法的文書の要約

details_to_extract = [
    '関係者（転貸人、転借人、元の賃貸人）',
    '物件詳細（住所、説明、許可された用途）', 
    '期間と賃料（開始日、終了日、月額賃料、敷金）',
    '責任（光熱費、保守、修理）',
    '同意と通知（家主の同意、通知要件）',
    '特別条項（家具、駐車場、転貸制限）'
]

from io import BytesIO
import re

import pypdf
import requests

def get_llm_text(pdf_file):
    reader = pypdf.PdfReader(pdf_file)
    text = "\n".join([page.extract_text() for page in reader.pages])

    # 余分な空白を削除
    text = re.sub(r'\s+', ' ', text) 

    # ページ番号を削除
    text = re.sub(r'\n\s*\d+\s*\n', '\n', text) 

    return text


# GitHubリポジトリから完全なURLを作成
url = "https://raw.githubusercontent.com/anthropics/anthropic-cookbook/main/skills/summarization/data/Sample Sublease Agreement.pdf"
url = url.replace(" ", "%20")

# PDFファイルをメモリにダウンロード
response = requests.get(url)

# メモリからPDFを読み込み
pdf_file = BytesIO(response.content)

document_text = get_llm_text(pdf_file) 
print(document_text[:50000]) 

import anthropic

# Anthropicクライアントを初期化
client = anthropic.Anthropic()

def summarize_document(text, details_to_extract, model="claude-sonnet-4-5", max_tokens=1000):

    # 抽出する詳細をプロンプトのコンテキスト内に配置するためにフォーマット
    details_to_extract_str = '\n'.join(details_to_extract)
    
    # モデルに転貸契約を要約するようプロンプト
    prompt = f"""以下の転貸契約を要約してください。これらの重要な側面に焦点を当ててください：

    {details_to_extract_str}

    各セクションのXMLヘッダー内にネストされた箇条書きで要約を提供してください。例：

    <関係者>
    - 転貸人：[名前]
    // 必要に応じてさらに詳細を追加
    </関係者>
    
    文書に明示的に記載されていない情報がある場合は、「記載なし」と記載してください。前置きは不要です。

    転貸契約テキスト：
    {text}
    """

    response = client.messages.create(
        model=model,
        max_tokens=max_tokens,
        system="あなたは不動産法を専門とする法務アナリストで、転貸契約の高精度で詳細な要約で知られています。",
        messages=[
            {"role": "user", "content": prompt},
            {"role": "assistant", "content": "転貸契約の要約は以下の通りです：<summary>"}
        ],
        stop_sequences=["</summary>"]
    )

    return response.content[0].text

sublease_summary = summarize_document(document_text, details_to_extract)
print(sublease_summary)

import anthropic

# Anthropicクライアントを初期化
client = anthropic.Anthropic()

def chunk_text(text, chunk_size=20000):
    return [text[i:i+chunk_size] for i in range(0, len(text), chunk_size)]

def summarize_long_document(text, details_to_extract, model="claude-sonnet-4-5", max_tokens=1000):

    # 抽出する詳細をプロンプトのコンテキスト内に配置するためにフォーマット
    details_to_extract_str = '\n'.join(details_to_extract)

    # チャンクを反復処理し、それぞれを要約
    chunk_summaries = [summarize_document(chunk, details_to_extract, model=model, max_tokens=max_tokens) for chunk in chunk_text(text)]
    
    final_summary_prompt = f"""
    
    あなたは、すべて関連する複数の文書のチャンク化された要約を見ています。
    異なる信頼できるソースからの文書の以下の要約を、一貫した全体的な要約に結合してください：

    <chunked_summaries>
    {"".join(chunk_summaries)}
    </chunked_summaries>

    これらの重要な側面に焦点を当ててください：
    {details_to_extract_str})

    各セクションのXMLヘッダー内にネストされた箇条書きで要約を提供してください。例：

    <関係者>
    - 転貸人：[名前]
    // 必要に応じてさらに詳細を追加
    </関係者>
    
    文書に明示的に記載されていない情報がある場合は、「記載なし」と記載してください。前置きは不要です。
    """

    response = client.messages.create(
        model=model,
        max_tokens=max_tokens,
        system="あなたは一つの文書に関するメモを要約する法務専門家です。",
        messages=[
            {"role": "user",  "content": final_summary_prompt},
            {"role": "assistant", "content": "転貸契約の要約は以下の通りです：<summary>"}

        ],
        stop_sequences=["</summary>"]
    )
    
    return response.content[0].text

long_summary = summarize_long_document(document_text, details_to_extract)
print(long_summary)