ingest-archive-tar-preview

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