| name | ingest_archive_tar_preview |
| description | TAR 压缩包内容预览工具。递归扫描目录内 .tar / .tar.gz / .tar.bz2 / .tar.xz 文件，列出内部文件清单并按需输出文本片段预览，供后续采集流程判断是否需要解压处理。
当用户提到 tar 预览、tar.gz 预览、tar 压缩包内容查看、tar 文件清单等需求时使用此 skill。
即使用户没有明确说出"tar 预览"，只要任务涉及在解压前先查看 tar 压缩包内部文件结构和内容片段，就应该使用此 skill。
不负责 zip、7z、rar 等其他压缩格式的预览（各有独立 skill），也不负责解压或归档打包。
|
| name_zh | TAR 压缩包预览 |
| input_params | [{"name":"input_dir","type":"string","required":true,"description":"待扫描目录（递归）"},{"name":"output","type":"string","required":true,"description":"预览报告输出路径（JSON）"},{"name":"max_entries","type":"string","required":false,"default":"0","description":"每个压缩包最多列出的文件数"},{"name":"preview_bytes","type":"string","required":false,"default":"200","description":"文本文件预览字节数"}] |
| output_params | [{"name":"output","type":"json_file","description":"TAR 压缩包预览报告"}] |
| tag | 数据筛选 |
| publisher | COMMUNITY |
ingest_archive_tar_preview — TAR 压缩包预览
功能概述
递归扫描目录内 .tar、.tar.gz、.tar.bz2、.tar.xz 文件，列出每个压缩包内部文件清单，对文本文件输出前 N 字节预览（UTF-8 解码失败则输出 hex）。输出 JSON 报告供后续解压或采集流程决策。
触发条件
- 采集入口收到一批 tar 包，需要先查看内容再决定解压策略
- 需要批量盘点 tar 压缩包内的文件结构
核心参数
| 参数 | 说明 | 默认值 |
|---|
--input_dir | 待扫描目录（递归） | 必填 |
--output | 预览报告输出路径 | 必填 |
--max_entries | 每个压缩包最多列出的文件数，0 表示全部 | 0 |
--preview_bytes | 文本文件预览字节数 | 200 |
使用方法
python scripts/run_ingest_archive_tar_preview.py \
--input_dir <input_dir> \
--output <output> \
--max_entries 0 \
--preview_bytes 200
环境要求
使用 Python 标准库 tarfile，无需额外依赖。
支持的 TAR 变体
| 扩展名 | 模式 |
|---|
.tar | 无压缩 |
.tar.gz / .tgz | gzip |
.tar.bz2 / .tbz2 | bzip2 |
.tar.xz / .txz | xz / lzma |
