cas-bigdatalab/piflow/content-parser

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.

内容解析预处理工具。读取采集后的 JSONL、JSON 或 TXT 文本记录，执行轻量内容解析，输出带标题、段落结构和内容类型的统一解析记录文件。 当用户提到接入内容解析、采集后预处理、提取标题和段落、识别 plain/markdown/html 内容结构等需求时使用此 skill。 即使用户没有明确说出"内容解析"，只要任务涉及把已采集文本内容解析成统一结构，就应该使用此 skill。 不负责文件采集、表格抽取、内容清洗、质量校验、过滤筛选或格式转换。

Install

npx vskill@latest install cas-bigdatalab/piflow/content-parser

SKILL.md

Content Parser 内容解析预处理 Skill

功能概述

本 skill 用于读取采集后的文本记录，对 text 字段做轻量内容解析，识别 plain、markdown、html 内容类型，并输出标题、段落结构、字符数、词数等解析结果。

触发条件

当用户请求以下任务时，应使用此 skill：

  • 接入内容解析
  • 采集后预处理
  • 提取文本标题和段落结构
  • 识别 plain、markdown、html 内容类型
  • 将已采集文本内容转为统一解析记录

不适用于文件采集、表格抽取、内容清洗、质量校验、过滤筛选或格式转换；这些任务需要使用对应的采集、清洗、校验、过滤或转换 skill。

核心参数说明

必需参数
参数说明
--input输入文件路径，支持 jsonl/json/txt
--output输出文件路径
可选参数
参数说明默认值
--parse_mode解析模式，支持 auto、plain、markdown、htmlauto
--extract_title是否提取标题True
--extract_paragraphs是否提取段落列表True
--output_format输出格式，支持 jsonl、json、autojsonl

输入文件格式

输入可以是 JSONL、JSON 或 TXT 文件。JSONL/JSON 中每条记录应包含 text 字段；TXT 文件会整体作为一条文本记录处理。

json
{"text": "# Research Note\n\nFirst paragraph..."}
{"text": "<html><title>Report</title><p>HTML paragraph.</p></html>"}

使用方法

自动识别内容类型并输出 JSONL
bash
python scripts/run_content_parser.py \
  --input ./content_records.jsonl \
  --output ./content_parser_output.jsonl \
  --parse_mode auto \
  --extract_title true \
  --extract_paragraphs true \
  --output_format jsonl
按纯文本模式解析 TXT 文件
bash
python scripts/run_content_parser.py \
  --input ./note.txt \
  --output ./content_parser_output.json \
  --parse_mode plain \
  --output_format json

处理示例

输入内容参数效果预期结果
Markdown 标题和段落--parse_mode autocontent_type=markdown，提取标题和段落
HTML title 和 p 标签--parse_mode autocontent_type=html，提取标题和段落
普通文本--parse_mode autocontent_type=plain，首个非空行作为标题
空 text 字段任意模式输出 _parsed.error，不崩溃

输出示例

json
{"_parsed": {"raw_text": "# Research Note...", "content_type": "markdown", "title": "Research Note", "paragraphs": ["Research Note", "First paragraph..."], "paragraph_count": 2, "char_count": 42, "word_count": 5, "parsed_at": "2026-06-12 14:00:00"}, "text": "# Research Note..."}

环境要求

使用仓库内 Python 环境运行；Windows bash 下建议加 PYTHONIOENCODING=utf-8 避免中文控制台编码问题。HTML 解析优先使用 beautifulsoup4，缺少依赖时脚本会退回正则清理。

注意事项

  1. parse_mode=auto 会根据内容特征识别 plain、markdown 或 html。
  2. 输入 JSONL/JSON 记录中缺少 text 或 text 为空时，输出 _parsed.error。
  3. 本 skill 只做轻量解析，不做清洗、过滤或质量判定。

Security

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

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/content-parser/badge)](https://verified-skill.com/skills/cas-bigdatalab/piflow/content-parser)

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