扣子轻量级数据清洗与特征值提取Python插件编写指南-人工智能-PHP中文网

扣子机器人中可通过自研插件实现轻量级数据清洗：基于coze-plugin-sdk开发clean_text插件，支持字符串/字典输入的空格清理、手机号正则提取、dateutil自动解析日期、jieba分词匹配地址品牌，并严格按plugin.yaml定义i/o schema。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

扣子轻量级数据清洗与特征值提取python插件编写指南

你需要在扣子（Coze）机器人中快速处理用户提交的原始文本或表格数据，比如去除空格、提取手机号、识别日期格式、标准化地址字段——但又不想调用外部API或部署完整ETL服务。

准备开发环境与基础插件结构

安装 Python 3.9+ 和 coze-plugin-sdk（v0.3.0+），创建 plugin.yaml 文件定义插件元信息。

执行 coze-plugin init --name clean_text，自动生成目录结构：plugin.yaml、main.py、requirements.txt。

修改 plugin.yaml 中 【type: function_call】，确保插件可被 Bot 直接调用；若设为 web_api，则无法在工作流中作为节点使用。

编写核心清洗逻辑函数

在 main.py 中定义 clean_data 函数，接收 input 字段（str 或 dict），返回标准化后的 dict。

对字符串输入：先 strip() 去首尾空白，再用 re.sub(r'\s+', ' ', text) 合并中间多余空格——不这样做会导致后续分词错位或地址拼接异常。

对字典输入：遍历 key，对 value 类型做分支处理——字符串走清洗链，数字保留原值，列表则递归清洗每个元素。

Python 3.14.2

Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。

下载

提取常用特征值的三种方法

方法一：正则硬匹配（适合结构化强的数据）
用 re.findall(r'1[3-9]\d{9}', text) 提取手机号；注意必须加 r 前缀，否则 \d 不会被识别为数字符。

方法二：dateutil.parser 自动识别（适合自然语言日期）
from dateutil import parser → parser.parse("昨天下午3点", default=datetime.now()) → 返回 datetime 对象；【default 参数不可省略，否则遇到“下周三”会抛 ValueError】。

方法三：jieba 分词 + 实体关键词过滤（适合地址/品牌名提取）
先 jieba.lcut(text)，再比对预置词表（如 ['北京市', '朝阳区', '苹果']），命中即加入 features['location'] 或 features['brand']；这一步不能依赖 TF-IDF，轻量级场景下规则匹配更快更稳。

配置插件输入输出 Schema

第一步：在 plugin.yaml 的 inputs 下声明：
　　- name: input
　　　type: string
　　　required: true
　　　description: "原始文本或 JSON 字符串"

第二步：outputs 定义清晰字段：
　　- name: cleaned_text
　　　type: string
　　- name: phone_numbers
　　　type: array
　　　items: { type: string }
　　- name: extracted_date
　　　type: string
　　　format: date-time

第三步：确保 outputs 中每个字段名与 main.py 返回 dict 的 key 完全一致，大小写敏感，否则 Bot 解析时字段丢失。