LlamaParse无法解析目录内文档，报file_input参数错误

问题根源 #

SimpleDirectoryReader默认会把文件读成字节流传给自定义提取器，但LlamaParse的解析器不接受这种字节流输入——它只认文件路径字符串、原始文件字节或者特定格式的缓冲区对象，所以直接把LlamaParse实例塞给file_extractor就会触发类型不匹配的报错。

两种可行修复方案 #

方案1：给LlamaParse套个包装类 #

写个简单的包装类，让它接收文件路径，再转交给LlamaParse处理：

from llama_parse import LlamaParse
from llama_index.core.readers.base import BaseReader
from typing import List, Dict, Any

class LlamaParsePathReader(BaseReader):
    def __init__(self, result_type: str = "markdown"):
        self.parser = LlamaParse(result_type=result_type)
    
    def load_data(self, file_path: str, extra_info: Dict[str, Any] = None) -> List[Any]:
        # 直接传文件路径给LlamaParse解析
        return self.parser.load_data(file_path)

# 用包装后的类替代原parser
parser = LlamaParsePathReader(result_type="markdown")
file_extractor = {'.pdf': parser}

reader = SimpleDirectoryReader(input_dir='./data', file_extractor=file_extractor, recursive=True).load_data()

方案2：直接用函数作为提取器 #

不用包装类，写个小函数接收文件路径，内部调用LlamaParse：

from llama_parse import LlamaParse
from llama_index.core.readers import SimpleDirectoryReader

def parse_pdf(file_path: str, **kwargs):
    parser = LlamaParse(result_type="markdown")
    return parser.load_data(file_path)

file_extractor = {'.pdf': parse_pdf}

reader = SimpleDirectoryReader(input_dir='./data', file_extractor=file_extractor, recursive=True).load_data()

为什么这样能解决问题 #

两种方案都是让LlamaParse直接拿到文件路径，而不是SimpleDirectoryReader默认传递的字节流，完美匹配它的输入要求。你可以先拿单个PDF文件测试下解析是否正常，再批量跑目录里的文件。

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