使用MergedDataLoader合并PDF文档遇AttributeError问题求助

错误原因 #

你误用了MergedDataLoader的参数类型。这个类的设计目的是合并多个数据加载器（Loader实例），而非接收已经加载完成的Document对象列表。你现在把单个PDF加载后得到的docs（Document对象的列表）传给它，自然会触发属性不存在的错误。

解决方案 #

方案1：正确使用MergedDataLoader

先收集所有PDF对应的PyPDFLoader实例，再传给MergedDataLoader统一加载：

def load_docs(folder_path):
    # 收集所有PDF的加载器实例
    loaders = []
    for file_path in glob.glob(os.path.join(folder_path, "*.pdf")):
        loaders.append(PyPDFLoader(file_path))
    
    # 合并加载器并加载所有文档
    merged_loader = MergedDataLoader(loaders)
    docs_all = merged_loader.load()
    
    print(len(docs_all))  # 输出所有PDF的总页数
    return docs_all

方案2：手动收集所有Document对象（更直观）

如果不需要复用加载器逻辑，直接遍历每个PDF并将页面对象追加到总列表即可：

def load_docs(folder_path):
    docs_all = []
    for file_path in glob.glob(os.path.join(folder_path, "*.pdf")):
        loader = PyPDFLoader(file_path)
        docs = loader.load()
        docs_all.extend(docs)  # 将当前PDF的所有页面加入总列表
    
    print(len(docs_all))  # 输出总页数
    return docs_all

方案说明 #

• 方案1适合后续需要复用加载器的场景，MergedDataLoader会统一处理加载逻辑
• 方案2代码更简洁直接，适合仅需合并最终Document列表的场景

内容的提问来源于stack exchange，提问作者curious_user