如果代码中从 langchain.document_loaders 导入 PyPDFLoader ，会出现 LangChainDeprecationWarning提示已废弃，推荐使用 langchain_community.document_loaders.PyPDFLoader。这是 LangChain 0.2.x 及以上版本模块重构的一部分，将社区维护的组件移到 langchain_community 包，以保持核心包 langchain 的精简。

本文基于 LangChain 0.3.x，详细解释警告原因、PyPDFLoader 的功能、迁移方法，并提供一个独立的使用 langchain_community.document_loaders.PyPDFLoader 的 RAG 示例，包含 PDF 加载、分割、嵌入生成、Milvus 向量存储和查询。

代码废弃告警：
Importing PyPDFLoader from langchain.document_loaders is deprecated. Please replace deprecated imports:
from langchain.document_loaders import PyPDFLoader
with new imports of:
from langchain_community.document_loaders import PyPDFLoader
You can use the langchain cli to automatically upgrade many imports. Please see documentation here https://python.langchain.com/docs/versions/v0_2/
from langchain.document_loaders import PyPDFLoader ……

---

警告原因

LangChainDeprecationWarning 表明使用了已废弃的导入路径：

from langchain.document_loaders import PyPDFLoader  # 废弃

在 LangChain 0.2.x 及以上版本中，PyPDFLoader 等文档加载器被移到 langchain_community 包，需改为：

from langchain_community.document_loaders import PyPDFLoader  # 推荐

原因：

• 模块重构：LangChain 将核心功能（langchain）与社区贡献功能（langchain_community）分离，PyPDFLoader 属于社区维护的加载器。
• 向后兼容：旧导入路径暂时有效，但会触发警告，未来版本可能移除。
• 自动迁移：LangChain 提供 CLI 工具（langchain migrate）自动更新导入。

---

PyPDFLoader 简介

langchain_community.document_loaders.PyPDFLoader 是 LangChain 提供的 PDF 文档加载器，用于从 PDF 文件提取文本，生成 Document 对象，适用于 RAG 系统、文档检索等场景。

功能：

• 提取 PDF 文件的文本内容，每页生成一个 Document 对象。
• 支持元数据提取（如页面编号）。
• 集成 LangChain 的文档处理管道，可与向量存储、文本分割器结合。

主要参数：

• file_path（必填）：PDF 文件路径。
• password（可选）：PDF 解密密码。
• extract_images（默认 False）：是否提取图片（需额外依赖）。

适用场景：

• 处理 PDF 文档（如研究论文、报告）。
• 构建 RAG 系统，提取 PDF 内容并生成嵌入。
• 需要页面级文本提取的应用。

---

迁移方法

要解决警告，需更新代码并确保环境兼容。以下是步骤：

1. 更新导入：
   替换：

   from langchain.document_loaders import PyPDFLoader
   

   为：

   from langchain_community.document_loaders import PyPDFLoader
   

2. 安装依赖：

   • 确保安装 langchain_community 和 pypdf：

     pip install --upgrade langchain langchain-community pypdf
     

   • 若使用 OpenAI 嵌入或 LLM，安装：

     pip install langchain-openai
     

   • 若使用 Milvus 向量存储，安装：

     pip install langchain-milvus pymilvus
     

3. 自动迁移：
   使用 LangChain CLI 自动更新导入：

   pip install langchain-cli
   langchain migrate
   

   按照提示选择项目目录，CLI 会扫描并替换废弃导入。

4. 检查 Milvus 服务：

   • 确保 Milvus 服务运行：

     docker run -d --name milvus_standalone -p 19530:19530 -p 9091:9091 milvusdb/milvus:latest
     

   • 验证连接：

     curl http://localhost:19530  # 检查 HTTP 接口
     

5. 验证代码：

   • 更新导入后，运行代码检查是否仍有警告。
   • 确保 PDF 文件路径有效，文件可读。

---

使用 PyPDFLoader 的 RAG 示例

以下是一个独立的 RAG 示例，使用 langchain_community.document_loaders.PyPDFLoader 加载 PDF 文档，结合 RecursiveCharacterTextSplitter 分割、langchain_milvus.Milvus 存储嵌入（使用新 URI 连接方式）、OpenAI 嵌入和 LLM 回答查询。

准备文件：
创建一个简单的 PDF 文件 ai_knowledge.pdf，内容包含以下文本（可使用工具如 Word 保存为 PDF）：

人工智能（AI）是计算机科学的一个分支，专注于创建智能系统。
机器学习是 AI 的子领域，涉及从数据中学习模型。
深度学习是机器学习的一种，使用神经网络进行复杂模式识别。

代码：

import os
os.environ["OPENAI_API_KEY"] = "Your OpenAI API Key"

from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_milvus import Milvus
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.document_loaders import PyPDFLoader

