miso-belica/sumy

解決的問題

提供一種自動從 HTML 頁面或純文字文件中提取摘要的方法，支援多種語言，並提供工具來評估這些摘要的品質。

工作原理

該程式庫使用多種摘要方法（如 LexRank、LSA、Luhn 和 Edmundson）處理從 URL 或檔案解析出的文字。它利用分詞器和詞幹提取器來處理不同自然語言，既可作為命令列工具使用，也可作為 Python API 使用。

適用對象

需要將文字摘要功能整合到其應用程式中的開發者，或希望快速使用命令列工具壓縮長文件的使用者。

主要亮點

• 支援多語言，並提供簡單途徑以新增語言。
• 支援 HTML 與純文字輸入。
• 內建評估框架，用於測試摘要品質。
• 可作為 Python 套件、CLI 工具和 Docker 容器使用。