Gemini API で PDF を解析・要約する — Python で始めるドキュメント AI

pip install google-genai

import os
from google import genai
 
# 環境変数から API キーを読み込む（推奨）
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 確認
print("Gemini API クライアントの初期化に成功しました")

export GEMINI_API_KEY="YOUR_API_KEY"

import os
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# PDF ファイルをアップロード
pdf_file = client.files.upload(
    file="report.pdf",  # ローカルのPDFファイルパス
    config={"display_name": "分析対象レポート"}
)
 
print(f"アップロード完了: {pdf_file.name}")
print(f"URI: {pdf_file.uri}")
print(f"状態: {pdf_file.state}")
 
# 期待する出力:
# アップロード完了: files/xxxxxxxxxxxx
# URI: https://generativelanguage.googleapis.com/v1beta/files/xxxxxxxxxxxx
# 状態: State.ACTIVE

import os
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# PDF をアップロード
pdf_file = client.files.upload(file="report.pdf")
 
# 要約を生成
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        pdf_file,  # アップロード済みの PDF
        "この PDF の内容を以下の形式で要約してください:\n"
        "1. 概要（3行以内）\n"
        "2. 主要なポイント（箇条書き5つ以内）\n"
        "3. 結論\n"
        "日本語で回答してください。"
    ]
)
 
print(response.text)
 
# 期待する出力（例）:
# ## 概要
# 本レポートは2026年度のAI市場動向を分析し...
#
# ## 主要なポイント
# - 生成AI市場は前年比45%の成長...
# - マルチモーダルAIの採用が急速に拡大...
# ...

import os
import json
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
pdf_file = client.files.upload(file="invoice.pdf")
 
# 構造化データとして抽出
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        pdf_file,
        "この請求書から以下の情報を JSON 形式で抽出してください:\n"
        "- company_name: 発行元の会社名\n"
        "- invoice_number: 請求書番号\n"
        "- date: 発行日\n"
        "- total_amount: 合計金額\n"
        "- items: 明細（品名、数量、単価、小計の配列）\n"
        "JSON のみを返してください。"
    ],
    config={
        "response_mime_type": "application/json"
    }
)
 
# JSON としてパース
data = json.loads(response.text)
print(json.dumps(data, ensure_ascii=False, indent=2))
 
# 期待する出力:
# {
#   "company_name": "株式会社サンプル",
#   "invoice_number": "INV-2026-0342",
#   "date": "2026-03-15",
#   "total_amount": "¥158,400",
#   "items": [
#     {
#       "name": "コンサルティング費用",
#       "quantity": 1,
#       "unit_price": "¥120,000",
#       "subtotal": "¥120,000"
#     }
#   ]
# }

import os
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
pdf_file = client.files.upload(file="user_manual.pdf")
 
# 質問を投げる
questions = [
    "このマニュアルに記載されている対応OSは何ですか？",
    "初期設定の手順を簡潔に教えてください。",
    "トラブルシューティングで最も多い問題は何ですか？"
]
 
for q in questions:
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=[pdf_file, q]
    )
    print(f"Q: {q}")
    print(f"A: {response.text}\n")
 
# 期待する出力:
# Q: このマニュアルに記載されている対応OSは何ですか？
# A: 本マニュアルに記載されている対応OSは、Windows 11、macOS 14以降、
#    Ubuntu 22.04 LTS です。
#
# Q: 初期設定の手順を簡潔に教えてください。
# A: 1. アプリケーションをダウンロード...

import os
import glob
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# フォルダ内の PDF を一括アップロード
pdf_dir = "./documents/"
pdf_paths = glob.glob(os.path.join(pdf_dir, "*.pdf"))
 
results = []
 
for path in pdf_paths:
    filename = os.path.basename(path)
    print(f"処理中: {filename}")
 
    # アップロード
    pdf_file = client.files.upload(file=path)
 
    # 要約を生成
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=[
            pdf_file,
            "この PDF の内容を100文字以内で要約してください。日本語で回答してください。"
        ]
    )
 
    results.append({
        "filename": filename,
        "summary": response.text
    })
    print(f"  → {response.text[:80]}...\n")
 
# 結果を表示
print("=" * 60)
print(f"合計 {len(results)} 件の PDF を処理しました")
for r in results:
    print(f"\n📄 {r['filename']}")
    print(f"   {r['summary']}")