法的文書の要約

details_to_extract = [
    '関係者（転貸人、転借人、および原賃貸人）',
    '物件の詳細（住所、説明、および許可された使用目的）', 
    '期間と家賃（開始日、終了日、月額家賃、および敷金）',
    '責任（光熱費、メンテナンス、および修理）',
    '同意と通知（家主の同意、および通知要件）',
    '特別条項（家具、駐車場、および転貸制限）'
]

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リポジトリからの完全な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を読み込む
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-opus-4-20250514", 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)
    
    # モデルに転貸借契約を要約するようプロンプト
    prompt = f"""以下の転貸借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ヘッダー内に箇条書きで要約を提供してください。例えば：

    <parties involved>
    - Sublessor: [Name]
    // 必要に応じて詳細を追加
    </parties involved>
    
    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」と記してください。前置きは不要です。

    転貸借契約のテキスト：
    {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律アナリストで、転貸借契約の非常に正確で詳細な要約で知られています。",
        messages=[
            {"role": "user", "content": prompt},
            {"role": "assistant", "content": "転貸借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-opus-4-20250514", 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
    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要約を見ています。
    異なる信頼できる情報源からの文書の以下の要約を、一貫性のある全体的な要約に統合してください：

    <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ヘッダー内に箇条書きで要約を提供してください。例えば：

    <parties involved>
    - Sublessor: [Name]
    // 必要に応じて詳細を追加
    </parties involved>
    
    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1つの文書に関するメモを要約する法律の専門家です。",
        messages=[
            {"role": "user",  "content": final_summary_prompt},
            {"role": "assistant", "content": "転貸借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)