Riassunto legale

details_to_extract = [
    'Parti coinvolte (sublocatore, subconduttore e locatore originale)',
    'Dettagli della proprietà (indirizzo, descrizione e uso consentito)', 
    'Durata e canone (data di inizio, data di fine, canone mensile e deposito cauzionale)',
    'Responsabilità (utenze, manutenzione e riparazioni)',
    'Consenso e notifiche (consenso del proprietario e requisiti di notifica)',
    'Disposizioni speciali (mobili, parcheggio e restrizioni alla sublocazione)'
]

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])

    # Rimuovi spazi bianchi extra
    text = re.sub(r'\s+', ' ', text) 

    # Rimuovi numeri di pagina
    text = re.sub(r'\n\s*\d+\s*\n', '\n', text) 

    return text


# Crea l'URL completo dal repository GitHub
url = "https://raw.githubusercontent.com/anthropics/anthropic-cookbook/main/skills/summarization/data/Sample Sublease Agreement.pdf"
url = url.replace(" ", "%20")

# Scarica il file PDF in memoria
response = requests.get(url)

# Carica il PDF dalla memoria
pdf_file = BytesIO(response.content)

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

import anthropic

# Inizializza il client Anthropic
client = anthropic.Anthropic()

def summarize_document(text, details_to_extract, model="claude-opus-4-20250514", max_tokens=1000):

    # Formatta i dettagli da estrarre da inserire nel contesto del prompt
    details_to_extract_str = '\n'.join(details_to_extract)
    
    # Richiedi al modello di riassumere il contratto di sublocazione
    prompt = f"""Riassumi il seguente contratto di sublocazione. Concentrati su questi aspetti chiave:

    {details_to_extract_str}

    Fornisci il riassunto in punti elenco annidati all'interno dell'intestazione XML per ogni sezione. Per esempio:

    <parti coinvolte>
    - Sublocatore: [Nome]
    // Aggiungi più dettagli se necessario
    </parti coinvolte>
    
    Se alcune informazioni non sono esplicitamente indicate nel documento, annotale come "Non specificato". Non fare preamboli.

    Testo del contratto di sublocazione:
    {text}
    """

    response = client.messages.create(
        model=model,
        max_tokens=max_tokens,
        system="Sei un analista legale specializzato in diritto immobiliare, noto per riassunti altamente accurati e dettagliati di contratti di sublocazione.",
        messages=[
            {"role": "user", "content": prompt},
            {"role": "assistant", "content": "Ecco il riassunto del contratto di sublocazione: <summary>"}
        ],
        stop_sequences=["</summary>"]
    )

    return response.content[0].text

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

import anthropic

# Inizializza il client Anthropic
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-opus-4-20250514", max_tokens=1000):

    # Formatta i dettagli da estrarre da inserire nel contesto del prompt
    details_to_extract_str = '\n'.join(details_to_extract)

    # Itera sui chunk e riassumi ciascuno
    chunk_summaries = [summarize_document(chunk, details_to_extract, model=model, max_tokens=max_tokens) for chunk in chunk_text(text)]
    
    final_summary_prompt = f"""
    
    Stai esaminando i riassunti suddivisi in chunk di più documenti che sono tutti correlati. 
    Combina i seguenti riassunti del documento da diverse fonti veritiere in un riassunto complessivo coerente:

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

    Concentrati su questi aspetti chiave:
    {details_to_extract_str})

    Fornisci il riassunto in punti elenco annidati all'interno dell'intestazione XML per ogni sezione. Per esempio:

    <parti coinvolte>
    - Sublocatore: [Nome]
    // Aggiungi più dettagli se necessario
    </parti coinvolte>
    
    Se alcune informazioni non sono esplicitamente indicate nel documento, annotale come "Non specificato". Non fare preamboli.
    """

    response = client.messages.create(
        model=model,
        max_tokens=max_tokens,
        system="Sei un esperto legale che riassume note su un documento.",
        messages=[
            {"role": "user",  "content": final_summary_prompt},
            {"role": "assistant", "content": "Ecco il riassunto del contratto di sublocazione: <summary>"}

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

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