnstructuredHTMLLoader(____)
data = loader.____()

# Define variables
chunk_size = ____
chunk_overlap = ____

# Split the HTML
splitter = RecursiveCharacterTextSplitter(
    chunk_size=chunk_size,
    chunk_overlap=chunk_overlap,
    separators=____)

docs = splitter.____(data)
print(docs)
Редагувати та запускати код