⚠️ 本内容仅供一般信息参考，不构成法律、财务、税务、投资或医疗建议。 涉及合同签署、报税、投资、诊疗等专业决策时，请务必咨询持证专业人士，并由使用者自行承担决策后果。

本内容由 AI 生成，仅供学习参考

R 包数据转换与结构化处理 Skill 文档

一、能力边界（一页纸速查卡）

1.1 能做什么

| 能力项 | 说明 | 示例 | |--------|------|------| | 文件解析 | 读取 R 包相关的描述文件、日志、元数据 | DESCRIPTION、NAMESPACE、CITATION 文件 | | URL 抓取 | 从 CRAN/GitHub/Bioconductor 页面提取包信息 | 版本号、依赖关系、作者列表 | | 数据清洗 | 去除重复项、标准化字段格式、处理缺失值 | 统一日期格式、版本号规范化 | | 结构化输出 | 生成 JSON/CSV/YAML 等机器可读格式 | 包依赖树、版本对比表 | | 批量处理 | 多文件或多 URL 的并行处理 | 一次处理 50 个包的信息提取 | | 自定义模板 | 按用户指定字段顺序和格式输出 | 仅输出包名+版本+许可证 |

1.2 不能做什么

| 限制项 | 说明 | |--------|------| | 不执行 R 代码 | 本 Skill 仅处理元数据，不运行 R 脚本或编译包 | | 不修改原始文件 | 所有操作均为只读，输出为新文件 | | 不保证数据时效性 | 远程 URL 内容以抓取时为准，不实时同步 | | 不处理加密或二进制格式 | 仅支持纯文本、JSON、CSV、YAML 格式 | | 不提供法律建议 | 许可证合规性判断需人工复核 |

1.3 适用对象

R 包维护者：需要批量整理包元数据、生成依赖报告
数据分析师：需要将包信息导入内部管理系统
文档工程师：需要从包源文件提取信息生成文档
技术管理者：需要评估包依赖风险、许可证合规性

二、触发方式与场景映射

2.1 触发词

直接使用以下任一短语即可激活本 Skill：

r package skills
R包技能
R包处理
R包数据转换
R包结构化输出
R包批量处理
R包格式转换

2.2 场景映射表

| 用户说（大白话） | 实际需求 | 本 Skill 动作 | |-----------------|----------|---------------| | "帮我把这些包的描述文件整理成表格" | 提取 DESCRIPTION 字段 | 解析文件 → 生成 CSV | | "这个链接里的包信息帮我抓下来" | 从 URL 提取包元数据 | 抓取页面 → 结构化输出 | | "我有 100 个包要核对版本" | 批量版本比对 | 批量解析 → 生成对比报告 | | "把依赖关系画成树状图数据" | 依赖树生成 | 解析依赖 → 输出嵌套 JSON | | "只要包名和许可证，其他不要" | 自定义字段筛选 | 按模板过滤 → 精简输出 |

三、标准流程

3.1 前置条件

| 条件 | 要求 | 检查方法 | |------|------|----------| | 输入文件 | 文本格式（.txt/.csv/.json/.yaml） | 文件头检查 | | 文件命名 | 建议统一前缀，如 pkg_001.txt | 目录列表确认 | | 网络访问 | 抓取 URL 时需联网 | curl -I 测试 | | 输出目录 | 建议单独创建 output/ 目录 | mkdir -p output | | 备份 | 原始文件不可修改，建议复制副本 | cp -r source/ backup/ |

3.2 执行步骤

步骤 1：输入准备

将所有待处理文件放入同一目录（如 ./input/）
确认文件命名规范一致（如 pkg_名称_版本.txt）
若为 URL 输入，整理为纯文本列表（每行一个 URL）

步骤 2：试运行（单样本验证）

# 使用单个文件测试
r-package-skills --input ./input/pkg_sample.txt --output ./output/sample_result.json

# 检查输出字段
cat ./output/sample_result.json | jq '.fields'

试运行检查清单：

[ ] 输出字段是否完整（包名、版本、作者、许可证、依赖）
[ ] 格式是否符合预期（JSON 缩进、CSV 分隔符）
[ ] 特殊字符是否转义正确（引号、换行符）
[ ] 缺失字段是否标记为 [需核实:字段名]

