Ppt Audit Cleaner

PPT审核清洗 Skill

功能说明

基于百度文库审核规则，自动审核并清洗PPT内容：

• 🔍 敏感词检测：检测并清洗PPT中的所有文本内容
• 📝 百度文库规则重命名：按审核通过标准自动重命名文件
• 🧹 内容清洗：替换敏感词，尽量保持原结构
• ⚡ 批量处理：支持单文件或整个文件夹
• 🔄 集成自动化工作流：上传、清理、美化全流程

百度文库审核规则（2026年5月更新）

来源：百度文库官方文档、知乎/豆丁运营经验汇总、实际运营踩坑

一、标题审核规则

❌ 标题不通过原因：

• 过于简单：如"PPT"、"培训"、"总结"、"课件"
• 与内容不符、缺少专业关键词
• 含推广信息：网址、二维码、QQ/微信/电话
• 过于笼统："分享"、"参考"、"资料"、"合集"
• 含特殊符号：【】、<>、" 等不支持的字符
• 含品牌名/商标名（如"碧桂园"、"万科"、"龙湖"）
• 含日期前缀：如"20260323--"
• 序号开头：如"附件1"、"第5章"

✅ 标题规范：

• 长度10-50字，必须具体明确
• 结构：[行业/领域] + [具体主题] + [文档类型]
• 示例：建筑工程_桩基施工技术方案_35页_2026
• 示例：电力工程_电缆基础知识培训课件_115页_2026
• 示例：市政工程_盾构法隧道施工质量管控_51页_2026

二、内容质量审核规则

❌ 内容不通过原因：

• 总页数<10页 或 每页文字<5行（直接拒绝）
• 仅标题无正文、大量空白页（直接拒绝）
• 多页内容相同或高度相似（直接拒绝）
• 排版混乱（字体不统一、格式错乱、乱码）
• 图片模糊、与内容无关、其他平台水印
• 内容空洞无实质内容

✅ 内容质量标准：

• 总页数：≥10页（建议20-100页）
• 每页文字：≥5行（建议8-15行）
• 字体：正文14-18pt，标题24-36pt
• 图文结合，图片清晰且与内容相关
• 结构清晰：目录→概述→正文→总结

三、格式规范

✅ 格式要求：

• 格式：PDF（推荐）/ PPTX / DOCX
• 大小：100KB - 50MB
• 兼容Office 2010+ / WPS
• 文字必须可选中复制（纯图片PDF会被拒绝）
• 标准页面比例（16:9或4:3）

四、合规性审核

⛔ 直接拒绝的违规内容：

• 政治敏感（政治人物、政治事件、政策解读）
• 色情低俗、暴力
• 广告推广（网址、二维码、联系方式、加群引导）
• 版权侵权（未授权转载教材/论文/商业资料）
• 虚假信息（捏造数据、夸大事实）
• 宗教敏感

⚠️ 需处理的内容：

• 个人隐私（姓名→"XX"，电话/身份证→删除）
• 品牌标识（企业名→"[某企业]"，Logo→删除）
• 其他平台水印
• 品牌提及超过全文10%

五、简介与分类

• 简介必填：不填通过率大幅降低
• 2-3句概括，嵌入2-3个专业关键词
• 长度50-200字，禁止含推广信息
• 分类必须与内容匹配，优先选细分分类

六、通过率提升技巧

使用方法

1. 批量审核清洗整个文件夹

python "D:\1052-os\skills\ppt-audit-cleaner\scripts\audit_clean.py" --input "C:\待处理PPT" --output "C:\已审核PPT"

2. 处理单个PPT文件

python "D:\1052-os\skills\ppt-audit-cleaner\scripts\audit_clean.py" --input "C:\待处理PPT\演示文稿.pptx" --output "C:\已审核PPT"

3. 仅检测敏感词（不修改文件）

python "D:\1052-os\skills\ppt-audit-cleaner\scripts\audit_clean.py" --input "C:\待处理PPT" --detect-only

4. 按百度文库规则重命名文件

python "D:\1052-os\skills\ppt-audit-cleaner\scripts\rename_helper.py" --input "C:\待上传" --rule baidu_wenku

