Closed lhtpluto closed 4 months ago
🤖
嘿,@lhtpluto!很高兴再次见到你。希望你一切都好!
您遇到的 "无法找到此 WMF 文件的加载器" 的 OSError 可能是由于在 RapidOCRDocLoader 类中使用的 Python Imaging Library (PIL) 不支持 Windows Metafile Format (WMF)。
在代码中,RapidOCRDocLoader 类试图使用 PIL 的 Image.open() 函数从 .docx 文件中打开一个图像。如果图像是 WMF 格式的,PIL 将无法打开它,并会抛出一个 OSError。
这是相关的代码:
if isinstance(part, ImagePart):
image = Image.open(BytesIO(part._blob))
result, _ = ocr(np.array(image))
if result:
ocr_result = [line[1] for line in result]
resp += "\n".join(ocr_result)
要解决这个问题,您可以在用 Image.open() 尝试打开它们之前,将 WMF 图像转换为 PIL 可以处理的格式,如 PNG 或 JPEG。或者,您可以使用支持 WMF 的库,如 Python 库 PyWMF。
源代码:
如果您有任何其他问题或需要进一步的帮助,请随时告诉我。
The same error occurred.
我也遇到上传pptx和docx报出 cannot fild loader for this WMF file
same error for a docx file
🤖
嘿,@lhtpluto!很高兴再次见到你。希望你一切都好!
您遇到的 "无法找到此 WMF 文件的加载器" 的 OSError 可能是由于在 RapidOCRDocLoader 类中使用的 Python Imaging Library (PIL) 不支持 Windows Metafile Format (WMF)。
在代码中,RapidOCRDocLoader 类试图使用 PIL 的 Image.open() 函数从 .docx 文件中打开一个图像。如果图像是 WMF 格式的,PIL 将无法打开它,并会抛出一个 OSError。
这是相关的代码:
if isinstance(part, ImagePart): image = Image.open(BytesIO(part._blob)) result, _ = ocr(np.array(image)) if result: ocr_result = [line[1] for line in result] resp += "\n".join(ocr_result)
要解决这个问题,您可以在用 Image.open() 尝试打开它们之前,将 WMF 图像转换为 PIL 可以处理的格式,如 PNG 或 JPEG。或者,您可以使用支持 WMF 的库,如 Python 库 PyWMF。
源代码:
如果您有任何其他问题或需要进一步的帮助,请随时告诉我。
Sources
About Dosu
This response is meant to be useful and save you time. It is not meant to be a precise solution, but rather a starting point for your own research.
Help me be more useful! Please leave a 👍 if this is helpful and 👎 if it is irrelevant.
If you want to continue the conversation, start your reply with @dosu-bot.
在这个代码加个try-catch,wtf格式的直接跳过不要了,可以凑合跑
有大佬贴下这个解决这个问题的代码吗?我加的代码不生效啊
if isinstance(part, ImagePart):
try:
image = Image.open(BytesIO(part._blob))
result, _ = ocr(np.array(image))
if result:
ocr_result = [line[1] for line in #result]
resp += "\n".join(ocr_result)
except Exception as e:
print(f"图片无法识别:{e}")
document_loaders\mydocloader.py line49
有大佬贴下这个解决这个问题的代码吗?我加的代码不生效啊
if isinstance(part, ImagePart): try: image = Image.open(BytesIO(part._blob)) result, _ = ocr(np.array(image)) if result: ocr_result = [line[1] for line in #result] resp += "\n".join(ocr_result) except Exception as e: print(f"图片无法识别:{e}")
document_loaders\mydocloader.py line49
有大佬贴下这个解决这个问题的代码吗?我加的代码不生效啊
收到,谢谢!
收到,谢谢您的来信。我将及时回复您! 祝好!
问题描述 / Problem Description 用简洁明了的语言描述这个问题 / Describe the problem in a clear and concise manner. 知识库文件上传的文件,添加至向量库时发生
V12.2.docx 大小约36MB
dosubot的回答时文档中一个图片的问题,但实际上在知识库问答中,完全没有这个文档的任何内容。
实际结果 / Actual Result 描述实际发生的结果 / Describe the actual result.
2024-02-16 00:58:46,804 - utils.py[line:295] - INFO: RapidOCRDocLoader used for /home/test/Langchain-Chatchat/knowledge_base/samples/content/V12.2.docx RapidOCRDocLoader block index: 352: 46%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 352/765 [00:01<00:01, 363.24it/s]2024-02-16 00:58:48,594 - utils.py[line:377] - ERROR: OSError: 从文件 samples/V12.2.docx 加载文档时出错:cannot find loader for this WMF file RapidOCRDocLoader block index: 352: 46%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 352/765 [00:01<00:01, 254.00it/s] 2024-02-16 00:58:48,713 - faiss_cache.py[line:38] - INFO: 已将向量库 ('samples', 'bge-large-zh-v1.5') 保存到磁盘
环境信息 / Environment Information
附加信息 / Additional Information 添加与问题相关的任何其他信息 / Add any other information related to the issue. 操作系统:Linux-6.5.0-17-generic-x86_64-with-glibc2.35. python版本:3.11.7 (main, Dec 15 2023, 18:12:31) [GCC 11.2.0] 项目版本:v0.2.10 langchain版本:0.0.354. fastchat版本:0.2.35
当前使用的分词器:ChineseRecursiveTextSplitter 当前启动的LLM模型:['Qwen1.5-14B-Chat-GPTQ-Int4'] @ cuda {'device': 'cuda', 'host': '0.0.0.0', 'infer_turbo': False, 'model_path': 'Qwen1.5-14B-Chat-GPTQ-Int4', 'model_path_exists': True, 'port': 20002} 当前Embbedings模型: bge-large-zh-v1.5 @ cuda
服务端运行信息: OpenAI API Server: http://127.0.0.1:20000/v1 Chatchat API Server: http://127.0.0.1:7861 Chatchat WEBUI Server: http://0.0.0.0:80