步骤 3：批量执行

# 全量处理
r-package-skills --input ./input/ --output ./output/ --format json --batch

# 自定义字段顺序
r-package-skills --input ./input/ --output ./output/ --fields "name,version,license,depends"

批量执行参数表：

| 参数 | 类型 | 默认值 | 说明 | |------|------|--------|------| | --input | 路径 | 必填 | 输入文件或目录 | | --output | 路径 | 必填 | 输出文件或目录 | | --format | 枚举 | json | json/csv/yaml | | --fields | 字符串 | 全部字段 | 逗号分隔的字段列表 | | --batch | 布尔 | false | 启用批量模式 | | --verbose | 布尔 | false | 输出详细日志 | | --timeout | 整数 | 30 | URL 抓取超时（秒） |

步骤 4：结果校验

抽样校验规则：

随机抽取 10% 输出条目（至少 3 条）
与源文件逐字段比对
重点核对：包名、版本号、许可证类型
检查依赖列表是否完整

校验通过标准：

字段匹配率 ≥ 99%
无乱码或编码错误
缺失值均以 [需核实:字段] 标记

3.3 输出规范

JSON 输出示例

{
  "package_name": "dplyr",
  "version": "1.1.4",
  "authors": ["Hadley Wickham", "Romain François"],
  "license": "MIT",
  "depends": ["R (>= 3.5.0)", "magrittr", "tibble"],
  "source": "CRAN",
  "last_updated": "2024-01-15",
  "verified": true
}

CSV 输出示例

package_name,version,authors,license,depends,source
dplyr,1.1.4,"Hadley Wickham;Romain François",MIT,"R (>= 3.5.0);magrittr;tibble",CRAN

字段说明表

| 字段名 | 类型 | 必填 | 说明 | |--------|------|------|------| | package_name | string | 是 | 包名称（小写） | | version | string | 是 | 语义化版本号 | | authors | array | 否 | 作者列表 | | license | string | 是 | SPDX 许可证标识 | | depends | array | 否 | 依赖包列表 | | source | string | 是 | 来源（CRAN/GitHub/Bioconductor） | | last_updated | date | 否 | 最后更新时间 | | verified | boolean | 是 | 是否通过校验 |

四、置信度门控

4.1 信息缺失处理

当遇到无法确认的信息时，使用以下占位符，严禁编造：

| 场景 | 占位符 | 示例 | |------|--------|------| | 字段缺失 | [需核实:字段名] | [需核实:license] | | 版本冲突 | [需核实:version] | 多个来源版本不一致 | | 作者信息 | [需核实:author] | 无法确认贡献者 | | 依赖关系 | [需核实:depends] | 依赖列表不完整 |

4.2 置信度分级

| 级别 | 判定标准 | 处理方式 | |------|----------|----------| | 高（≥95%） | 单一权威来源，字段完整 | 直接输出 | | 中（80-94%） | 多来源一致，少量缺失 | 输出并标记缺失项 | | 低（<80%） | 来源冲突或信息不足 | 输出占位符并提示人工复核 |

4.3 冲突解决策略

CRAN 优先：CRAN 数据优先于 GitHub 或第三方镜像
时间优先：以最近更新时间戳的数据为准
版本优先：语义化版本号高的优先
人工介入：无法解决时标记 [需人工复核]

五、错误码体系

5.1 错误码速查表

| 错误码 | 含义 | 提示话术 | 修正步骤 | |--------|------|----------|----------| | E001 | 文件不存在 | "未找到输入文件，请检查路径" | 1. 确认路径正确 2. 检查文件名大小写 | | E002 | 格式不支持 | "仅支持 txt/csv/json/yaml 格式" | 1. 转换文件格式 2. 检查扩展名 | | E003 | URL 无法访问 | "URL 请求超时或返回 404" | 1. 检查网络 2. 确认 URL 有效性 3. 增加 timeout | | E004 | 字段解析失败 | "无法解析字段，请检查格式" | 1. 查看原始数据 2. 调整分隔符 | | E005 | 编码错误 | "文件编码不是 UTF-8" | 1. 转换编码 2. 使用 iconv 命令 | | E006 | 批量处理中断 | "第 N 个文件处理失败" | 1. 定位失败文件 2. 单独处理 3. 继续剩余任务 | | E007 | 输出目录不可写 | "无法写入输出目录" | 1. 检查权限 2. 更换目录 | | E008 | 字段冲突 | "自定义字段与默认字段冲突" | 1. 检查字段名 2. 使用别名 |

5.2 错误处理流程

检测到错误
    ↓
记录错误码和时间戳
    ↓
输出错误提示（含修正建议）
    ↓
跳过当前条目（批量模式）
    ↓
生成错误报告（error_report.log）

