ingest-archive-zip-preview

name	ingest_archive_zip_preview
description	ZIP 压缩包内容预览工具。递归扫描目录内 .zip 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 zip 预览、压缩包内容查看、zip 文件清单、压缩包预检等需求时使用此 skill。 即使用户没有明确说出"zip 预览"，只要任务涉及在解压前先查看 zip 压缩包内部文件结构和内容片段，就应该使用此 skill。 不负责 7z、rar、tar 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	ZIP 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":"ZIP 压缩包预览报告"}]
tag	数据筛选
publisher	COMMUNITY

ingest_archive_zip_preview — ZIP 压缩包预览

功能概述

递归扫描目录内 .zip 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 zip 文件，需要先查看内容再决定解压策略
• 需要批量盘点压缩包内的文件结构
• 需要在解压前预检文本文件编码和内容片段

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_zip_preview.py \
  --input_dir <input_dir> \
  --output <output> \
  --max_entries 0 \
  --preview_bytes 200

输出示例

{
  "items": [
    {
      "path": "data/batch01.zip",
      "type": "zip",
      "total_entries": 5,
      "entries": [
        {"name": "readme.txt", "size": 128, "is_dir": false, "preview": "This is a sample..."},
        {"name": "images/", "size": 0, "is_dir": true}
      ]
    }
  ],
  "summary":    

环境要求

使用 Python 标准库 zipfile，无需额外依赖。