日本語テキスト抽出

LangExtractは日本語、中国語、韓国語を含む非英語言語でシームレスに動作します。

考慮事項

• トークン化: LangExtractはマルチバイト文字を自動的に処理します。
• プロンプト: 最良の結果を得るには、ソーステキストと同じ言語でプロンプトを使用してください。

コード例

import langextract as lx

# 1. 日本語入力テキスト
input_text = """
東京都は、日本の首都であり、人口は約1400万人です。
知事は小池百合子氏です。
"""

# 2. 日本語プロンプト
prompt_description = """
以下の情報を抽出してください：
- 都市名 (City name)
- 人口 (Population)
- 知事 (Governor)

テキストから正確に抽出し、言い換えは行わないでください。
"""

# 3. 例データを定義
examples = [
    lx.data.ExampleData(
        text="大阪府は人口約880万人で、知事は吉村洋文氏です。",
        extractions=[
            lx.data.Extraction(extraction_class="city", extraction_text="大阪府"),
            lx.data.Extraction(extraction_class="population", extraction_text="約880万人"),
            lx.data.Extraction(extraction_class="governor", extraction_text="吉村洋文")
        ]
    )
]

# 4. 抽出を実行
result = lx.extract(
    text_or_documents=input_text,
    prompt_description=prompt_description,
    examples=examples,
    model_id="gemini-2.5-flash",
)

# 5. 結果を表示
print("抽出されたエンティティ:")
for entity in result.extractions:
    print(f"• {entity.extraction_class}: {entity.extraction_text}")

期待される出力

抽出されたエンティティ:
• city: 東京都
• population: 約1400万人
• governor: 小池百合子