extract-html
Extract structured JSON from HTML using Schematron3B, deterministic table extraction, and Vision-based media OCR.
소스 정보
- 저장소
- grahama1970/agent-stack-public
- 최근 소스 활동
- 2026년 9월 24일 15:51
- 감지된 SKILL.md 언어
- 영어
- 스타
- 0
- 포크
- 0
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
파일 탐색기
19 개 파일SKILL.md 표시 중
SKILL.md
소스 지침 · 읽기 전용 미리보기- name
- extract-html
- description
- Extract structured JSON from HTML using Schematron3B, deterministic table extraction, and Vision-based media OCR.
- triggers
- ["extract html","html to json","scrape html","table extraction"]
- provides
- ["extract-html"]
- composes
- ["task-monitor","agentic-evals"]
- disciplines
- ["extraction"]
# Extract-HTML Skill
A robust skill for converting HTML documents into strictly valid JSON based on a user-provided JSON Schema.
## Capabilities
1. **Schema Compliance**: Guarantees output conforms to the provided JSON Schema (using Schematron-3B + validation loop).
2. **Deterministic Tables**: Extracts HTML tables using `pandas.read_html` and injects them as context, preventing hallucination of data.
3. **Media Text Extraction**: Identifies images, filters by pixel size, and optionally uses a Vision API (OpenAI-compatible) to extract text/OCR.
4. **Self-Correction**: Validates model output and retries with error feedback if schema validation fails.
## Usage
### Basic Conversion (Local Only)
```bash
./run.sh convert \
--html input.html \
--schema target.schema.json \
--out result.json
```
### Advanced (With Vision & Remote Fetch)
```bash
./run.sh convert \
--html input.html \
--schema target.schema.json \
--out result.json \
--fetch-remote-media \
--vision-api-base "https://glhf.chat/api/openai/v1" \
--vision-api-key "sk-..." \
--vision-model "gpt-4o-mini"
```
## Options
- `--max-attempts <int>`: Number of self-correction retries.
- `--extract-tables / --no-extract-tables`: Toggle deterministic table extraction.
- `--extract-media-text`: Enable image processing.
- `--min-image-px`, `--max-image-px`: Filter images by size.
- `--include-sections`: detailed H1-H6 hierarchy in context.
## Dependencies
- Ollama running `schematron-3b` (or compatible model).
- Python 3.11+
- See `pyproject.toml` for python deps.
GitHub에서 보기