# Shimo Format Cleaner

> 清洗石墨文档大纲，提取标题和绿色高亮文字，生成AI可读的.md格式。输入石墨链接或已下载的Word文件，应用6条清洗规则后保存到03-9+已有内容/[主题名]/04-大纲终稿/。触发词：清洗大纲、整理大纲、提取大纲、格式清洗、用户提供石墨链接。

- Skill: `liuguangyu-baike/shimo-format-cleaner` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add liuguangyu-baike/shimo-format-cleaner`
- Raw SKILL.md: https://api.skillmd.com/api/skills/liuguangyu-baike/shimo-format-cleaner/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Docs & Writing
- Author: liuguangyu-baike (https://skillmd.com/u/liuguangyu-baike)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/liuguangyu-baike/shimo-format-cleaner

---


# 石墨格式清洗

## 前置条件

- 已安装 Python 依赖：`pip3 install python-docx`

## 清洗规则（6条）

1. "讲解过程与可视化建议"之前的所有内容全部删除
2. 保留所有标题（按文档原有层级）
3. 按顺序和分段，保留所有绿色高亮文字
4. 删除所有：图片、链接、可视化建议段落、标签需求段落
5. 删除"交互探究"标题及其后整个表格
6. 删除"大总结"标题及其后整个表格

## 石墨 Word 导出格式说明

石墨导出 Word 文档时的格式特点（已通过逆向分析确认）：

- **标题**：段落 pStyle = `shimo heading 1/2/3`（非标准 Word Heading 样式，python-docx 的 `.style.name` 无法读取，需直接读取 XML 的 `w:pStyle`）
- **绿色高亮文字**：存放在单列表格（table）的第一个 cell 中，run 级别带有 `w:highlight val="yellow"`。**注意：石墨绿色 = Word yellow**
- **可视化建议/参考链接等**：同一表格第一列中无 yellow highlight 的段落，自动排除
- **交互探究/大总结**：heading 1 级别标题，其对应的"交互形式"表格无 yellow highlight（自动排除），但交互探究内的讲解内容表格有 yellow highlight（应保留）

## 工作流程

### 步骤 1：导出 Word 文件

**自动化导出（浏览器工具）**

```
1. browser_navigate 打开石墨链接
2. browser_lock 锁定浏览器
3. 等待页面加载（sleep 3-4秒）
4. 点击右上角"···"圆形按钮（注意：该按钮在固定头部，可能需要先 browser_unlock 让用户手动点击）
5. 悬停"下载" → 点击"Word"
6. 等待 3-5 秒下载完成
7. browser_unlock 解锁浏览器
```

**手动导出（推荐，更可靠）**

提示用户：
> 请在石墨文档中点击右上角"···"圆形按钮 → 下载 → Word，下载完成后告知文件名。

下载后文件保存在 `~/Downloads/[文档标题].docx`，用以下命令确认：
```bash
ls -t ~/Downloads/*.docx | head -3
```

### 步骤 2：运行清洗脚本

```bash
# 安装依赖（首次使用）
pip3 install python-docx -q

# 运行脚本
python3 "/Users/liuguangyu/Desktop/A-工作/.cursor/skills/shimo-format-cleaner/scripts/clean_outline.py" \
  "/Users/liuguangyu/Downloads/[文件名].docx" \
  "/Users/liuguangyu/Desktop/A-工作/03-9+已有内容/[主题名]/04-大纲终稿/[文件名]-清洗.md"
```

### 步骤 3：确认输出

读取输出的 .md 文件，向用户确认：
- 标题层级结构是否正确
- 绿色高亮文字是否保留完整
- 需要删除的内容（可视化建议、链接、探究表格）是否已清除

## 输出路径规则

```
03-9+已有内容/[主题名]/04-大纲终稿/[文档标题]-清洗.md
```

示例：
```
03-9+已有内容/脑科学/04-大纲终稿/E03-神经元-清洗.md
```

## 故障排查

**找不到绿色高亮内容（输出为空）**：
可能原因：
1. 石墨文档格式不同（非标准大纲格式）
2. 运行 `--debug` 参数查看段落颜色信息：`python3 clean_outline.py [docx] --debug`

**找不到"讲解过程与可视化建议"**：
文档标题措辞可能略有不同，脚本会从头处理并提示警告。

**下载的文件找不到**：
```bash
ls -t ~/Downloads/*.docx | head -5
```