markdown-stripper

name	markdown_stripper
description	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。
name_zh	Markdown标记清除算子
input_params	[{"name":"input_path","type":"string","required":true,"description":"输入文件路径（支持.md、.txt等文本文件）"},{"name":"output_path","type":"string","required":true,"description":"输出文件路径（纯文本）"},{"name":"no_code_blocks","type":"string","required":false,"description":"是否删除代码块内容（默认保留）"},{"name":"no_images","type":"string","required":false,"description":"是否删除图片alt文本（默认保留）"},{"name":"no_tables","type":"string","required":false,"description":"是否删除表格（默认转为纯文本）"}]
output_params	[{"name":"output_path","type":"file","description":"去除Markdown标记后的纯文本文件"}]
tag	数据清洗
publisher	COMMUNITY

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

1. 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
2. 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
3. 表格默认转为空格连接的纯文本
4. 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