Dataset Cleaner & Exporter

数据集清理器和导出器（远程 MCP 服务）

一次工具调用即可对杂乱的 JSON 行去重、展平并清理。 将抓取工具、CRM 导出或 API 返回的行列表交给它，即可获得整洁、可直接用于电子表格的行（或 CSV 文本），以及关于合并内容和原因的准确记录。

专为 AI Agent 打造。无需安装、API 密钥或注册。通过 URL 连接并调用即可。

https://dataset-cleaner-exporter.nerolabs.workers.dev/mcp

早期体验期间可免费使用。

功能

一次调用会按以下顺序运行固定的处理流程：

1. 展开（可选）一个数组字段，例如 offers 或 variants，将其拆分为每个条目一行，并重复其他字段。
2. 展平嵌套对象为列：address.city 会变成 address_city。数组仍保留为单个 JSON 文本单元格。
3. 清理每个值：去除文本首尾空格，将有效邮箱地址转换为小写，将电话号码精简为数字（保留开头的 +），将 URL 主机名转换为小写并移除末尾斜杠；还可选择去除 HTML，并将 "42" 和 "true" 转换为真正的数字和布尔值。空白文本会变为 null。
4. 保留、移除或重命名列。
5. 按指定字段或整行进行去重：精确匹配、规范化匹配（忽略大小写和空格，默认模式）或模糊匹配（近似重复项）。保留信息最完整的行。

结果是确定性的，不涉及 AI，也不会猜测。无法可靠识别的值，例如邮箱列中的 "not-an-email"，会原样保留。摘要会告知输入行数、移除的重复项数量、输出行数、每列的完整程度，并在需要检查时发出警告，例如去重键为空的行会原样保留，不会彼此合并。

工具

工具	功能
list_capabilities	列出确切的清理规则、去重模式、保留策略、步骤顺序和限制。不处理任何数据。
clean_rows	对你传入的行运行处理流程，并返回清理后的行（或 CSV 文本）及摘要。

连接

Claude Code

claude mcp add --transport http dataset-cleaner-exporter https://dataset-cleaner-exporter.nerolabs.workers.dev/mcp

Claude Desktop / claude.ai： 前往 Settings、Connectors、Add custom connector，然后粘贴上面的 URL。

Cursor、Windsurf、VS Code 和其他 MCP 客户端

{
  "mcpServers": {
    "dataset-cleaner-exporter": {
      "url": "https://dataset-cleaner-exporter.nerolabs.workers.dev/mcp"
    }
  }
}

示例

输入五行杂乱的潜在客户数据，其中两行重复，但大小写和空格不同：

{
  "rows": [
    {"company": "  Acme Corp  ", "email": "[email protected]", "phone": "+1 (555) 123-4567", "website": "HTTPS://Acme.com/", "address": {"city": "Austin", "state": "TX"}},
    {"company": "Acme Corp", "email": "[email protected] ", "phone": "555.123.4567", "website": "https://acme.com", "address": {"city": "Austin", "state": ""}},
    {"company": "Globex Inc", "email": " [email protected]", "phone": "+1 555 987 6543", "website": "https://globex.io/", "address": {"city": "Denver", "state": "CO"}, "notes": "<b>Hot</b> lead &amp; ready"},
    {"company": "globex inc", "email": "[email protected]", "phone": "", "website": "", "address": {"city": "Denver", "state": "CO"}},
    {"company": "Initech", "email": "[email protected]", "phone": "(555) 010-0199", "website": "http://www.INITECH.com/about/", "address": {"city": "Dallas", "state": "TX"}}
  ],
  "dedupKeys": ["email"],
  "stripHtml": true
}

输出三行整洁的数据。每组重复项都保留了信息更完整的行：

{
  "rows": [
    {"company": "Acme Corp", "email": "[email protected]", "phone": "+15551234567", "website": "https://acme.com", "address_city": "Austin", "address_state": "TX"},
    {"company": "Globex Inc", "email": "[email protected]", "phone": "+15559876543", "website": "https://globex.io", "address_city": "Denver", "address_state": "CO", "notes": "Hot lead & ready"},
    {"company": "Initech", "email": "[email protected]", "phone": "5550100199", "website": "http://www.initech.com/about", "address_city": "Dallas", "address_state": "TX"}
  ],
  "summary": {
    "inputRowCount": 5,
    "rowsAddedByExpansion": 0,
    "duplicatesRemoved": 2,
    "droppedByMaxItems": 0,
    "outputRowCount": 3,
    "dedupModeUsed": "normalized",
    "columns": ["company", "email", "phone", "website", "address_city", "address_state", "notes"],
    "fillRates": {"company": 1, "email": 1, "phone": 1, "website": 1, "address_city": 1, "address_state": 1, "notes": 0.333},
    "warnings": []
  }
}

添加 "outputFormat": "csv"，即可获得相同结果的 CSV 文本，可直接保存为文件。

限制

• 每次调用最多 150 行，按数组展开后的行数计算。处理更大的列表时，请拆分为多次调用。超出限制时会返回明确提示，而不会静默失败。
• 模糊去重会比较每一对行，因此最多可处理 100 行，且键文本总长度不超过 1,000 个字符。在 dedupKeys 中指定一个较短的字段，例如公司名称。超出限制时会改用规范化匹配，并在警告中说明。
• 行以内联 JSON 形式传入。输出为 JSON 行或 CSV 文本；不提供 Excel 文件。

隐私

你的行数据会在内存中处理，绝不会存储。为查看使用了哪些工具，每次调用都会记录工具名称、行数、是否成功、应用报告的客户端名称、国家/地区和经过单向哈希处理的调用方 ID。日志绝不会保存你的数据、参数或 IP 地址。

另有提供

同一引擎也在 Apify Store 上以 Dataset Cleaner & Exporter 的形式提供；它还可读取 Apify 数据集、CSV、Excel 和 JSON 文件 URL 以及 Google Sheets，每次运行最多处理 100,000 条记录，导出可实际下载的 CSV 和 Excel 文件，追加到跨计划任务运行累积的命名数据集中，并在运行结束时将结果推送到 webhook。

由 Nero Labs 打造。