ForHosting KIT · 文章作成・要約AI

大文字の単語を抽出

「Alice met Bob in Paris last Tuesday after the Summit」からは、Alice、Bob、Paris、Tuesday、Summitの5語が10語中から抜き出されます。重複は順番どおり残り、各語を1回だけ並べた一覧も得られます。ブラウザで無料で使えます。

  • 無料
  • ブラウザで動作
  • 登録不要
  • データは端末の外に出ません
ご利用方法 ウェブAPIメールTelegramアプリ 近日
入力した場合
テキスト
Alice met Bob in Paris last Tuesday after the Summit.
結果
単語
Alice, Bob, Paris, Tuesday, Summit
数量
5
一意の単語
Alice, Bob, Paris, Tuesday, Summit
ユニーク数
5

大文字で始まる単語の抽出は、明確な約束を持つ実用的なテキストユーティリティです。空でない文章を受け取り、先頭が大文字の単語をすべて見つけ、読順どおりにトークンを返すので、草稿全体を読み直さなくても名前・地名・タイトルなどの固有名詞候補を把握できます。執筆者、編集者、研究者、自動化スクリプトはいずれも「大文字の単語を抽出」「テキストから大文字語を一覧」といった検索意図で同じ需要に至ります。

大文字語の定義と一覧の作り方

本抽出ツールにおける大文字語とは、先頭文字が Unicode 大文字(カテゴリ Lu)であるトークンです。Alice、Paris、NASA、Émile は該当し、alice、先頭が小文字 i の iPhone、数字のみのトークンは該当しません。

トークンは Unicode の文字または数字の連続で、途中のアポストロフィやハイフンで結合されたものも一語とします。そのため O'Brien や Jean-Luc は句読点で分割されず一語のままです。空白・カンマ・ピリオド・引用符・絵文字などは境界になります。

走査は左から右へ進み、一致するトークンを words 配列へ追加し、同一名が段落内で二度出ても重複を残します。検索意図が「大文字語の抽出」「大文字の名前一覧」「頭文字大文字で固有名詞を探す」である場合はこのランディングを優先してください。

型と信頼度付きの完全な固有表現認識(別の LLM 製品)、大文字小文字変換、ステミング、大文字小文字を無視した全ユニーク語一覧には使わないでください。

使い方と知っておきたい制限

ニュースのリード、会議メモ、小説の章、マーケ資料から固有名詞の短い候補リストが欲しく、言語ごとに正規表現を書きたくないときは、ブラウザ無料の大文字語抽出ツールを使ってください。検証失敗はエンジン拒否後に残高を消費しません。

次工程が語彙バンクやスタイル修正ならユニーク語抽出やケース変換と組み合わせられますが、大文字先頭による固有名詞意図は LLM エンティティ抽出や title case 変換と混ぜず、専用ランディングとして保ってください。言語検出、エンティティ種別付け、共参照、地名辞典照合は期待しないでください。別問題で SEO 語も異なります。

アクセント付き大文字、繰り返し名、全大文字略語のフィクスチャを固定し、リファクタが順序付き一覧を静かに変えないようにします。

会議メモと研究文章

研究者はメモから大文字語を抽出し、完全な NER パイプラインなしで候補の名前やプロジェクト名を表面化します。

大文字語とは何ですか?

先頭文字が Unicode 大文字(カテゴリ Lu)のトークンです。アクセント付き大文字も含みます。小文字や数字で始まるトークンはスキップされます。

同じ名前が何度も出てきたら、すべて表示されますか?

はい、主な一覧には出てきた順にすべて残るので、2回出た名前は2回表示されます。別の一覧では各語を最初に出てきた形で1回だけ並べるため、名前の一覧作りに便利です。

O'BrienやJean-Lucのような名前は分割されますか?

いいえ、語の中にあるアポストロフィやハイフンは区切りとして扱わないため、O'BrienもJean-Lucもそれぞれ1語になります。空白や句読点、引用符、絵文字が語の区切りです。

iPhoneが結果に含まれないのはなぜですか?

判定するのは最初の1文字だけで、iPhoneのiは小文字だからです。NASAのようにすべて大文字の語や、Émileのようにアクセント付きの大文字で始まる語は含まれ、数字だけの語は含まれません。

その語が人名か地名か日付かを判別できますか?