自动化工作流集成

工作流时间表

快速开始

1. 配置文件夹

C:\百度文库\
├── 待上传\          # 放入待上传的文档（PDF/PPT/DOC）
├── PPT仓库\         # 放入需要美化的PPT源文件
├── 已美化\          # 美化后的PPT输出位置
└── 备份\            # 原始PPT备份

2. 运行自动化工作流

# 进入工作流目录
cd "D:\1052-os\skills\ppt-audit-cleaner\scripts"

# 仅上传
.\workflow.ps1 -UploadOnly

# 仅清理
.\workflow.ps1 -CleanOnly

# 仅美化
.\workflow.ps1 -BeautifyOnly

# 完整工作流
.\workflow.ps1 -FullWorkflow

3. 设置定时任务（可选）

& "D:\1052-os\skills\ppt-audit-cleaner\scripts\task-scheduler.ps1" -Setup

这将创建三个Windows计划任务：

• PPTAudit_Upload_0730 - 每日07:30执行上传
• PPTAudit_Clean_AllDay - 持续执行清理
• PPTAudit_Beautify_1830 - 每日18:30执行美化

敏感词处理策略

检测范围

• 幻灯片标题
• 正文内容
• 备注信息
• 页脚文字

清洗方式

默认策略

• 敏感词≤3个：自动替换为***
• 敏感词>3个：标记并生成审核报告

文件命名规则（百度文库）

命名模板

[专业领域] + [具体内容] + [文档类型] + [页数] + [年份]

示例

• 建筑工程_桩基施工技术_方案_35页_2026
• IT技术_Python编程入门_教程_50页_2026
• 企业管理_项目管理流程_规范_28页_2026

规则说明

1. 专业领域：工程/IT/管理/教育等
2. 具体内容：简短描述主题（不超过20字）
3. 文档类型：方案/规范/教程/报告/总结等
4. 页数：自动提取PPT页数
5. 年份：当前年份

文件结构

ppt-audit-cleaner/
├── SKILL.md                    # 本文件
├── scripts/
│   ├── audit_clean.py         # 主程序：敏感词检测与清洗
│   ├── rename_helper.py      # 文件名规范化工具
│   ├── workflow.ps1          # 自动化工作流主脚本
│   └── task-scheduler.ps1   # 定时任务配置脚本
└── data/
    ├── sensitive_words.txt    # 默认敏感词库
    └── baidu_wenku_rules.json # 百度文库规则配置

依赖安装

pip install python-pptx pandas jieba

输出说明

1. 清洗后的PPT文件

• 保存在输出目录
• 文件名按百度文库规则重命名
• 敏感词已清洗

2. 审核报告（JSON）

{
  "filename": "演示文稿.pptx",
  "total_slides": 35,
  "sensitive_words_found": ["关键词1", "关键词2"],
  "cleaned": true,
  "new_filename": "建筑工程_桩基施工_方案_35页_2026.pptx",
  "processing_time": "2.3s",
  "audit_issues": [
    "标题缺少专业关键词",
    "第5页文字少于5行"
  ]
}

3. 处理日志

• 保存为audit_log_YYYYMMDD_HHMMSS.txt
• 记录所有操作和错误信息

注意事项

1. 备份原文件：处理前请备份原始PPT
2. 人工复核：自动处理后的文件建议人工检查
3. 敏感词库更新：定期更新data/sensitive_words.txt
4. 文件名冲突：重命名时自动添加序号（如_1, _2）

版本历史

• v2.1 (2026-05-09): 更新百度文库审核规则（2026年5月版），新增广告检测、简介分类规则、合规性详细条款；优化重命名函数（从文件名提取主题、智能文档类型识别、控制字符清理）
• v2.0 (2026-05-05): 整合百度文库审核规则与自动化工作流
• v1.0 (2026-05-05): 初始版本，支持敏感词检测与清洗

参考文档

• 百度文库审核规则：D:\1052-os\skills\baidu-wenku-cleaner\docs\audit-rules.md
• 自动化工作流：D:\1052-os\skills\baidu-wenku-workflow\SKILL.md