Herramienta offline en Python para extraer texto y generar resúmenes sin IA generativa ni APIs externas. Usa técnicas clásicas de procesamiento de texto: TF-IDF, TextRank, MMR, extracción de palabras clave, heurísticas por secciones y análisis léxico de tono.

• Word OpenXML: .docx, .docm, .dotx
• Word legado: .doc, .dot usando LibreOffice o antiword si están instalados
• Texto: .txt, .md, .rtf, .html, .htm
• Lectura: .pdf, .epub

python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate

pip install -r requirements.txt

OCR de PDF escaneado: - Instala Tesseract OCR.

• Instala Poppler para que pdf2image pueda convertir páginas PDF a imágenes.

Word .doc / .dot legado:

• Recomendado: instala LibreOffice y asegúrate de que el comando soffice o libreoffice esté en el PATH.
• Alternativa Linux/macOS: antiword.

python resumidor_pro.py

El menú permite elegir archivo(s), modo de resumen, OCR opcional, formato de salida y carpeta destino.

Resumen por tiempo disponible:

python resumidor_pro.py documento.pdf --mode time --minutes 5 --ocr --format md

Resumen por cantidad de palabras:

python resumidor_pro.py informe.docx --mode words --words 450

Resumen para principiante:

python resumidor_pro.py informe.pdf --mode persona --persona principiante --words 400

Resumen por ángulo de interés:

python resumidor_pro.py contrato.pdf --mode query --query "cláusulas de rescisión y multas" --words 500

Comparativo de varios archivos:

python resumidor_pro.py fuente1.pdf fuente2.epub fuente3.docx --mode comparative --words 800

Informe completo:

python resumidor_pro.py documento.md --mode full --format html

• time: ajusta extensión por minutos y palabras por minuto.
• words: resumen por cantidad objetivo de palabras.
• persona: adapta selección y estructura para principiante, neutral o experto.
• hierarchical: titular, 3 puntos clave, resumen ejecutivo y resumen por secciones.
• query: enfoque por tema, cláusula, pregunta o ángulo de interés.
• comparative: síntesis comparativa de varios documentos, puntos comunes, aportes únicos y posibles contradicciones.
• sentiment: tono y sentimiento con léxico local.
• faq: preguntas frecuentes generadas desde palabras clave.
• simple: explicación simple basada en frases claras del documento.
• concept: mapa conceptual Mermaid y tabla de términos.
• full: informe con varios módulos combinados.

Este proyecto no usa IA generativa. Por eso no "entiende" como un LLM ni redacta paráfrasis profundas. En su lugar, selecciona, ordena y estructura las mejores frases del documento. Las contradicciones, el tono y las palabras clave son heurísticas: útiles para exploración, no una verificación jurídica, científica o contable definitiva.