LLM-删除LaTeX文档头组件主要用于大语言模型（LLM）的文本数据预处理工作，适用于TEX文档格式数据。主要功能是找到第一个匹配<section-type>[optional-args]{name}章节格式的字符串，并将其之前的所有内容删除，保留第一个匹配到章节后的所有内容，包括该章节标题。
支持的计算资源
算法说明
定义LaTeX格式文本章节的正则表达式为：r'^(.*?)(\\\bchapter\b\*?(?:\[(.*?)\])?\{(.*?)\}|\\\bpart\b\*?(?:\[(.*?)\])?\{(.*?)\}|\\\bsection\b\*?(?:\[(.*?)\])?\{(.*?)\}|\\\bsubsection\b\*?(?:\[(.*?)\])?\{(.*?)\}|\\\bsubsubsection\b\*?(?:\[(.*?)\])?\{(.*?)\}|\\\bparagraph\b\*?(?:\[(.*?)\])?\{(.*?)\}|\\\bsubparagraph\b\*?(?:\[(.*?)\])?\{(.*?)\})'（多个匹配字段用“|”分隔）。
定位到满足上述正则表达式的第一个字符串，将其之前的所有内容删除，保留第一个匹配到章节后的所有内容，包括该章节标题。示例如下：
处理前
| 处理后
|
配置组件
在Designer工作流页面添加LLM-删除LaTeX文档头（MaxCompute）组件，并在界面右侧配置相关参数：
参数类型 | 参数 | 描述 |
字段设置 | 选择目标处理列 | 选择要处理的列，支持多选。 |
是否删除没有匹配到章节格式的样本 | 如果勾选此选项，如果样本没有匹配到任何章节格式，则删除该样本。 | |
设置输出表生命周期 | 正整数，单位为天。默认28天，28天后该组件产生的临时表被回收。 | |
执行调优 | 每个实例的cpu数目 | 设定map task每个instance的CPU数目，取值范围：50~800，默认值：100。 |
每个实例的memory大小，单位M | 设定map task每个instance的memory大小，取值范围：256~12288，默认值：1024，单位：MB。 | |
每个实例处理的数据大小，单位M | 设定map task每个instance的最大处理数据量，取值范围：1~Integer.MAX_VALUE，默认值：256，单位：MB。 您可以通过控制这个变量，从而达到对map端输入的控制。 |