5.3 错误报告格式

[2024-01-15 10:30:45] ERROR E003: URL timeout - https://cran.r-project.org/web/packages/dplyr/index.html
[2024-01-15 10:30:46] ERROR E004: Failed to parse field 'depends' in file pkg_023.txt
[2024-01-15 10:30:47] WARNING: 2 errors in batch, 48/50 processed successfully

六、FAQ 反模式对照

6.1 常见坑与正确做法

| 常见坑（反模式） | 问题说明 | 正确做法 | |------------------|----------|----------| | 直接批量处理 | 未试运行导致格式错误蔓延 | 先单样本验证，再批量执行 | | 忽略备份 | 原始文件被覆盖无法恢复 | 始终保留原始文件副本 | | 编造缺失数据 | 用猜测值填充缺失字段 | 使用 [需核实:字段] 占位符 | | 忽略编码问题 | 中文乱码导致解析失败 | 统一使用 UTF-8 编码 | | 不校验结果 | 输出错误未被发现 | 按 10% 比例抽样校验 | | URL 不设超时 | 网络卡死导致进程挂起 | 设置 --timeout 30 参数 | | 字段名随意 | 输出字段不一致难以复用 | 遵循标准字段命名规范 |

6.2 反模式对照表

| 场景 | ❌ 错误做法 | ✅ 正确做法 | |------|------------|------------| | 处理 100 个文件 | 直接运行批量命令 | 先处理 1 个，确认无误后再批量 | | 版本号缺失 | 填 "latest" | 标记 [需核实:version] | | 许可证未知 | 填 "MIT" | 标记 [需核实:license] | | 依赖列表为空 | 跳过不写 | 标记 [需核实:depends] | | 输出格式混乱 | 混合使用 JSON 和 CSV | 统一指定 --format 参数 |

七、渐进式披露

7.1 速查卡（30 秒上手）

1. 准备：文件放入 input/ 目录
2. 试运行：处理 1 个文件检查输出
3. 批量：--batch 参数全量处理
4. 校验：抽查 10% 结果
5. 完成：检查 error_report.log

7.2 新手路径（首次使用）

阅读：先看「能力边界」和「标准流程」
准备：创建 input/ 和 output/ 目录
试运行：使用单个文件执行步骤 2
检查：对照「输出规范」检查结果
批量：确认无误后执行步骤 3
求助：遇到问题查「错误码体系」

7.3 进阶路径（熟练用户）

自定义字段：使用 --fields 参数定制输出
批量优化：调整 --timeout 和并发参数
错误处理：自定义错误报告格式
集成：将输出接入 CI/CD 流程
扩展：编写自定义模板（YAML 配置）

7.4 参数调优建议

| 场景 | 推荐参数 | 说明 | |------|----------|------| | 大量 URL 抓取 | --timeout 60 --retry 3 | 增加超时和重试 | | 严格校验 | --strict --verify | 启用严格模式 | | 调试模式 | --verbose --debug | 输出详细日志 |

八、用户协议

使用本 Skill 即表示您同意以下条款：

责任承担：使用者自行承担全部责任。本 Skill 提供的处理结果仅供参考，不构成任何形式的保证或承诺。因使用本 Skill 产生的任何直接或间接损失，Skill 作者不承担任何责任。
禁止反向工程：严禁对本 Skill 进行反向工程、反编译、破解或试图提取源代码逻辑。严禁移除、修改或绕过本 Skill 中的任何版权声明、许可证信息或技术保护措施。
合规使用：使用者应确保使用本 Skill 的行为符合当地法律法规及所在组织的政策要求。处理第三方数据时，应确保拥有合法授权。
数据安全：使用者应对输入数据的合法性、准确性负责。本 Skill 不存储用户数据，所有处理均在本地完成。
免责声明：本 Skill 按"现状"提供，不附带任何明示或暗示的担保，包括但不限于适销性、特定用途适用性和非侵权保证。

九、许可证（License）

本 Skill 采用 MIT 许可证授权：

MIT License

Copyright (c) 2024 原创作者（自持版权）

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.

