Communitygithub.com

Cargador de Dataset de Imágenes y Filtro de Subtítulos en Python

Módulo de Python para cargar imágenes y sus archivos de subtítulos asociados desde un directorio, filtrar imágenes según patrones de texto en los subtítulos con comodines y reglas de exclusión, y copiar los archivos coincidentes a una nueva ubicación.

¿Qué es Cargador de Dataset de Imágenes y Filtro de Subtítulos en Python?

Este skill define un módulo de Python para la gestión de datasets de imágenes, automatizando la carga, el filtrado y la copia de imágenes basándose en el contenido de sus subtítulos. Permite especificar tanto patrones de inclusión como de exclusión con soporte para comodines, lo que facilita la selección de imágenes que cumplen criterios textuales complejos (por ejemplo, buscar imágenes con el texto 'personaje de cómic' pero excluir aquellas que mencionen 'de fondo'). La funcionalidad está construida con bibliotecas estándar (os, shutil, re) y Pillow para el manejo de imágenes, asegurando robustez y portabilidad. Es especialmente útil para desarrolladores que trabajan en visión por computadora, generación de contenido o entrenamiento de modelos, donde es necesario filtrar grandes conjuntos de imágenes por descripciones textuales asociadas. Soporta los formatos de imagen más comunes (PNG, JPG, JPEG, WebP) y busca archivos de subtítulos con extensiones .txt o .caption.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/David-Li0406/meta-skill-evloving/tree/HEAD/AutoSkill/SkillBank/ConvSkill/english_gpt4_8/python-image-dataset-loader-and-caption-filter

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Cargador de Dataset de Imágenes y Filtro de Subtítulos en Python?

Módulo de Python para cargar imágenes y sus archivos de subtítulos asociados desde un directorio, filtrar imágenes según patrones de texto en los subtítulos con comodines y reglas de exclusión, y copiar los archivos coincidentes a una nueva ubicación.

Prompt

Rol y Objetivo

Eres un desarrollador de Python encargado de crear un módulo de gestión de datasets. El objetivo es cargar imágenes y sus subtítulos asociados desde un sistema de archivos, filtrar las imágenes basándose en reglas específicas de coincidencia de texto en los subtítulos y copiar los resultados a un nuevo directorio.

Preferencias de Comunicación y Estilo

  • Proporciona código Python completo y ejecutable.
  • Usa bibliotecas estándar (os, shutil, re) y Pillow (PIL) para el manejo de imágenes.
  • Asegura que el código sea robusto y maneje verificaciones de existencia de archivos.

Reglas y Restricciones Operativas

  1. Estructuras de Datos:

    • Define una clase Caption con un atributo caption (cadena).
    • Define una clase Image con atributos: image_file (cadena), width (entero), height (entero) y captions (Lista[Caption]).
  2. Carga de Imágenes (load_path) :

    • Acepta una ruta de directorio.
    • Itera a través de los archivos para encontrar imágenes (soporta extensiones comunes como .png, .jpg, .jpeg, .webp).
    • Usa Pillow para abrir imágenes y extraer width y height.
    • Para cada imagen, busca archivos de subtítulos con el mismo nombre base pero extensiones .txt o .caption. Carga el contenido de texto en objetos Caption.
    • Devuelve una lista de objetos Image.
  3. Lógica de Búsqueda en Subtítulos:

    • Usa dos listas separadas para el filtrado: include_patterns y exclude_patterns. NO uses un prefijo (como '-') para denotar exclusión; la separación de listas maneja eso.
    • Implementa regex_from_pattern(pattern) para convertir cadenas de búsqueda de usuario en cadenas regex válidas:
      • Escapa caracteres especiales de regex.
      • Trata * como un comodín que coincide con cualquier secuencia de caracteres (equivalente a .* en regex).
      • Si el patrón no comienza con *, antepone un límite de palabra (\b).
      • Si el patrón no termina con *, añade un límite de palabra (\b).
      • Maneja espacios dentro de los patrones para permitir la coincidencia de frases (por ejemplo, "personaje de cómic").
    • Implementa match_caption(caption, include_patterns, exclude_patterns):
      • Realiza coincidencia sin distinción de mayúsculas/minúsculas.
      • Si el subtítulo coincide con algún patrón en exclude_patterns, devuelve False inmediatamente.
      • Si include_patterns no está vacío, el subtítulo debe coincidir con al menos un patrón en include_patterns para devolver True.
      • Si include_patterns está vacío y ningún patrón de exclusión coincidió, devuelve True.
  4. Copia de Archivos:

    • Implementa una función para copiar los objetos Image coincidentes y sus archivos de subtítulos asociados a un directorio de destino especificado.
    • Crea el directorio de destino si no existe.
    • Mantén los nombres de archivo originales.

Anti-patrones

  • No uses un prefijo - para patrones de exclusión.
  • No coincidas subcadenas a menos que se usen comodines explícitamente (respeta los límites de palabra).
  • No asumas sensibilidad a mayúsculas/minúsculas; la coincidencia debe ser sin distinción.

Disparadores

  • cargar imágenes y subtítulos desde una ruta
  • filtrar imágenes por patrones de texto en subtítulos
  • buscar subtítulos con comodines y listas de exclusión
  • copiar imágenes y subtítulos coincidentes a una nueva carpeta
  • cargador de dataset de imágenes en python

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

David-Li0406/meta-skill-evloving

Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.

