table-collector

name table_collector description 表格文件采集工具。读取单个表格文件或目录中的 csv、tsv、xlsx、xls 文件，执行行记录采集，输出统一结构化表格记录文件。 当用户提到表格采集、读取科研数据表、汇总 CSV/TSV/Excel 表格、把本地表格文件转成结构化记录等需求时使用此 skill。 即使用户没有明确说出"表格采集"，只要任务涉及把本地结构化表格文件内容收集成统一记录，就应该使用此 skill。 不负责表格清洗、空行删除、字段去空格、格式校验、字段过滤或格式转换。 name_zh 表格类数据采集接入算子 input_params [{"name":"input","type":"string","required":true,"description":"输入表格文件或目录路径"},{"name":"output","type":"string","required":true,"description":"输出文件路径"},{"name":"encoding","type":"string","required":false,"default":"auto","description":"CSV/TSV 文件编码，默认 auto 自动检测"},{"name":"recursive","type":"string","required":false,"default":"False","description":"是否递归采集子目录中的表格文件"},{"name":"add_metadata","type":"string","required":false,"default":"True","description":"是否为每行记录添加来源文件元信息"},{"name":"output_format","type":"string","required":false,"default":"jsonl","description":"输出格式，支持 jsonl/json/csv/auto"}] output_params [{"name":"output","type":"jsonl_file","description":"采集后的结构化表格记录文件"}] tag 数据筛选 publisher COMMUNITY Table Collector 表格采集 Skill 功能概述 本 skill 用于读取单个结构化表格文件或目录中的表格文件，将每一行采集为统一结构化记录，并输出为 JSONL、JSON 或 CSV。 触发条件 当用户请求以下任务时，应使用此 skill： 表格文件采集 读取科研数据表 汇总 CSV、TSV、Excel 表格内容 将本地表格文件转为结构化记录 为后续清洗、校验、入库准备统一表格输入 不适用于 PDF 表格抽取、图片表格识别、表格清洗、空行删除、字段去空格、格式结构校验、字段过滤或格式转换；这些任务需要使用对应的文档、图像、清洗、校验、筛选或转换 skill。 核心参数说明 必需参数 参数 说明 --input 输入表格文件或目录路径 --output 输出文件路径 可选参数 参数 说明 默认值 --encoding CSV/TSV 文件编码， auto 会按常见编码尝试读取 auto --recursive 是否递归采集子目录中的表格文件 False --add_metadata 是否为每行记录添加 _meta 来源文件元信息 True --output_format 输出格式，支持 jsonl 、 json 、 csv 、 auto jsonl 输入文件格式 输入可以是单个受支持表格文件，也可以是包含受支持表格文件的目录。目录模式只采集 .csv 、 .tsv 、 .xlsx 、 .xls ，其它扩展名会跳过。 input_dir/ station_observations.csv station_observations.tsv nested/station_observations.xlsx skip.txt 使用方法 递归采集目录并输出 JSONL python scripts/run_table_collector.py \ --input ./input_dir \ --output ./table_collector_output.jsonl \ --encoding auto \ --recursive true \ --add_metadata true \ --output_format jsonl 采集单个表格文件并输出 JSON python scripts/run_table_collector.py \ --input ./station_observations.csv \ --output ./table_collector_output.json \ --output_format json 处理示例 输入文件 参数效果 预期结果 station_observations.csv 支持的 .csv 文件 每个数据行采集为一条记录 station_observations.tsv 支持的 .tsv 文件 每个数据行采集为一条记录 nested/station_observations.xlsx --recursive true 每个数据行采集为一条记录 skip.txt 非支持扩展名 不进入采集列表 输出示例 { "sample_id" : "QYZ-001" , "domain" : "forest" , "value" : "12.4" , "_meta" : { "source_file" : "station_observations.csv" , "filename" : "station_observations.csv" , "row_count" : 12 , "collected_at" : "2026-06-12 10:00:00" } } 环境要求 使用仓库内 Python 环境运行；Windows bash 下建议加 PYTHONIOENCODING=utf-8 避免中文控制台编码问题。Excel 读取需要运行环境已安装 openpyxl 。 注意事项 --recursive false 时只扫描输入目录第一层文件。 --add_metadata false 时输出记录只包含原始表格字段。 输出文件扩展名不会自动决定格式，除非 --output_format auto 。