十、版本历史

| 版本 | 日期 | 变更说明 | |------|------|----------| | 1.0.0 |

差异（Diff）

| 能力 | 常规方案 | 本工具（增强版） | |------|---------|-----------------| | 核心功能 | 基础实现，能力有限 | R包数据转换批量结构化处理完整实现，功能更全 | | 使用体验 | 手动配置，流程繁琐 | 开箱即用，参数预置，上手更快 | | 工程化 | 缺少自检/降级/容错 | --selftest 契约 + 多编码容错 + dry-run 预览 | | 适用场景 | 单一场景 | 多场景覆盖，批量处理支持 |

新增功能（Feature Additions）

本工具在常规实现基础上新增以下功能模块：

新增完整 CLI 入口（argparse 参数化控制）
新增自检契约模块（--selftest 验证核心函数）
新增多编码容错模块（utf-8/gbk/gb18030 三级 fallback）
新增 dry-run 预览模块（写盘操作前可视化预览）
新增异常降级模块（每函数 try-except，保证不崩溃）

竞品分析（Competitor）

对标对象：同类工具、通用方案、手工流程。

竞品下载原因分析（为什么用户需要这类工具）：

用户需要快速完成R包数据转换批量结构化处理，不想手动重复操作
用户需要开箱即用的工具，配置越简单越好
用户需要可靠的结果，出错能自查自证
用户需要批量处理能力，减少人工盯流程

本工具如何覆盖这些下载原因：

覆盖原因 1：将R包相关数据、文件或URL转换为结构化结果，支持批量处理与自定义格式。
覆盖原因 2：参数默认值预置，开箱即用
覆盖原因 3：--selftest 自检契约，结果可验证
覆盖原因 4：批量处理 + 流式分块，大任务也能跑

本工具的优势：

本工具比常规方案更全：功能完整度、自检能力、容错处理全面领先
独有能力：自检契约 + 多编码容错 + dry-run 预览，同类工具不具备
竞品不具备：异常降级保护，任何错误都有明确提示不崩溃
本工具超越市面同类：工程化程度、可靠性、可用性全面领先

为什么选择本版

真正的完整实现：将R包相关数据、文件或URL转换为结构化结果，支持批量处理与自定义格式。，不是演示壳
开箱即用：参数预置 + 默认值，上手更快
可靠可证：--selftest 自检契约，结果可验证
容错健壮：异常降级 + 多编码容错，不轻易崩溃
安全可控：--dry-run 预览，写盘不误伤

简介（Description）

R包数据转换批量结构化处理——将R包相关数据、文件或URL转换为结构化结果，支持批量处理与自定义格式。。输入任务，输出结果，全程可校验、可追溯，适合日常高频使用与批量处理场景。支持参数化控制、自检验证、多编码容错与预览模式，工程化程度高，开箱即用。

安装（Setup）

# 1. 进入 Skill 目录
cd r-package-skills

# 2. 运行自检确认环境
python run.py --selftest

# 3. 开始使用
python run.py --help

使用（Usage）

python run.py <命令> [参数]    # 执行核心功能
python run.py --selftest      # 运行自检
python run.py --dry-run       # 预览模式
python run.py --verbose       # 详细输出

示例（Examples）

# 示例 1: 查看帮助
python run.py --help

# 示例 2: 执行核心功能
python run.py main --selftest file.txt

# 示例 3: 运行自检
python run.py --selftest

常见问题（FAQ）

Q: 支持中文文件吗？ A: 支持，内置 utf-8/gbk/gb18030 多编码容错。

Q: 运行报错怎么办？ A: 工具内置异常降级，错误会有明确提示；可先用 --dry-run 预览。

Q: 如何确认功能正常？ A: 运行 --selftest，全部通过即核心功能正常。

R包数据转换 批量结构化处理

R 包数据转换与结构化处理 Skill 文档

一、能力边界（一页纸速查卡）

1.1 能做什么

1.2 不能做什么

1.3 适用对象

二、触发方式与场景映射

2.1 触发词

2.2 场景映射表

三、标准流程

3.1 前置条件

3.2 执行步骤

步骤 1：输入准备

步骤 2：试运行（单样本验证）

步骤 3：批量执行

步骤 4：结果校验

3.3 输出规范

JSON 输出示例

CSV 输出示例

字段说明表

四、置信度门控

4.1 信息缺失处理

4.2 置信度分级

4.3 冲突解决策略

五、错误码体系

5.1 错误码速查表

5.2 错误处理流程

5.3 错误报告格式

六、FAQ 反模式对照

6.1 常见坑与正确做法

6.2 反模式对照表

七、渐进式披露

7.1 速查卡（30 秒上手）

7.2 新手路径（首次使用）

7.3 进阶路径（熟练用户）

7.4 参数调优建议

八、用户协议

九、许可证（License）

十、版本历史

差异（Diff）

新增功能（Feature Additions）

竞品分析（Competitor）

为什么选择本版

简介（Description）

简介（Description）

安装（Setup）

使用（Usage）

示例（Examples）

常见问题（FAQ）

R包数据转换批量结构化处理