法律文件摘要

details_to_extract = [
    '相關方（轉租人、承租人和原出租人）',
    '物業詳情（地址、描述和允許用途）', 
    '期限和租金（開始日期、結束日期、月租金和保證金）',
    '責任（公用事業、維護和修理）',
    '同意和通知（房東同意和通知要求）',
    '特殊條款（家具、停車和轉租限制）'
]

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])

    # 移除多餘的空白
    text = re.sub(r'\s+', ' ', text) 

    # 移除頁碼
    text = re.sub(r'\n\s*\d+\s*\n', '\n', text) 

    return text


# 從GitHub存儲庫創建完整URL
url = "https://raw.githubusercontent.com/anthropics/anthropic-cookbook/main/skills/summarization/data/Sample Sublease Agreement.pdf"
url = url.replace(" ", "%20")

# 將PDF文件下載到內存中
response = requests.get(url)

# 從內存加載PDF
pdf_file = BytesIO(response.content)

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

import anthropic

# 初始化Anthropic客戶端
client = anthropic.Anthropic()

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

    # 格式化要提取的詳細信息，以便放置在提示的上下文中
    details_to_extract_str = '\n'.join(details_to_extract)
    
    # 提示模型摘要轉租協議
    prompt = f"""摘要以下轉租協議。專注於這些關鍵方面：

    {details_to_extract_str}

    以項目符號形式提供摘要，嵌套在每個部分的XML標頭內。例如：

    <相關方>
    - 轉租人：[姓名]
    // 根據需要添加更多詳細信息
    </相關方>
    
    如果文件中未明確說明任何信息，請注明為"未指定"。不要前言。

    轉租協議文本：
    {text}
    """

    response = client.messages.create(
        model=model,
        max_tokens=max_tokens,
        system="您是一位專精於房地產法的法律分析師，以高度準確和詳細的轉租協議摘要而聞名。",
        messages=[
            {"role": "user", "content": prompt},
            {"role": "assistant", "content": "以下是轉租協議的摘要：<summary>"}
        ],
        stop_sequences=["</summary>"]
    )

    return response.content[0].text

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

import anthropic

# 初始化Anthropic客戶端
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):

    # 格式化要提取的詳細信息，以便放置在提示的上下文中
    details_to_extract_str = '\n'.join(details_to_extract)

    # 迭代塊並摘要每一個
    chunk_summaries = [summarize_document(chunk, details_to_extract, model=model, max_tokens=max_tokens) for chunk in chunk_text(text)]
    
    final_summary_prompt = f"""
    
    您正在查看來自不同真實來源的相關文件的分塊摘要。
    將以下文件的摘要合併成一個連貫的整體摘要：

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

    專注於這些關鍵方面：
    {details_to_extract_str})

    以項目符號形式提供摘要，嵌套在每個部分的XML標頭內。例如：

    <相關方>
    - 轉租人：[姓名]
    // 根據需要添加更多詳細信息
    </相關方>
    
    如果文件中未明確說明任何信息，請注明為"未指定"。不要前言。
    """

    response = client.messages.create(
        model=model,
        max_tokens=max_tokens,
        system="您是一位摘要一份文件筆記的法律專家。",
        messages=[
            {"role": "user",  "content": final_summary_prompt},
            {"role": "assistant", "content": "以下是轉租協議的摘要：<summary>"}

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

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