cas-bigdatalab/piflow/alphanumeric-filter

Claude Code and agent skill by cas-bigdatalab/piflow

Trust tier 2
  • community
LLM review pending
Source check pending

Checking that the SKILL.md file is still in the repository.

字母数字比例过滤器。过滤文本中字母/数字比例不在指定范围内的样本。 当用户提到文本过滤、比例筛选、字母比例、数字比例、清理乱码文本等需求时使用此skill。 即使用户没有明确说出"过滤",只要任务涉及根据文本中字母或数字的比例来筛选数据, 就应该使用此skill。

Install

npx vskill@latest install cas-bigdatalab/piflow/alphanumeric-filter

SKILL.md

Alphanumeric Filter 字母数字比例过滤 Skill

功能概述

本skill根据文本中字母/数字字符的比例进行过滤,只保留比例在指定范围内的样本。 常用于清理乱码文本、过滤特殊字符过多的内容等场景。

触发条件

当用户请求以下任务时,应使用此skill:

  • 文本过滤
  • 比例筛选
  • 字母比例过滤
  • 数字比例过滤
  • 清理乱码文本
  • 特殊字符过滤

核心参数说明

必需参数
参数说明
--input输入JSON文件路径
--output输出JSON文件路径
可选参数
参数说明默认值
--min_ratio最小字母数字比例0.25
--max_ratio最大字母数字比例1.0
--tokenization是否使用tokenization计算False
--text_key文本字段的键名text

输入文件格式

json
[
{"text": "正常的英文文本内容"},
{"text": "包含123数字的文本"},
{"text": "只有符号!!!..."},
{"text": "混合内容abc123中文"}
]

使用方法

过滤字母数字比例在0.25-1.0之间的样本(默认)
bash
python scripts/run_alphanumeric_filter.py \
--input ./input.json \
--output ./output.json
过滤字母数字比例在0.3-0.8之间的样本
bash
python scripts/run_alphanumeric_filter.py \
--input ./input.json \
--output ./output.json \
--min_ratio 0.3 \
--max_ratio 0.8
使用tokenization模式(更精确但更慢)
bash
python scripts/run_alphanumeric_filter.py \
--input ./input.json \
--output ./output.json \
--tokenization True

过滤示例

文本字母数字比例过滤结果 (0.2-0.9)
Hello World高保留
a=1\nb\nc=1+2+3中保留
,。、„""«»1»低过滤
emoji表情😊😸31231中保留

输出示例

命令行输出:

[OK] Alphanumeric filtering completed!
Min ratio: 0.25
Max ratio: 1.0
Tokenization: False
Original documents: 6
Filtered documents: 5
Removed documents: 1
Input file: ./input.json
Output file: ./output.json

输出JSON格式:

json
[
{"text": "过滤后保留的文本1"},
{"text": "过滤后保留的文本2"}
]

环境要求

安装依赖: 本SKILL使用依赖 data_juicer,请在调用前安装好python环境并安装data_juicer:

bash
pip install py-data-juicer

注意事项

  1. 比例计算:默认按字符计算,tokenization=True 时按token计算
  2. 默认值:max_ratio 默认无限制(保留所有高比例样本)
  3. 过滤逻辑:只保留比例在 [min_ratio, max_ratio] 范围内的样本
  4. 适用场景:清理乱码、过滤特殊字符过多的文本

Security

  • Security scanPassed, 100 of 100Pattern checks on the skill's files.
  • Model reviewNot runA model review is scheduled for the next rescan.

Quality evaluation

  • Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

Source

Popularity

7-day trend score
0

Not refreshed yet.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

  • Claude Code
  • Cursor
  • GitHub Copilot
  • Windsurf
  • Codex
  • Gemini CLI
  • Cline
  • Amp
  • Roo Code
  • Goose
  • Continue
  • Kilo Code
  • Junie
  • Trae
  • OpenHands
  • Qwen Code
  • AI Agent
  • Tabnine Chat
  • Sourcegraph Cody
  • Amazon Q
  • Firebase Genkit
  • Sweep
  • Devin
  • Phind
  • Mentat
  • Claude Desktop
  • Aider
  • GPT Pilot
  • Plandex
  • bolt.new
  • v0
  • Replit Agent
  • Anse
  • TypingMind
  • BetterChatGPT
  • LibreChat
  • Warp AI
  • Pieces
  • Fig AI
Embed badge
vskill VERIFIED badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/cas-bigdatalab/piflow/alphanumeric-filter/badge)](https://verified-skill.com/skills/cas-bigdatalab/piflow/alphanumeric-filter)

Something wrong with this skill or its page? Tell us.