Resumidor de Texto
Resuma textos longos extraindo as frases mais importantes.
Sobre esta ferramenta
Um resumidor de texto ajuda você a extrair rapidamente as informações mais importantes de documentos longos, artigos ou relatórios ao identificar e preservar as frases-chave. Esta ferramenta é essencial para qualquer pessoa que lida com grandes volumes de texto—seja você um estudante revisando trabalhos de pesquisa, um profissional gerenciando múltiplos documentos, ou alguém tentando se manter informado sem gastar horas lendo.
Simplesmente cole ou digite seu texto no campo de entrada, ajuste o comprimento do resumo conforme suas necessidades, e a ferramenta identificará inteligentemente as frases mais significativas e as apresentará em um formato condensado. Funciona instantaneamente no seu navegador sem exigir nenhuma conta ou envio de arquivos para servidores externos, tornando-a uma solução rápida e privada para a redução de texto do dia a dia.
O resumidor funciona melhor com conteúdo formal e bem estruturado, como artigos de notícias, trabalhos acadêmicos e documentos comerciais onde as informações importantes são claramente expressas. Para escrita criativa ou conteúdo altamente técnico com vocabulário especializado, os resultados podem variar, portanto sempre vale a pena comparar o resumo com o original para garantir que nenhum detalhe crítico foi perdido.
Perguntas Frequentes
Implementação de Código
# Extractive text summarization (TF-based)
import re
from collections import Counter
STOP_WORDS = {
"the", "a", "an", "and", "or", "but", "in", "on", "at", "to", "for",
"of", "with", "by", "from", "is", "was", "are", "were", "be", "been",
"has", "have", "had", "do", "does", "did", "will", "would", "could",
"should", "that", "this", "it", "its", "he", "she", "they", "we", "you",
"i", "not", "no", "as", "if", "so", "than", "then", "more", "most",
}
def tokenize_sentences(text: str) -> list[str]:
sentences = re.split(r'(?<=[.!?])\s+', text.strip())
return [s.strip() for s in sentences if len(s.strip()) > 10]
def word_frequency(sentences: list[str]) -> dict[str, int]:
words = re.findall(r"[a-z']+", " ".join(sentences).lower())
return Counter(w for w in words if w not in STOP_WORDS and len(w) > 2)
def score_sentences(sentences: list[str], freq: dict[str, int]) -> list[float]:
scores = []
n = len(sentences)
for i, sentence in enumerate(sentences):
words = re.findall(r"[a-z']+", sentence.lower())
score = sum(freq.get(w, 0) for w in words)
if words:
score /= len(words) # normalize by length
# Position weight
rel_pos = i / max(n - 1, 1)
if rel_pos <= 0.2:
score *= 1.4
elif rel_pos >= 0.8:
score *= 1.2
scores.append(score)
return scores
def summarize(text: str, num_sentences: int = 3) -> str:
sentences = tokenize_sentences(text)
if len(sentences) <= num_sentences:
return text
freq = word_frequency(sentences)
scores = score_sentences(sentences, freq)
# Get top-N sentence indices, sort by original position
ranked = sorted(range(len(scores)), key=lambda i: -scores[i])[:num_sentences]
selected = sorted(ranked)
return " ".join(sentences[i] for i in selected)
# Example
text = """...""" # Your long text here
print(summarize(text, num_sentences=3))Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.