langextract

从杂乱文本中精准抽取结构化数据，并可视化追溯来源

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 2750 🐛 待处理 119 👀 关注 166

GitHub ↗

GitHub 星标 ★ 39285

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源Python库，Apache-2.0许可证，完全免费，可自行部署使用。

项目预览

langextract 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队google

GitHubhttps://github.com/google/langextract

定价模式🏷️完全免费

价格说明开源Python库，Apache-2.0许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型gemini,gemini-ai,gemini-api,gemini-flash,gemini-pro,information-extration,large-language-models,llm,nlp,python,structured-data

GitHub 星标★ 39285

上线时间2025-07-08 00:00:00

代码更新2026-11-07

仓库体积12.9 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数4

项目介绍

langextract 是一个 Python 库，旨在利用大型语言模型从非结构化文本中提取结构化信息，并具备精确的源定位和交互式可视化能力。它解决了传统文本提取方法中信息定位不准确、结果难以验证和解释的问题。核心能力包括：基于 LLM 的智能抽取，支持自定义抽取模式；提供源文本与抽取结果的精确映射，确保可追溯性；内置交互式可视化界面，便于用户审查和调整提取结果。该库设计简洁，易于集成到现有数据处理流程中，适用于文档解析、知识图谱构建、数据清洗等多种场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 39285

技术标签

gemini gemini-ai gemini-api gemini-pro large-language-models

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 7 步

环境要求

Python 环境（README 的 CI 覆盖 Python 3.10 和 3.11）
使用 Gemini 等云端模型时需要一个 API Key
可选：本机已安装并运行 Ollama 以使用本地模型（如 gemma2:2b）
可选：使用 Docker 方式时需要 Docker

安装与启动步骤

1获取项目源码

从 GitHub 克隆仓库并进入项目目录，后续安装命令需在仓库根目录执行。
```
git clone https://github.com/google/langextract.git
cd langextract
```
2安装库

在仓库根目录执行可编辑安装，README 给出的基础安装方式即为此命令。
```
pip install -e .
```
3安装测试依赖（可选）

需要跑测试时再安装 test 附加依赖，普通使用可跳过这一步。
```
pip install -e ".[test]"
```
4配置 API Key

使用 Gemini 等云端模型必须设置 API Key，环境变量名为 LANGEXTRACT_API_KEY；本地模型无需。
```
export LANGEXTRACT_API_KEY="your-api-key"
```
5运行抽取脚本

编写脚本调用 lx.extract，传入文本、提示词、示例和 model_id，默认推荐 gemini-3.5-flash。
```
python your_script.py
```
6Docker 方式运行

也可先构建镜像，再通过 -e 传入 API Key 运行自己的脚本，无需本地安装依赖。
```
docker build -t langextract .
docker run --rm -e LANGEXTRACT_API_KEY="your-api-key" langextract python your_script.py
```
7运行测试验证

用 pytest 跑测试，或用 tox 在 Python 3.10/3.11 上复现完整 CI 流程。
```
pytest tests
```

关键配置

配置项	必填	说明	示例
`LANGEXTRACT_API_KEY`	是	云端模型（Gemini/OpenAI）调用所需的 API Key；本地模型可不设	`your-api-key`
`model_id`	是	传给 lx.extract 的模型标识，决定使用哪个 LLM 进行抽取	`gemini-3.5-flash`
`text_or_documents`	是	待抽取的输入文本或文档	`input_text`
`prompt_description`	是	描述你要抽取什么信息的提示词	`prompt`
`examples`	否	少样本示例，用于约束抽取格式与内容	`examples`
`output_schema`	否	枚举值等高级约束；Gemini 与 OpenAI 支持，可配合或不配合示例	`output_schema`

如何确认成功

执行 pytest tests 全部通过，或运行脚本后成功返回 lx.extract 的抽取结果（含源文本定位）。

常见问题

Q：没有 API Key 能用吗？

A：可以。本地或设备端模型不需要 API Key，LangExtract 内置支持 Ollama，也可通过修改推理端点接入其他第三方 API。

Q：该选哪个模型？

A：默认推荐 gemini-3.5-flash；量大或在意成本可用稳定的 Flash-Lite（gemini-3.1-flash-lite）；复杂推理任务可评估 Gemini Pro。

Q：生产环境频繁被限流怎么办？

A：建议升级到付费 Gemini 套餐以提升吞吐并避免速率限制，具体可参考官方 rate-limit 文档。

Q：怎么测试 Ollama 集成？

A：先确保本机运行 Ollama 并准备好 gemma2:2b 模型，再执行 tox -e ollama-integration，测试会自动检测 Ollama 是否可用。

Q：如何复现官方 CI？

A：在项目根目录执行 tox，会在 Python 3.10 和 3.11 上运行 pylint 与 pytest。

注意事项

云端模型必须配置 API Key，本地模型则不需要。
Gemini 模型有生命周期和退役日期，长期项目请关注官方模型版本文档。
大批量或生产使用建议付费套餐，避免触发速率限制。
代码风格工具可直接运行：isort langextract tests --profile google --line-length 80 与 pyink langextract tests --config pyproject.toml。