/legal-text-format

name: legal-text-format
homepage: https://github.com/cat-xierluo/legal-skills
author: 杨卫薪律师（微信ywxlaw）
version: "1.2.3"
license: CC-BY-NC
description: 将法律文本（法律条文或法律案例）转换为规范的 Markdown 格式，删除推广冗余信息。本技能应在用户需要处理法律条文（如民法典、刑法等）、整理法律案例（如最高法典型案例、裁判文书等）、或从粘贴文本中格式化法律文档时使用。注意：本技能只负责格式化和内容清理，不包含内容抓取能力。内容获取应由其他 skill（如 wechat-article-fetch）完成，AI 会自动判断技能协作顺序。内置 archive 机制，所有结果自包含存储在 skill 目录内。

法律文本格式化工具

概述

将法律文本（法律条文或法律案例）转换为规范的 Markdown 格式，删除推广冗余信息，自动识别文本类型并应用相应的格式化规则。

**核心职责**：只负责格式化和内容清理，不包含内容抓取能力。

与其他技能的协作

典型工作流程

**场景：用户请求格式化网页上的法律文本**

用户请求 → AI 判断来源 → 抓取类 skill 获取内容 → legal-text-format 格式化

示例流程：

1. 用户提供微信公众号链接 → AI 使用 `wechat-article-fetch` 抓取 → AI 调用 `legal-text-format` 格式化 2. 用户提供普通网页链接 → AI 使用其他工具抓取 → AI 调用 `legal-text-format` 格式化 3. 用户直接粘贴文本 → AI 直接调用 `legal-text-format` 格式化

**技能职责边界**：

• `wechat-article-fetch` / 其他抓取工具：负责从各种来源获取原始文本内容
• `legal-text-format`：负责对已获取的文本进行格式化和清理

核心原则

**内容完整性保证**：除格式调整和去除推广内容外，所有法律案例和法条的实质内容必须完整保留，不得有任何遗漏！

工作流程

步骤 1：分析文本类型

使用 LLM 分析输入文本：

• 判断是法律条文还是法律案例
• 识别文本结构特征（章节、条款、案号等）
• 确定适合的格式化策略
• 提取主题用于文件命名

**分析提示词参考**：

分析以下文本，判断其类型：
- 如果是法律条文：识别章、节、条的结构
- 如果是法律案例：识别案例标题、案号、案情、裁判结果、典型意义等
- 提取主题用于文件命名

步骤 2：保存原始内容

将输入的原始内容保存为本地 Markdown 文件：

• 文件位置：`archive/{YYYYMMDD_HHMMSS}_{主题}/`
• 文件命名：`{YYYYMMDD}_{主题}_raw.md`
• 目的：提供溯源依据，便于内容比对验证

**归档目录结构示例**：

archive/20250122_153400_个人信息保护检察公益诉讼典型案例/
├── 20250122_个人信息保护检察公益诉讼典型案例_raw.md      # 原始内容
├── 20250122_个人信息保护检察公益诉讼典型案例_formatted.md # 格式化后的内容（步骤4生成）
└── meta.json                                              # 元信息（可选）

步骤 3：格式化文本

**重要**：一次性处理完整文本，不进行分段。

**格式化提示词**（参考 [examples.md](references/examples.md) 中的详细示例）：

请将以下法律文本格式化为规范的 Markdown 格式。

# 法律条文格式化规则
- 章前面添加二级 markdown 格式（##）
- 不同条文之间添加空行
- 每一条条文内部换行时不应有多余空行
- "第X条"进行加粗（**第X条**）
- 如果一段文字的最后没有句号或分号，则删除后方的回车
- 保持所有条文内容完整，不得遗漏任何条款

# 法律案例格式化规则
- 把英文标点符号替换成中文标点符号（包括括号、逗号、句号、冒号、分号等）
- 案例序号或名称前添加二级 markdown 格式（##），序号后要紧跟案例名称
- 每个案例的章节前添加三级 markdown 格式（###）
- 每个案例的章节内部不应有大于1个的空行（连续换行数不超过2个）
- 清理多余的连续空行，保持段落间适当的分隔
- 把数字格式调整为半角
- 内容范围限定：
  - 仅保留从第一个案例到最后一个案例的内容
  - 删除前面的文章介绍、作者信息、引言、目录等
  - 删除底部的宣传推广内容、二维码、公众号介绍、相关文章推荐等
  - 保留标准：只保留案例标题、案号、基本案情、裁判结果、典型意义等法律案例本身的内容
- 保持所有案例实质内容完整，包括案情、裁判、意义等所有部分

# 参考示例
详见 references/examples.md 文件，其中包含4个完整的格式化示例。

法律条文格式化规则摘要

• 章前面添加二级 markdown 格式（`##`）
• 不同条文之间添加空行
• 每一条条文内部换行时不应有多余空行
• "第X条"进行加粗（`**第X条**`）
• 如果一段文字的最后没有句号或分号，则删除后方的回车
• 保持所有条文内容完整，不得遗漏任何条款

