Résumer des PDF avec Python — Tutoriel API de résumé de PDF

Prérequis

• Python 3.8+ et la bibliothèque requests (pip install requests).
• Une clé API : créez un compte gratuit et copiez votre clé depuis le tableau de bord. Stockez-la dans une variable d'environnement plutôt que directement dans le code :

export PDF_SUMMARIZE_KEY="sk_live_..."

Votre premier résumé de PDF en Python

import os
import requests

API_URL = "https://pdf-summarize.com/api/summarize.php"
API_KEY = os.environ["PDF_SUMMARIZE_KEY"]

def summarize_pdf(path, length="medium", fmt="bullets", lang="auto"):
    with open(path, "rb") as f:
        resp = requests.post(
            API_URL,
            headers={"Authorization": f"Bearer {API_KEY}"},
            files={"file": (os.path.basename(path), f, "application/pdf")},
            data={"length": length, "format": fmt, "outputLang": lang, "includeKeywords": "1"},
            timeout=180,
        )
    data = resp.json()
    if resp.status_code != 200 or not data.get("success"):
        raise RuntimeError(f"{resp.status_code}: {data.get('error', data)}")
    return data

result = summarize_pdf("annual-report.pdf")
print(result["summary"])
print("Pages :", result["page_count"], "| Mots-clés :", result.get("keywords"))

La réponse

{
  "success": true,
  "summary": "- Le chiffre d'affaires a progressé de 6 % pour atteindre...",
  "keywords": "chiffre d'affaires, marge, prévisions, ...",
  "page_count": 48,
  "original_length": 182340,
  "summary_length": 1210,
  "processing_time": 6.214,
  "requests_remaining": 4987
}

requests_remaining correspond à votre quota mensuel restant (-1 indique un nombre illimité).

Diffuser le résumé en continu (streaming)

Pour les documents longs ou les applications interactives, streamez le résumé au fur et à mesure de sa génération :

import json

def stream_summary(path):
    with open(path, "rb") as f:
        with requests.post(
            API_URL + "?stream=1",
            headers={"Authorization": f"Bearer {API_KEY}"},
            files={"file": (os.path.basename(path), f, "application/pdf")},
            data={"length": "long", "format": "mixed"},
            stream=True, timeout=300,
        ) as resp:
            resp.raise_for_status()
            for line in resp.iter_lines(decode_unicode=True):
                if not line or not line.startswith("data: "):
                    continue
                payload = line[6:]
                if payload == "[DONE]":
                    break
                event = json.loads(payload)
                if "error" in event:
                    raise RuntimeError(event["error"])
                if event.get("type") == "summary":
                    print(event["content"], end="", flush=True)

stream_summary("research-paper.pdf")

Traiter un dossier de PDF

import pathlib, time

out_dir = pathlib.Path("summaries")
out_dir.mkdir(exist_ok=True)

for pdf in sorted(pathlib.Path("pdfs").glob("*.pdf")):
    target = out_dir / (pdf.stem + ".md")
    if target.exists():
        continue                      # Reprise possible (resume-friendly)
    for attempt in range(3):
        try:
            data = summarize_pdf(str(pdf), length="long", fmt="mixed")
            target.write_text(data["summary"], encoding="utf-8")
            print("ok", pdf.name, data["page_count"], "pages")
            break
        except RuntimeError as e:
            if str(e).startswith("429"):
                time.sleep(30 * (attempt + 1))   # Limite de taux : attente exponentielle
            else:
                print("échec", pdf.name, e)
                break

Erreurs à gérer

Astuces

• Définissez des délais d'attente (timeouts) généreux (2 à 3 minutes) pour les PDF longs.
• Mettez en cache les résultats en fonction du hachage du fichier pour éviter de payer deux fois pour le même document.
• Gardez les clés côté serveur — ne les incluez jamais dans une application front-end ou mobile.
• Référence complète des paramètres : la documentation de l'API.

Questions fréquentes