如何解决导入unstructured.documents.html时的ModuleNotFoundError？

可能原因及修复步骤 #

1. 检查并升级unstructured库版本 #

HTMLDocument在旧版本的unstructured库中不存在于unstructured.documents.html路径下，该类的导入路径已随版本更新发生变更。

• 查看当前安装的unstructured版本：

  pip show unstructured
  

• 若版本较低，升级至最新稳定版：

  pip install --upgrade unstructured
  

2. 使用正确的导入路径 #

新版本unstructured中，HTML文档处理的核心方法和类路径已调整，替代方案如下：
如果只是需要解析HTML文件提取内容，使用：

from unstructured.partition.html import partition_html

# 加载并解析HTML文件
html_file_path = 'UBER_2019.html'
elements = partition_html(filename=html_file_path)

如果需要操作文档元素对象，可导入基础元素类配合解析方法使用：

from unstructured.documents.elements import Element
from unstructured.partition.html import partition_html

elements = partition_html(filename='UBER_2019.html')

3. 安装完整依赖确保功能可用 #

部分HTML解析功能需要额外依赖包，可安装包含所有文档类型支持的完整版本：

pip install "unstructured[all-docs]"

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