表格数据清洗与规范化

解决的问题

处理运营、财务、行政等常见表格时，数据往往散落在多个 .xlsx、.csv、.tsv 文件里：日期格式混用、重复行、字段粘连、空值未标记、异常值影响后续分析。本技能适合在表头在首行、同一目录文件命名一致的前提下做确定性清洗，而不是做语义分析或可视化。

技能如何工作

技能围绕固定输入和输出流程：

• 批量读取：支持 .xlsx、.xls、.csv（UTF-8/GBK）、.tsv，可处理单表或多表批量文件。
• 字段提取：按分隔符或规则从组合列中拆出目标字段，例如从“姓名+身份证号”拆出生日期。
• 格式统一：将日期等字段标准化，如 2024/1/5 转为 2024-01-05。
• 去重与校验：删除全字段一致的重复行；标记缺失值，并识别负年龄、文本金额等异常。
• 结果输出：生成清洗后的新文件和清洗日志，记录每行处理结果与失败明细。

适用边界

它不理解自然语言语义，不能判断“张三”和“张 三”是否同一人，除非配置规则；不支持图片/PDF 表格、加密或损坏文件；如果表头不在首行，需要手动指定；不提供可视化、统计分析或自动决策。