Unstructured-IO / Unstructured-IO/unstructured-python-client

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"

Ouverte
#258 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

enhancement
Langage dominant
Python
Étoiles
119
Forks
22
Merge moyen
1 j 21 h
PR mergées (30 j)
1

Description

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.

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Piste de recherche

L’issue n’identifie aucun fichier, test ou point d’entrée. Commencez par localiser la gestion, dans l’API client, de chunking_strategy="by_title" et de l’extraction d’images, puis déterminez si l’achèvement consiste à renvoyer les métadonnées image_base64 ou à activer extract_image_block_output_dir, avec des tests couvrant le comportement choisi.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
python
Domaine
api
Type d'issue
Fonctionnalité
Difficulté
5/5
Temps estimé
Plus d'une semaine
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
25/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.