最近在做数据处理项目，从一堆非结构化文本里提取信息真的很烦。手动写正则表达式吧，情况一多就乱套了，用各种NLP库又得调参调半天。 后来发现Google开源了个叫LangExtract的工具。这是一个Python库，专门用大模型来做信息提取，核心特点是每条提取的信息都能对应到原文的具体位置，还能生成一个交互式的HTML文件把结果可视化出来，查看起来很方便。 用起来还算顺手。你只需要写清楚要提取什么，再给几个例子就行了。比如从病历里提取用药信息，或者从合同里提取关键条款，它都能处理。支持Gemini、OpenAI这些云端模型，也支持Ollama跑本地模型。对于长文档，它会自动分块并行处理，还能做多轮提取来提高召回率。 安装使用就是pip install langextract，然后写几行Python代码调用extract函数就行。我大概花了一下午就跑通了一个完整的提取流程，生成的可视化HTML可以直接在浏览器里看提取结果。 适合做文本分析、数据清洗、知识库整理这些场景。如果你经常需要从各种文档里提取结构化信息，这个工具确实能省不少事。 用了一段时间，感觉这个工具最大的优势是定位准确，每条提取都能追溯到原文，这点在需要验证的场景下很实用。大家平时处理文本提取都用什么方案？有没有其他好用的工具推荐？ #Python #数据处理 #大模型 #文本提取 #开发工具