/law-to-markdown

name: law-to-markdown
description: 律师助理与法律助手在处理繁杂法条时，当需要将 PDF/Word/TXT 格式的法律规范文件转为结构化 Markdown 时适用。自动完成 OCR 解析、法律层级识别与三阶段保真校验，一键生成排版完美的法条 Markdown 文档及审核报告，让法律文本数字化工作事半功倍。

Law To Markdown

处理规则

1. 输入为 `.txt`：直接转存为 `.md`。 2. 输入为 `.pdf` / `.docx`：

• 先检查是否已安装 `mineru-ocr` skill。
• 未安装：提示先安装 `mineru-ocr`，安装地址：

`https://github.com/cat-xierluo/legal-skills/tree/main/skills/mineru-ocr`

• 已安装：优先调用 `mineru-ocr` 处理。
• 调用失败：先提示检查 `mineru-ocr` 配置/Token。
• 仅当用户明确同意时，才使用本地回退（`python-docx` / `pdfplumber`）。

3. 第一阶段完成后默认执行第二阶段格式调整（仅格式，不改原文字符）：

• 由调用该 skill 的大模型先判断“法律/非法律”，并把结果传给脚本。
• 若调用方未传结果，则脚本使用硬规则自动识别（`--law-decision auto`）。
• 法律名称 `#`
• 编/分编 `##`
• 章 `###`
• 节 `####`
• 条 `#####`（仅“第X条”为标题；`第X条【条标】`整行为标题不拆）
• 款/项/目无标题
• 项、目按标记换行
• 清理多余空格：去行尾空格、去行首 ASCII 空格、去正文行首全角缩进、规范标题后的空格

4. 若识别为明显非法律文本（如 GB/标准类文档），第二阶段明确拒绝：`Stage2: rejected (non-law-document)`。 5. 若第二阶段未识别法律结构或保真校验失败，则自动 no-op，不改文本。 6. 默认执行第三阶段检查（双子阶段，硬门槛）：

• Stage3-A：校验 `stage2` 相对 `stage1` 的文字内容准确性（去标题符号与空白后字符流必须一致）
• Stage3-B：校验结构效果（结构层级、条标题规则、非法律策略、空格规范、项/目换行）
• 任一失败触发自动重走，最多 2 次；仍失败默认报错退出

二阶段识别参数

• `--law-decision law`：调用方已判定为法律文本，直接按法律结构优化。
• `--law-decision non-law`：调用方已判定为非法律文本，阶段二直接拒绝。
• `--law-decision auto`：不传判定时的默认模式，使用脚本内硬规则。

三阶段参数

• `--skip-stage3-check`：跳过第三阶段检查（默认不跳过）。
• `--stage3-max-retries`：失败后自动重走次数，默认 `2`。
• `--stage3-strict` / `--no-stage3-strict`：
• 默认严格模式（失败即报错退出）
• 非严格模式仅输出报告，不阻断流程
• `--artifact-level minimal|standard|debug`：
• `minimal`（默认）：面向交付，输出最少
• `standard`：保留过程文件（`stage1/stage2/stage3-check`）便于排查
• `debug`：保留全部过程产物（包含调试信息）

输出规则

• 默认输出到输入文件同目录的 `markdown/` 子目录，并按输入文件名创建独立目录：
• `markdown/<文件名>/`
• 默认（`--artifact-level minimal`）输出：
• `<原文件名>+审核报告.md`（详细过程和结论）
• `<原文件名>+最终成果.md`（仅法律文本且审核通过时生成）
• 非法律文档（如 GB/标准类）：
• 结论为“拒绝处理”
• 仅输出 `<原文件名>+审核报告.md`
• 不输出 `<原文件名>+最终成果.md`
• 审核未通过时会自动保留过程文件用于排查：
• `<文件名>.stage1.md`
• `<文件名>.stage2.md`
• `<文件名>.stage3-check.md`
• 若需更多产物可切换：
• `--artifact-level standard`：保留 `stage1/stage2/stage3-check`
• `--artifact-level debug`：保留全部调试产物
• 可通过命令参数指定 `--out` 或 `--out-dir`。

常用命令

python3 law-to-markdown/scripts/law_to_markdown.py "input.txt"
python3 law-to-markdown/scripts/law_to_markdown.py "input.docx"
python3 law-to-markdown/scripts/law_to_markdown.py "input.pdf"

用户明确同意回退时：

python3 law-to-markdown/scripts/law_to_markdown.py "input.docx" --allow-fallback
python3 law-to-markdown/scripts/law_to_markdown.py "input.pdf" --allow-fallback