いいえ、最初の文字だけを見るため、AliceやParisと並んでTuesdayやSummitも表示されます。種類の分類はしないので、候補をすばやく集めてからご自身で確認してください。

このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。

POSThttps://api.kit.forhosting.com/str/extract-capitalized

Bearerトークンで認証し、POST1回でタスクをキューに登録します。結果はWebhookまたは署名付きリンクで受け取れます。

curl -X POST https://api.kit.forhosting.com/str/extract-capitalized \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text":"Alice met Bob in Paris last Tuesday after the Summit."}'
{
  "text": "Alice met Bob in Paris last Tuesday after the Summit."
}
{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "str.extract_capitalized",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。

1リクエストあたり$0.002

単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。

HTTPコード意味
401unauthorizedAPIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。
402insufficient_balance残高が不足しています。チャージ後に再度お試しください。
404unknown_type指定されたタスクタイプは存在しません。タイプ名を確認してください。
429rate_limitedリクエストが多すぎます。しばらく待ってから再度お試しください。

空入力は invalid input で拒否され、呼び出し側が誤って空のペイロードを保存しません。成功した API 呼び出しは公開ベース価格 $0.002 がアイテム単位で課金され、検証失敗は課金されません。

大文字語の定義と一覧の作り方

別配列 unique_words は各相異なるトークンの最初の表層形だけを残し、フラッシュカードやエンティティ確認用の名前バンクを作りやすくします。total_tokens は大文字フィルタ前に見た語数を示し、全文に対する大文字語の密度把握に役立ちます。

入力契約、空入力の拒否、応答フィールドの読み方

アルゴリズムは純粋な文字列処理なので、継続的インテグレーションはオブジェクト全体を固定できます。本製品はテキストユーティリティであり、一括倉庫ではありません。元テキストの保持規則は他の KIT parse 項目と同じです。必須の文字列フィールド text に、走査したい空でないサンプルを入れた JSON 本体を POST してください。古いクライアントやフォーム生成器が使う名前向けに、別名 input、value、s、content、body も受け付けます。text 欠落、非文字列、長さゼロはいずれも問題を示すメッセージ付きで invalid_input となり、プリペイド API では課金されません。まだ空ではない空白のみのテキストは許可され、大文字先頭トークンが無い場合は大文字トークンがゼロで words と unique_words が空配列という成功形になり得ます。成功時の応答には、重複を残した順序付き大文字トークン一覧 words、その長さ count、初出のみの相異なる大文字トークン unique_words、その長さ unique_count、フィルタ前の全トークン数 total_tokens、UI 表用に入力をそのまま返す original、下流が形を推測せず分岐できるよう常に extract_capitalized となる method が含まれます。言及頻度が重要なら words を、候補の名前・タイトル集合だけなら unique_words を使ってください。ペイロードは Worker isolate に適した通常の文書サイズに保ち、数メガバイトのダンプは避けてください。

API の使い方、料金、ワークフロー、実務上の制限

CMS、コンテンツパイプライン、学習アプリ、研究ノート、モバイルクライアントが同じ契約を残高課金で必要とする場合は、プリペイド KIT API を成功アイテムあたり $0.002 で利用します。典型フローは段落を貼り、大文字語を一覧し、手動ファクトチェック前に unique_words で人名・地名を確認します。別フローでは大文字小文字が混在する既知の複数行サンプルを与え、words と unique_words を固定し、将来のリファクタが Unicode 大文字・アポストロフィ・ハイフン複合語を誤処理したら CI を失敗させます。SDK 作者は必須フィールド text のみを文書化し、名前と地名の成功例と空文字エラー例を示して契約の両面を伝えてください。

編集者向け固有名詞ショートリスト

編集者は草稿を貼り付け、大文字トークンを順に取得し、ファクトチェック前に unique_words で人名・地名・タイトルを確認します。

大文字処理パイプラインの CI フィクスチャ

ビルドスクリプトが大文字語の golden 出力を固定し、トークナイザや Unicode Lu の退行が継続的インテグレーションを即座に失敗させます。

テキストから大文字の単語を抽出するには?

空でない文字列を text に入れた JSON を送ってください。応答の words 配列は出現順の大文字トークンを、unique_words は初出形のみを一覧します。

重複する名前は複数回載りますか?

words でははい、頻度が分かります。unique_words は各相異なる表層形を最初の出現時だけ保持します。

text が空だとどうなりますか?

リクエストは invalid_input で失敗します。空入力は不可で、検証失敗はプリペイド API では課金されません。

大文字語の抽出の料金は?

ブラウザツールは無料です。API は成功した呼び出しごとにプリペイド KIT 残高から $0.002 を使い、無効入力は課金されません。

KITの完全なドキュメントを見る →