需求文档skill回溯专家博弈之前

.claude/skills/transcript-cleaner-v1/scripts/merge_transcripts.py

@@ -0,0 +1,187 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""
+转写文件合并脚本
+
+将指定文件夹中的多个转写txt文件按文件名顺序合并为一个文件，
+在文件边界处添加合并标记，提示前后发言人标识可能不对应。
+
+用法:
+    python merge_transcripts.py <输入文件夹路径> <输出文件路径>
+
+示例:
+    python merge_transcripts.py "C:\转写文件" "output\merged_transcript.md"
+"""
+
+import sys
+import os
+from pathlib import Path
+from datetime import datetime
+import re
+
+
+def extract_date_from_filename(filename: str) -> str:
+    """从文件名提取日期，格式如 20251202"""
+    match = re.search(r'(\d{8})', filename)
+    if match:
+        date_str = match.group(1)
+        return f"{date_str[:4]}-{date_str[4:6]}-{date_str[6:8]}"
+    return None
+
+
+# 无用画面信息的正则模式
+USELESS_SCREEN_PATTERNS = [
+    # 黑屏、变黑相关
+    r'^画面内容：.*(?:画面变黑|黑屏|屏幕变黑|黑色背景).*$',
+    # 纯粹的鼠标移动（无实质内容）
+    r'^画面内容：鼠标(?:光标)?(?:在.*)?移动[。.]?$',
+    # 窗口加载中
+    r'^画面内容：.*正在加载.*$',
+    # 纯白色光点等无意义画面
+    r'^画面内容：.*(?:白色光点|光点).*$',
+    # 非参会人员账号显示（张媛媛是会议室账号，不是参会人）
+    r'^画面内容：.*(?:张媛媛).*$',
+]
+
+
+def is_useless_screen_content(line: str) -> bool:
+    """判断是否为无用的画面内容"""
+    for pattern in USELESS_SCREEN_PATTERNS:
+        if re.match(pattern, line.strip()):
+            return True
+    return False
+
+
+def merge_transcripts(input_folder: str, output_path: str) -> dict:
+    """
+    合并转写文件
+
+    Args:
+        input_folder: 包含转写txt文件的文件夹路径
+        output_path: 输出文件路径
+
+    Returns:
+        dict: 包含处理结果信息
+    """
+    input_path = Path(input_folder)
+    output_file = Path(output_path)
+
+    # 确保输出目录存在
+    output_file.parent.mkdir(parents=True, exist_ok=True)
+
+    # 获取所有txt文件并按名称排序
+    txt_files = sorted(input_path.glob("*.txt"), key=lambda x: x.name)
+
+    if not txt_files:
+        return {
+            "success": False,
+            "error": f"未找到txt文件: {input_folder}",
+            "file_count": 0
+        }
+
+    # 尝试从文件名提取日期
+    meeting_date = None
+    for f in txt_files:
+        meeting_date = extract_date_from_filename(f.name)
+        if meeting_date:
+            break
+
+    if not meeting_date:
+        meeting_date = datetime.now().strftime("%Y-%m-%d")
+
+    # 合并标记模板
+    merge_marker = """
+
+<!-- ===== 文件合并边界 ===== -->
+<!-- 注意：以下内容来自新文件，发言者编号可能与上文不对应 -->
+<!-- 来源文件：{filename} -->
+
+"""
+
+    # 开始合并
+    merged_content = []
+    total_lines_removed = 0
+
+    # 添加文件头
+    header = f"""**会议日期**：{meeting_date}
+**参会人员**：待识别
+
+---
+
+<!-- 来源文件：{txt_files[0].name} -->
+
+"""
+    merged_content.append(header)
+
+    for i, txt_file in enumerate(txt_files):
+        # 读取文件内容
+        with open(txt_file, 'r', encoding='utf-8') as f:
+            content = f.read().strip()
+
+        # 去除空行和无用画面信息
+        lines = content.split('\n')
+        filtered_lines = []
+        removed_count = 0
+        for line in lines:
+            # 跳过空行
+            if not line.strip():
+                continue
+            # 跳过无用画面信息
+            if is_useless_screen_content(line):
+                removed_count += 1
+                continue
+            filtered_lines.append(line)
+        content = '\n'.join(filtered_lines)
+        total_lines_removed += removed_count
+
+        if i > 0:
+            # 非首个文件，添加合并标记
+            merged_content.append(merge_marker.format(filename=txt_file.name))
+
+        merged_content.append(content)
+
+    # 写入输出文件
+    with open(output_file, 'w', encoding='utf-8') as f:
+        f.write('\n'.join(merged_content))
+
+    return {
+        "success": True,
+        "output_path": str(output_file.absolute()),
+        "file_count": len(txt_files),
+        "files": [f.name for f in txt_files],
+        "meeting_date": meeting_date,
+        "lines_removed": total_lines_removed
+    }
+
+
+def main():
+    if len(sys.argv) != 3:
+        print("用法: python merge_transcripts.py <输入文件夹路径> <输出文件路径>")
+        print("示例: python merge_transcripts.py \"C:\\转写文件\" \"output\\merged.md\"")
+        sys.exit(1)
+
+    input_folder = sys.argv[1]
+    output_path = sys.argv[2]
+
+    if not os.path.isdir(input_folder):
+        print(f"错误: 输入路径不是文件夹: {input_folder}")
+        sys.exit(1)
+
+    result = merge_transcripts(input_folder, output_path)
+
+    if result["success"]:
+        print(f"合并成功!")
+        print(f"  - 处理文件数: {result['file_count']}")
+        print(f"  - 会议日期: {result['meeting_date']}")
+        print(f"  - 过滤无用画面: {result['lines_removed']} 行")
+        print(f"  - 输出路径: {result['output_path']}")
+        print(f"  - 文件列表:")
+        for fname in result['files']:
+            print(f"      {fname}")
+    else:
+        print(f"合并失败: {result['error']}")
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    main()