fullwidth_halfwidth_normalizer 全角半角规范化Skill

功能概述

将文本中的全角 ASCII 字符（U+FF01-U+FF5E、U+3000）转换为半角形式，并支持可选的 Unicode 正规化处理。覆盖字母、数字、标点符号的全半角统一，中文专属标点（。、【】、《》等）不受影响。

触发条件

• 全角转半角
• 半角规范化
• 全半角统一
• 全角字母/数字/标点转换
• Unicode 正规化
• 中日韩混排文本清洗

输入文件格式

• CSV (.csv) / TSV (.tsv) / Excel (.xls, .xlsx) / SPSS (.sav)

使用方法

步骤1：获取用户输入输出路径

向用户确认：

1. 输入文件路径（需要处理的文件）
2. 输出文件路径（处理后的文件）
3. 可选：指定处理的文本列
4. 可选：Unicode正规化形式

步骤2：执行全角半角规范化脚本

在 scripts/ 目录下找到 fullwidth_halfwidth_normalizer.py，使用Python执行：

基本用法：

python scripts/fullwidth_halfwidth_normalizer.py \
    --input_path <输入文件> \
    --output_path <输出文件>

带可选参数：

python scripts/fullwidth_halfwidth_normalizer.py \
    --input_path <输入文件> \
    --output_path <输出文件> \
    --text_columns col1,col2 \
    --norm_form NFKC \
    --keep_newlines

步骤3：返回结果

脚本执行完成后，告知用户全角字符转换数量和输出文件路径。

核心参数说明

必需参数

参数	说明
--input_path	输入结构化文件路径
--output_path	输出规范化后文件路径

可选参数

--text_columns 指定规范化列，其他参数控制转换方向和字符范围。

参数说明

参数	必填	说明
--input_path	是	输入文件路径
--output_path	是	输出文件路径
--text_columns	否	处理的文本列，逗号分隔
--norm_form	否	NFC/NFD/NFKC/NFKD
--keep_newlines	否	保留换行符

输出示例

[OK] 全角/半角规范化完成 -> output.csv
   文本列: ['text']
   norm_form=无, keep_newlines=False

输入 ２０２４年，ＡＩ技术 → 输出 2024年,AI技术

环境要求

使用项目 Python 环境运行，依赖 pandas 和共享 data_io 读写工具。

注意事项

1. 仅转换 U+FF01-U+FF5E 范围内的全角 ASCII 字符和 U+3000 全角空格
2. 中文专属标点（。、【】、《》、——等）不受影响
3. NFKC 正规化会一并处理全角字符和其他兼容字符
4. 默认折叠换行为空格，使用 --keep_newlines 可保留