# Ppt Audit Cleaner

> PPT审核清洗工具 - 批量处理PPT，敏感词检测，百度文库规则重命名，集成自动化工作流

- Skill: `whb786200/ppt-audit-cleaner` (Agent Skill, multi-file: 12 files)
- Install (CLI): `npx skillmds@latest add whb786200/ppt-audit-cleaner`
- Raw SKILL.md: https://api.skillmd.com/api/skills/whb786200/ppt-audit-cleaner/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Security
- Author: whb786200 (https://skillmd.com/u/whb786200)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/whb786200/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

| 技巧 | 通过率提升 |
|------|-----------|
| PDF格式（文字层完整） | +30% |
| 标题含专业关键词+年份+页数 | +20% |
| 填写简介 | +15% |
| 去除水印和品牌标识 | +15% |
| 脱敏处理（姓名/电话/企业名） | +10% |
| 内容含图表/数据/案例 | +10% |

---

## 使用方法

### 1. 批量审核清洗整个文件夹
```bash
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
```bash
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）
```bash
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
```bash
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

| 时间 | 任务 | 说明 |
|------|------|------|
| **07:30** | 📤 上传文档 | 从待上传文件夹自动上传到百度文库 |
| **全天** | 🗑️ 清理未通过 | 持续删除未通过文档，腾出空间 |
| **18:30** | ✨ PPT清洗美化 | 根据审核规则美化PPT，确保明天有内容上传 |

### 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
```powershell
# 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）
```powershell
& "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
| 方式 | 说明 | 适用场景 |
|------|------|----------|
| 替换 | 用`***`替换敏感词 | 保留结构 |
| 删除 | 直接删除整段 | 敏感内容较多 |
| 标记 | 标记为`[需审核]` | 人工复核 |

### 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

```bash
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）
```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`