# 加载 PDF 文档
loader = PyPDFLoader(file_path="ai_knowledge.pdf")
documents = loader.load()

# 分割文档
splitter = RecursiveCharacterTextSplitter(
    chunk_size=100,
    chunk_overlap=20,
    separators=["\n\n", "\n", " ", ""]
)
split_documents = splitter.split_documents(documents)

# 初始化嵌入模型和 Milvus 向量存储
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = Milvus(
    embedding_function=embeddings,
    connection_args={"uri": "http://localhost:19530"},
    collection_name="ai_collection",
    drop_old=True
)
vectorstore.add_documents(split_documents)

# 初始化 LLM
llm = ChatOpenAI(temperature=0, model="gpt-4")

# 提示模板
prompt = ChatPromptTemplate.from_template(
    """根据以下上下文回答问题：
上下文：{context}
问题：{question}
回答："""
)

# 格式化文档函数
def format_docs(docs):
    return "\n\n".join(doc.page_content for doc in docs)

# 创建 RAG 链
rag_chain = (
    {
        "context": vectorstore.as_retriever(search_kwargs={"k": 2}) | format_docs,
        "question": RunnablePassthrough()
    }
    | prompt
    | llm
    | StrOutputParser()
)

# 调用链
print("RAG 链输出：")
response = rag_chain.invoke("什么是人工智能？")
print(response)
response = rag_chain.invoke("它包含哪些子领域？")
print(response)

输出示例：

RAG 链输出：
人工智能（AI）是计算机科学的一个分支，专注于创建智能系统。
人工智能包含子领域，如机器学习和深度学习。

代码说明

1. 文档加载：
   • PyPDFLoader 加载 ai_knowledge.pdf，每页生成一个 Document 对象。
2. 文本分割：
   • RecursiveCharacterTextSplitter 分割为约 100 字符的块，chunk_overlap=20 保留上下文。
3. 向量存储：
   • Milvus 使用 OpenAIEmbeddings 生成嵌入，存储到 ai_collection，使用 connection_args={"uri": "http://localhost:19530"}。
   • drop_old=True 清除旧集合，确保干净测试。
4. RAG 链：
   • vectorstore.as_retriever 检索 2 个相关块。
   • format_docs 拼接文档内容，模拟 stuff 模式。
   • prompt 结合上下文和问题，llm（gpt-4）生成答案。

运行要求：

• Milvus 服务运行（http://localhost:19530）。
• ai_knowledge.pdf 存在且可读。
• OpenAI API 密钥有效。

---

注意事项

1. API 密钥：
   • 使用 .env 文件：

     from dotenv import load_dotenv
     load_dotenv()
     

   • 确保密钥支持 text-embedding-3-small 和 gpt-4。
2. 依赖：
   • 安装：

     pip install --upgrade langchain langchain-community langchain-openai langchain-milvus pymilvus pypdf
     

3. Milvus 配置：
   • 验证服务：

     curl http://localhost:19530  # 检查 Milvus HTTP 接口
     

   • 非本地部署：

     connection_args={"uri": "http://your-milvus-host:19530"}
     

4. PDF 处理：
   • 确保 PDF 文件无加密，或提供密码：

     loader = PyPDFLoader(file_path="ai_knowledge.pdf", password="your_password")
     

   • 若 PDF 包含图片，启用图像提取（需安装 pypdfium2）：

     pip install pypdfium2
     

     loader = PyPDFLoader(file_path="ai_knowledge.pdf", extract_images=True)
     

5. 性能优化：
   • 调整 chunk_size（500-1000）和 search_kwargs={"k": 3} 优化检索。
   • 使用 Milvus 索引：

     vectorstore = Milvus(..., index_params={"metric_type": "L2", "index_type": "IVF_FLAT"})
     

---

常见问题

Q1：如何完全消除 LangChainDeprecationWarning？
A：更新所有导入到 langchain_community，使用 langchain migrate CLI 自动修复，或手动检查代码。

Q2：PyPDFLoader 相比其他加载器（如 TextLoader）的优势？
A：PyPDFLoader 专为 PDF 设计，支持页面级提取和元数据；TextLoader 适合纯文本文件，速度更快。

Q3：如何处理加密 PDF？
A：提供密码：

loader = PyPDFLoader(file_path="encrypted.pdf", password="your_password")

Q4：可以结合对话历史吗？
A：使用 RunnableWithMessageHistory：

from langchain_core.runnables import RunnableWithMessageHistory
from langchain_community.chat_message_histories import ChatMessageHistory

---

总结

LangChainDeprecationWarning 提示需将 langchain.document_loaders.PyPDFLoader 替换为 langchain_community.document_loaders.PyPDFLoader，这是 LangChain 0.2.x 模块重构的结果。PyPDFLoader 用于加载 PDF 文档，适合 RAG 系统。示例代码展示了使用 PyPDFLoader、RecursiveCharacterTextSplitter、langchain_milvus.Milvus和 LCEL 构建 RAG 系统，处理人工智能主题查询。