David-Li0406/meta-skill-evloving

Create technical diagrams using Mermaid syntax for architecture, sequences, ERDs, flowcharts, and state machines. Use for visualizing system design, data flows, and processes. Triggers: diagram, mermaid, architecture diagram, sequence diagram, flowchart, ERD, entity relationship, state diagram, C4 model, component diagram, visualize, draw.

David-Li0406/meta-skill-evloving

Comprehensive document creation, editing, and analysis with support for tracked changes, comments, formatting preservation, and text extraction. When Claude needs to work with professional documents (.docx files) for: (1) Creating new documents, (2) Modifying or editing content, (3) Working with tracked changes, (4) Adding comments, or any other document tasks

David-Li0406/meta-skill-evloving

Complete color manipulation and green screen effects system. PROACTIVELY activate for: (1) Green screen/chromakey removal, (2) Color grading with LUTs, (3) Color correction (levels, curves, white balance), (4) Colorkey/color removal effects, (5) Hue/saturation manipulation, (6) Color space conversions (BT.709, BT.2020, HDR), (7) Color isolation effects, (8) Teal and orange look, (9) Vintage/film looks, (10) Color keying for transparency. Provides: chromakey and colorkey filters, LUT application (lut3d), curves and levels adjustment, color balance, selective color manipulation, color space handling, HDR tone mapping, professional color grading chains.

David-Li0406/meta-skill-evloving

Convert files and office documents to Markdown. Supports PDF, DOCX, PPTX, XLSX, images (with OCR), audio (with transcription), HTML, CSV, JSON, XML, ZIP, YouTube URLs, EPubs and more.

David-Li0406/meta-skill-evloving

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

David-Li0406/meta-skill-evloving

Build with OpenAI's stateless APIs - Chat Completions (GPT-5, GPT-4o), Embeddings, Images (DALL-E 3), Audio (Whisper + TTS), and Moderation. Includes Node.js SDK and fetch-based approaches for Cloudflare Workers. Use when: implementing chat completions with GPT-5/GPT-4o, streaming responses with SSE, using function calling/tools, creating structured outputs with JSON schemas, generating embeddings for RAG (text-embedding-3-small/large), generating images with DALL-E 3, editing images with GPT-Image-1, transcribing audio with Whisper, synthesizing speech with TTS (11 voices), moderating content (11 safety categories), or troubleshooting rate limits (429), invalid API keys (401), function calling failures, streaming parse errors, embeddings dimension mismatches, or token limit exceeded.

David-Li0406/meta-skill-evloving

Comprehensive PDF manipulation toolkit for extracting text and tables, creating new PDFs, merging/splitting documents, and handling forms. When Claude needs to fill in a PDF form or programmatically process, generate, or analyze PDF documents at scale.

David-Li0406/meta-skill-evloving

Presentation creation, editing, and analysis. When Claude needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying or editing content, (3) Working with layouts, (4) Adding comments or speaker notes, or any other presentation tasks

David-Li0406/meta-skill-evloving

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

David-Li0406/meta-skill-evloving

Download YouTube videos with customizable quality and format options. Use this skill when the user asks to download, save, or grab YouTube videos. Supports various quality settings (best, 1080p, 720p, 480p, 360p), multiple formats (mp4, webm, mkv), and audio-only downloads as MP3.

David-Li0406/meta-skill-evloving

Best practices for Remotion - Video creation in React

David-Li0406/meta-skill-evloving

Provides bidirectional translation (Chinese/English), grammar checking, and sentence polishing. Supports specific tense constraints, context-aware tone adjustment, and natural expression optimization. Outputs direct text without formatting.

David-Li0406/meta-skill-evloving

指导如何通过自定义注解(如@Unicom)标识Dubbo接口,利用BeanDefinitionRegistryPostProcessor在启动时扫描并动态注册ReferenceBean,实现RPC调用的封装。

David-Li0406/meta-skill-evloving

生成Python脚本,利用FFmpeg将图片序列按3x3布局合并,或将合并图拆分。要求使用subprocess模块执行命令,并支持用户交互式输入路径。

David-Li0406/meta-skill-evloving

SOP for extracting and analyzing promotional activity details, handling time formatting, location mapping, payment logic, and step-by-step process validation.

David-Li0406/meta-skill-evloving

Specializes in creating TikTok short video scripts using an anthropomorphic 'Chef' perspective to explain wildlife food chains and survival environments, utilizing real field footage.

David-Li0406/meta-skill-evloving

针对TikTok平台,以拟人化视角(如动物作为厨师)创作系列短视频脚本。重点介绍野生动物、食物链及生态环境,要求使用野外实拍素材,风格幽默且具有教育意义。

David-Li0406/meta-skill-evloving

Generates KWL (Know, Want to know, Learned) charts for educational videos, specifically BrainPOP, using simple 7th-grade language and short, concise bullet points.

David-Li0406/meta-skill-evloving

Tracks complex, multi-session work using the Beads issue tracker and dependency graphs, and provides persistent memory that survives conversation compaction. Use when work spans multiple sessions, has complex dependencies, or needs persistent context across compaction cycles. Trigger with phrases like "create task for", "what's ready to work on", "show task", "track this work", "what's blocking", or "update status".

Skills relacionados