miso-belica/sumy

解决的问题

提供一种从 HTML 页面或纯文本文档中自动提取摘要的方法，支持多种语言，并提供工具来评估这些摘要的质量。

工作原理

该库使用多种摘要方法（如 LexRank、LSA、Luhn 和 Edmundson）处理从 URL 或文件解析出的文本。它利用分词器和词干提取器来处理不同自然语言，既可作为命令行工具使用，也可作为 Python API 使用。

适用人群

需要将文本摘要功能集成到其应用程序中的开发者，或希望快速使用命令行工具压缩长文档的用户。

主要亮点

• 支持多语言，并提供简单路径以添加新语言。
• 支持 HTML 和纯文本输入。
• 内置评估框架，用于测试摘要质量。
• 可作为 Python 库、CLI 工具和 Docker 容器使用。