Text Summarizer 是一个抽取式文本摘要工具，作用是从较长的文本文档中识别并抽取最重要的句子，在保留原意的前提下生成简洁摘要。它不会改写或生成新的句子，仅从原文中选句。
主要能力包括：
- 抽取式摘要：从原文中选取关键句子组成摘要。
- 长度控制：可按比例（ratio）、句子数量（num_sentences）或最大词数（max_words）来控制摘要长度。
- 多种算法：支持 TextRank、LSA 和基于词频（frequency）三种算法。
- 要点提取：可提取要点式的条目摘要（extract_key_points）。
- 批量处理：支持对多个文本或某个目录下的多个文件进行批量摘要。
- 结构保留：可选择保留原句顺序（preserve_order），并可选择包含标题或首句（include_first）。
- 最小句子长度过滤：可通过 min_sentence_length 设置过滤过短的句子。
使用方式： 可通过 Python 模块导入使用，也可通过命令行调用。
Python 快速开始示例： from scripts.text_summarizer import TextSummarizer
summarizer = TextSummarizer() summary = summarizer.summarize(long_text, ratio=0.2) # 20% of original print(summary)
summary = summarizer.summarize_file("article.txt", num_sentences=5)
初始化时可指定算法和语言： summarizer = TextSummarizer( method="textrank", # textrank, lsa, frequency language="english" )
按不同方式摘要： summary = summarizer.summarize(text, ratio=0.2) summary = summarizer.summarize(text, num_sentences=5) summary = summarizer.summarize(text, max_words=100)
提取要点： points = summarizer.extract_key_points(text, num_points=5) for point in points: print(f"• {point}")
批量处理： texts = [text1, text2, text3] summaries = summarizer.summarize_batch(texts, ratio=0.2)
summaries = summarizer.summarize_directory("./articles/", ratio=0.3)
选项示例： summary = summarizer.summarize(text, preserve_order=True) summary = summarizer.summarize(text, include_first=True) summarizer.min_sentence_length = 10
命令行用法示例： python text_summarizer.py --input article.txt --ratio 0.2 python text_summarizer.py --input article.txt --sentences 5 python text_summarizer.py --input article.txt --points 5 python text_summarizer.py --input-dir ./docs --output-dir ./summaries --ratio 0.3 python text_summarizer.py --input article.txt --output summary.txt --ratio 0.2
命令行参数包括：--input（输入文件路径，必填）、--output（输出文件路径，默认 stdout）、--input-dir（文件目录）、--output-dir（输出目录）、--ratio（摘要比例，0.0-1.0，默认 0.2）、--sentences（句子数量）、--words（最大词数）、--points（提取 N 个要点）、--method（所用算法，默认 textrank）、--preserve-order（保持句子顺序，默认 False）。
适用场景包括：新闻文章摘要、研究论文摘要、会议记录摘要以及批量文档摘要。示例中展示了提取三句摘要、生成要点、生成摘要长度的论文摘要，以及对会议记录提取行动项等用法。
算法对比（资料提供）：
- TextRank：速度中等，质量高，适合通用文本。
- LSA：速度快，质量良好，适合技术文档。
- Frequency：速度快，质量中等，适合快速摘要。
依赖项： nltk>=3.8.0 numpy>=1.24.0 scikit-learn>=1.2.0
限制（资料提供）：
- 仅为抽取式（不会改写或生成新文本）。
- 对结构良好的文本（有段落、句子清晰）效果最佳。
- 极短文本可能不适合摘要。
- 不能深度理解上下文，可能遗漏细微含义。