Bepr4
c19e9fcebf
- 8 条 YAML 声明规则：页码/页眉页脚/目录点线/图片/HTML表格/散落标签/行尾空白/空行 - 防误伤设计：protect 正则 + 内容形态豁免 + OCR burst 检测 - md-clean single/batch CLI，JSON 清洗报告 - 18 个单元测试 Co-Authored-By: Claude <noreply@anthropic.com>
12 lines
414 B
Python
12 lines
414 B
Python
"""govdoc-md-cleaner: 政务文档 Markdown 清洗工具包。
|
|
|
|
针对 PDF→Markdown 转换产物（MinerU / OCR 管线输出）的常见脏数据，
|
|
提供基于 YAML 规则的、可复现、可审计的清洗能力。
|
|
"""
|
|
|
|
from cleaner.cleaner import MarkdownCleaner, CleanResult, load_rules
|
|
from cleaner.cli import main
|
|
|
|
__version__ = "0.1.0"
|
|
__all__ = ["MarkdownCleaner", "CleanResult", "load_rules", "main"]
|