spring-ai-alibaba提供了许多读取外部文档的包，例如语雀、飞书、notion笔记等

这些包以spring-ai-alibaba-starter-document-reader开头，实现了spring-ai的DocumentReader接口

最简单样例

我们一起来看一个最简单的例子，以spring-ai-alibaba-starter-document-reader-bilibili为例

使用分为三步

第一步：引入jar包

		<dependency>
			<groupId>com.alibaba.cloud.ai</groupId>
			<artifactId>spring-ai-alibaba-starter-document-reader-bilibili</artifactId>
		</dependency>

 第二步：申请权限并添加配置

这一步某些平台可以省略，比如样例的bilibili，无需申请api-key之类的令牌即可访问

第三步：调用代码

        BilibiliDocumentReader reader = new BilibiliDocumentReader("BV1ErERzUEqg");
        List<Document> documents = reader.get();
        System.out.println(documents.size());
        System.out.println(documents.get(0).getText());
        System.out.println(documents.get(0).getMetadata().get("title"));

这里我是读取的B站的全网最最全的AI推荐！历时半年，我们选出了Top100【全网首发】_哔哩哔哩_bilibili，在其网址中找到BV开头的那串字符（这是视频的id），传入BilibiliDocumentReader即可实现读取。

ps：BilibiliDocumentReader并不会读取视频中的语音或字幕，读取的主要是标题和下方的文字描述。

进阶知识

内部原理

spring-ai-alibaba的document-reader包中，一般包含2部分：

META-INF：元信息，主要是pom文件引入外部依赖

java实现类：实现类数量不同jar包不一样，一般为1-3个，主要有以下三个角色

        1）代表访问权限的类：接收用户api-key或access-token等身份识别信息，确保用户有权限访问平台数据

        2）代表资源路径的类：接收资源位置，如本地路径、网址等，用来访问目标资源

        3）代表解析器的类：根据目标资源的类型实现文档解析，如html解析、xml解析、markdown解析等

整体流程一般是根据访问权限和资源路径拼装请求，得到回复后使用对应的解析器，解析为Document格式的结果。

DocumentParser

上面提到的第三种角色，代表解析器的类，在spring-ai-alibaba中被提炼为一个接口：DocumentParser

public interface DocumentParser {

	List<Document> parse(InputStream inputStream);

}

DocumentParser接收一个输入流，输出Document列表

DocumentParser与DocumentReader接口不同，DocumentParser不关心数据如何来，只关心拿到数据后，如何转换为Document

除了spring-ai-alibaba-core中包含的JsonDocumentParser和TextDocumentParser，spring-ai-alibaba还提供了许多document-parser的扩展包，如Markdown、pdf等（具体可以参考spring-ai-alibaba 1.0.0.2 学习（二）——jar包盘点-CSDN博客）

DocumentParser可以理解为DocumentReader接口实现过程中的一个子步骤，主要是为了将文档平台和文档格式进行解耦

举个例子，在语雀平台有markdown格式的文档，在notion笔记中也有markdown格式的文档，那么在接入各个平台的markdown格式文档时，为了避免重复造轮子，那么就将markdown格式文档转换成Document的代码提取为MarkdownDocumentParser（spring-ai-alibaba-starter-document-parser-markdown），那么在各个平台的DocumentReader的构造函数中传入同一个MarkdownDocumentParser即可

换个角度，语雀平台有markdown格式的文档，也可能有yaml格式或者其他格式的文档，那么YuQueDocumentReader的构造函数只需要传入一个DocumentParser，即可兼容各种格式文档的解析。