法律案例格式化规则摘要

• 把英文标点符号替换成中文标点符号
• 案例序号或名称前添加二级 markdown 格式（`##`），序号后要紧跟案例名称
• 每个案例的章节前添加三级 markdown 格式（`###`）
• 每个案例的章节内部不应有大于1个的空行（连续换行数不超过2个）
• 清理多余的连续空行，保持段落间适当的分隔
• 把数字格式调整为半角
• **内容范围限定**：
• **仅保留**从第一个案例到最后一个案例的内容
• **删除前面**的文章介绍、作者信息、引言、目录等
• **删除底部**的宣传推广内容、二维码、公众号介绍、相关文章推荐等
• **保留标准**：只保留案例标题、案号、基本案情、裁判结果、典型意义等法律案例本身的内容
• 保持所有案例实质内容完整，包括案情、裁判、意义等所有部分

步骤 4：保存

保存格式化后的文档：

• 文件位置：`archive/{YYYYMMDD_HHMMSS}_{主题}/`
• 文件命名：`{YYYYMMDD}_{主题}_formatted.md`
• 与 `raw.md` 保存在同一归档目录下

确定性脚本的保守边界

使用 `python3 scripts/format_legal_cases.py 输入.md 输出.md 法院名称 原文URL 文档标题` 处理案例文本。脚本仅需 Python 3 标准库；不联网、不调用模型，也不负责法条结构识别或语义核验。

• 先按工作流程保存原始内容；完成后将结果与原文比对。
• 不按日期、首个案例词、空段位置或固定字数裁切正文。函数调用方只有显式传入 `keep_from_marker` 才可指定前缀裁切点；CLI 默认保留前缀，含糊的介绍与推广文本留待人工确认。
• 只清理已识别的完整文末来源/结束标记及紧随其后的已知推广行；正文中的来源、联系等词、引用行和证据图片保留。无法判断是否属于页脚时保留，不能将脚本输出当作已完成语义清理的证明。
• 保留案例序号、小数、千分位、URL、邮箱、Markdown 链接与行内代码语法；围栏代码/证据块按原文保留；普通正文标点仍按中文排版规则调整，普通正文数字仍按既有规则转半角。
• 不保证解析任意嵌套 Markdown 或识别所有推广版式。对有歧义的边界及证据引文人工复核，不补写、摘要或省略案例内容。

回归检查：`python3 -m unittest discover -s scripts/tests -v`。测试只使用虚构案例，不能替代真实文书的完整性核验。

参考文档

格式化示例

详细的格式化示例和对比请参见 [examples.md](references/examples.md)，包含：

• 4个完整的法律案例格式化示例
• 每个示例包含原始文本和格式化后的对比
• 格式化要点总结（标点符号处理、标题层级、空行处理、内容范围等）

准确性要求

• **不改变原文含义**：格式调整不得改变法律文本的原意
• **保留关键信息**：案号、法院名称、当事人等关键信息必须保留
• **序号保持**：案例序号、条文序号不得修改

输出文档结构

归档目录组织

所有格式化结果按时间戳归档存储：

archive/
├── {YYYYMMDD_HHMMSS}_{文档主题}/
│   ├── {YYYYMMDD}_{主题}_raw.md        # 原始抓取内容
│   ├── {YYYYMMDD}_{主题}_formatted.md  # 格式化后的内容
│   └── meta.json                       # 元信息（可选）

**命名规则**：

• **目录名**：`{YYYYMMDD_HHMMSS}_{主题}`（例：`20250122_153400_个人信息保护典型案例`）
• **文件名**：
• 原始文件：`{YYYYMMDD}_{主题}_raw.md`（例：`20250122_个人信息保护典型案例_raw.md`）
• 格式化文件：`{YYYYMMDD}_{主题}_formatted.md`（例：`20250122_个人信息保护典型案例_formatted.md`）
• **主题限制**：从文本中提取的核心主题，限制30字以内
• **日期格式**：`YYYYMMDD`（例：20250122）

formatted.md 内容结构

# {文档标题}

## 元信息
- **原文链接**：{从原始文件的 `> 原文链接:` 行提取，无则省略此行}
- **处理时间**：{时间戳}
- **文本类型**：{法律条文/法律案例}

---

{格式化后的正文内容}

**原文链接提取规则**：当输入来自 `wechat-article-fetch` 时，原始 Markdown 文件头部包含 `> 原文链接: https://mp.weixin.qq.com/s/xxxxx`，必须提取该 URL 写入元信息的"原文链接"字段。

质量标准

• **标点符号统一**：所有标点符号使用中文标点
• **数字格式统一**：数字使用半角字符
• **层级结构清晰**：正确使用二级、三级标题
• **空行规范**：段落间空行适当，不过多也不缺失
• **内容完整性**：保留所有法律相关内容，去除无关推广信息

适用场景

• 整理法律条文汇编
• 规范化法律案例集
• 准备法律学习材料
• 建立法律文本知识库
• 清理从网页抓取的法律文本

输入要求

本技能接受以下类型的输入：

1. **已抓取的文本内容**：由其他 skill（如 wechat-article-fetch）获取的文本 2. **用户粘贴的文本**：用户直接提供的文本内容 3. **本地文件**：已保存的 Markdown/文本文件

**不接受**：网页链接（链接应由专门的抓取类 skill 处理）

来自 wechat-article-fetch 的自动调用

当 `wechat-article-fetch` 检测到法律内容且本技能已安装时，会自动链式调用本技能。此时输入为已保存的 Markdown 文件路径。处理流程不变：

1. 读取指定路径的 Markdown 文件内容作为输入 2. 按步骤 1-4 执行（分析类型、保存原始、格式化、验证） 3. 结果保存到本技能的 `archive/` 目录 4. 文件路径记录在 formatted.md 元信息的"来源"字段中