徒労

ふくらみつつあるブロッコリー

今日は、PythonのPyMuPDFというライブラリを利用し、PDFファイルからテキストを抽出していた。
コマンド操作の基本が分かっていないから、ファイル操作、変数の扱いを間違えたりとうまくない。エラー続発。

エラーをかき分けて、やっとテキストを抽出したら、pdftotextでフォルダーごと一括テキスト化したもののように誤変換が多く、使えるものではなかった。縦書きを横書きに抽出するのは難しい。

ChatGPTでは、扱える文字数が上限5000文字程度だと思うが、OpenAIのAPIを使うと1万文字ぐらいは、一度に入力、要約をさせることができる。ただ、専門書レベルのものが、ひどく抽象的に要約されてしまう。これも使いものになりそうにない。概要を掴むにはいいが、コアのところはうまく抽出、表現できないようだ。

さて、どうしたものか。あたりまえと思うが、コアの構成は自分の頭で考えろということか。

まっ、抽象度が下がるように、大事を自分で考えて、具体に落としてしていくしかないか。

ここでまた、キーワードを抽出して、キーワードマップなんか自動化して作らせると、「なんじゃこれ!?」を出力するんだろな。

でも、なにかのヒントになるかも？ やってみようか。

知らんけど。

まあ、それでも、作業の合間に1万歩いったのは徒労ではなかった。確かに歩いたから。