PythonでPDFを要約する — PDF要約APIチュートリアル

前提条件

• Python 3.8以上と requests ライブラリ（pip install requests）。
• APIキー: 無料アカウントを作成し、ダッシュボードからキーをコピーします。コードに直接記述せず、環境変数に保存してください：

export PDF_SUMMARIZE_KEY="sk_live_..."

Pythonでの初めてのPDF要約

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("ページ数:", result["page_count"], "| キーワード:", result.get("keywords"))

レスポンス

{
  "success": true,
  "summary": "- 売上高は6%増の...",
  "keywords": "revenue, margin, guidance, ...",
  "page_count": 48,
  "original_length": 182340,
  "summary_length": 1210,
  "processing_time": 6.214,
  "requests_remaining": 4987
}

requests_remaining は、その月の残りの利用枠です（-1 は無制限を意味します）。

要約のストリーミング

長文の文書やインタラクティブなアプリでは、要約が生成されるにつれてストリーミング形式で受信します：

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")

PDFフォルダの一括処理

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                      # 中断からの再開に対応
    for attempt in range(3):
        try:
            data = summarize_pdf(str(pdf), length="long", fmt="mixed")
            target.write_text(data["summary"], encoding="utf-8")
            print("成功", pdf.name, data["page_count"], "ページ")
            break
        except RuntimeError as e:
            if str(e).startswith("429"):
                time.sleep(30 * (attempt + 1))   # レート制限: バックオフ（待機）
            else:
                print("失敗", pdf.name, e)
                break

エラーハンドリング

ヒント

• 長いPDFの場合は、タイムアウト時間を余裕を持たせて（2〜3分に）設定してください。
• 同じ文書に対して二重に料金が発生しないよう、ファイルハッシュによる結果のキャッシュを実装してください。
• キーはサーバー側で厳重に管理し、フロントエンドやモバイルアプリに同梱しないでください。
• パラメータの完全なリファレンスについては、APIドキュメントを参照してください。

よくある質問