Markdown Stripper

Documents

markdown_stripper

Markdown Stripper is an Agent Skill for documents published in the cas-bigdatalab/piflow repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

Markdown标记清除工具。读取Markdown文件，去除Markdown语法标记（标题#、加粗**、斜体*、链接[]()、代码块```、引用>、列表标记等），输出纯文本文件。当用户提到Markdown清洗、去除MD标记、MD转纯文本等需求时使用此skill。适用于Markdown文件的语法净化，不负责CSV/表格数据的结构清洗。

View on GitHub ↗

QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

Open your project in Codex.
Copy and paste the prompt below.
Review files and risks before approving any action.

Prompt to paste

Inspect the Agent Skill at https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/markdown_stripper/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/markdown-stripper, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

markdown_stripper Markdown标记清除Skill

功能概述

读取 Markdown / 纯文本文件，去除所有 Markdown 语法标记，输出纯文本。

去除的 12 类标记：(1) 标题 #；(2) 加粗 **；(3) 斜体 *；(4) 删除线 ~~；(5) 链接 []()；(6) 图片 ![]()；(7) 行内代码 `；(8) 围栏代码块 ``` ```；(9) 引用 >；(10) 列表 -/1.；(11) 水平线 ---；(12) 表格 |...|。

触发条件

Markdown 清洗
去除 Markdown 标记
MD 转纯文本
语料净化

输入文件格式

支持以下纯文本格式：

Markdown (.md)
纯文本 (.txt)

不支持 .csv / .tsv / .jsonl 等结构化数据文件。会将不支持的扩展名直接拒绝。

使用方法

python scripts/markdown_stripper.py \
    --input_path input.md \
    --output_path output.txt

核心参数说明

必需参数

参数	说明
`--input_path`	输入 Markdown 文件路径
`--output_path`	输出纯文本文件路径

可选参数

参数	说明	默认
`--no_code_blocks`	删除代码块内容	保留
`--no_images`	删除图片 alt 文本	保留
`--no_tables`	删除表格内容	转为纯文本

输出示例

[OK] Markdown标记清除完成 -> output.txt
   keep_code_blocks=True, keep_images=True, keep_tables=False

环境要求

使用项目 Python 环境运行，无额外依赖。

注意事项

处理顺序：先保护代码块 → 处理行级标记 → 处理行内标记 → 恢复代码块
代码块默认保留内容（仅去除围栏标记），用 --no_code_blocks 可完全删除
表格默认转为空格连接的纯文本
不支持 .csv / .tsv / .jsonl 等结构化数据文件，会将不支持的扩展名直接拒绝