feat/<short-name> either add parameter "extract_image_block_output_dir" in unstructured api call of shared.PartitionParameters or include base46 encoded images in meta data when chunking stratergy ="by_title"
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
Línea de trabajo
El issue no identifica ningún archivo, prueba ni punto de entrada. Comienza localizando el manejo de la API del cliente para chunking_strategy="by_title" y la extracción de imágenes; después, aclara si completar significa devolver metadatos image_base64 o habilitar extract_image_block_output_dir, con pruebas que cubran el comportamiento elegido.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Is your feature request related to a problem? Please describe.
. Ex. I'm always frustrated when Yes. I'm currently using the Unstructured API with chunking_strategy="by_title" to segment documents for downstream semantic search and RAG applications. However, when using this chunking strategy, I’m unable to retrieve the Base64-encoded images in the document (i.e., no image_base64 in the metadata of returned elements). Additionally, the parameter "extract_image_block_output_dir"—which allows extracted image blocks to be saved—is unavailable or not functioning when is used. unstructured by api call
This prevents me from building a robust multimodal pipeline that includes both structured text chunks and their corresponding visual content.
Describe the solution you'd like
I’d like one of the following to be supported when using chunking_strategy="by_title" in the Unstructured API:
(Preferred) Embed Base64-encoded image (image_base64) in the metadata of returned elements—just as is supported in r hi-res strategies.
(Alternative) Enable the extract_image_block_output_dir parameter to work unstructured by api call , so that extracted image blocks are saved to a specified directory even during chunked extraction.
Describe alternatives you've considered
A clear and concise description of any alternative solutions or features you've considered.
Additional context
Add any other context or screenshots about the feature request here.
- Lenguaje dominante
- Python
- Estrellas
- 119
- Forks
- 22
- Merge medio
- 3 d 23 h
- PR fusionados (30 d)
- 1
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de Unstructured-IO/unstructured-python-client
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
Todos los issues de Unstructured-IO/unstructured-python-client
Issues similares
-
Zero-token evaluations are treated as missing cost in selectionPosiblemente ocupada @sylvesterkaczmarek la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
google-research/rrsi#6 ·
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
aws-samples/sample-aws-genai-db-modernizer#294 ·
Los mantenedores suelen responder en 1 día
-
feedback simulation workshop
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
githubnext/gh-aw-workshop#4174 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 86/100
WingedGuardian/GENesis-AGI#2852 ·
Los mantenedores suelen responder en 1 día
-
camlight produces degenerate target camera and light framesPosiblemente ocupada @kavyabhand la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
google-deepmind/mujoco_warp#1743 ·
Los mantenedores suelen responder en 1 día