cas-bigdatalab/piflow/clean-html-mapper

Claude Code and agent skill by cas-bigdatalab/piflow

Trust tier 3
  • community
Source check pending

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

清理文本示例中的HTML代码。当用户提到清理HTML、去除HTML标签、HTML转文本、提取网页文本等需求时使用此skill。 即使用户没有明确说出"HTML"，只要任务涉及从HTML代码中提取纯文本，就应该使用此skill。

Install

npx vskill@latest install cas-bigdatalab/piflow/clean-html-mapper

SKILL.md

Clean HTML Mapper

清理文本中的HTML代码，提取纯文本内容。

本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用同以下指令进行安装：

pip install py-data-juicer

核心参数

参数类型必填默认值说明
input_pathstring是-输入JSON文件路径
output_pathstring是-输出JSON文件路径

使用方法

bash
python scripts/run_clean_html_mapper.py --input_path <input_path> --output_path <output_path>

实现原理

参照测试代码 test_clean_html_mapper.py 中的 _run_helper 函数：

python
# 1. 初始化算子（无参数）
op = CleanHtmlMapper()
# 2. 将数据转为Dataset，使用 op.run(dataset) 处理
dataset = Dataset.from_list(samples)
result_dataset = op.run(dataset)

HTML清理规则

  1. <li> 和 <ol> 标签转换为 * 列表格式
  2. 使用 selectolax 解析器提取纯文本
  3. 移除所有HTML标签
  4. 保留文本内容和换行符

输入输出格式

输入格式 (JSON数组)
json
[
  {"text": "<p>这是段落</p>"},
  {"text": "<li>列表项1</li><li>列表项2</li>"}
]
输出格式 (JSON数组)
json
[
  {"text": "这是段落"},
  {"text": "\n*列表项1\n*列表项2"}
]

示例

示例：清理HTML

输入：

json
[
  {"text": "<p>这是测试</p>"},
  {"text": "<div><p>Hello World</p></div>"}
]

执行：

bash
python scripts/run_clean_html_mapper.py --input_path example_input.json --output_path output.json

输出：

json
[
  {"text": "这是测试"},
  {"text": "Hello World"}
]

注意事项

  • 此算子无额外参数
  • 会自动处理列表标签（<li>, <ol>）转换为 * 格式
  • 不符合HTML格式的标签内容也会被尝试清理

Security

  • Security scanPassed, 90 of 100Pattern checks on the skill's files.
  • Model reviewPassed

See the full security report

Quality evaluation

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

See evaluation results

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/clean-html-mapper/badge)](https://verified-skill.com/skills/cas-bigdatalab/piflow/clean-html-mapper)

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