أدوات النص واليومية · مجموعة أدوات النص
القطع، وإلغاء التكرار، والفرز: سبب أهمية ترتيب خطوات تنظيف النص
· لماذا يهم
تنظيف النص خطوط مكررة فرز
لا يتم تكرار السطرين اللذين يختلفان بمسافة زائدة فقط حتى تقوم بقصهما؛ يشرح هذا المنشور سبب كون القطع → إزالة فارغة → إزالة التكرارات → الفرز هو الترتيب الصحيح وكيفية التحقق من كل خطوة باستخدام الأعداد.
قائمة إلغاء التكرارات التي لا تزال تحتوي على نسخ مكررة - كيف تهزم مسافة زائدة غير مرئية عملية إلغاء التكرار الساذجة
يقوم سكرتير العضوية بدمج ثلاث عمليات تصدير للتسجيل ولا يزال يرى إدخالين لنفس العنوان بعد اختيار إزالة التكرارات. ينتهي أحد السطرين مباشرة بعد العنوان، بينما يحمل الآخر مسافة زائدة منسوخة من خلية جدول بيانات. تبدو متطابقة على الشاشة، لكن المقارنة تتلقى سلسلتين مختلفتين، لذلك يبقى كلاهما على قيد الحياة.
يمكن أن يؤدي تشغيل نفس أزرار التنظيف بترتيب آخر إلى إخفاء عدم التطابق هذا بدلاً من حله. قد يؤدي الفرز أولاً إلى وضع النسخ شبه المكررة معًا للمراجعة المرئية، ولكنه لا يجعلها متساوية. التسلسل الذي يمكن الاعتماد عليه هو تسوية حواف الخطوط، وتجاهل الخطوط التي لا تحتوي على محتوى، وإزالة التكرارات الدقيقة، والفرز فقط بعد تحديد أن ترتيب المصدر ليس له أي معنى.
الخطوة الأولى، قص الخطوط - إزالة المسافات البيضاء البادئة واللاحقة بحيث تصبح الإدخالات المتطابقة متطابقة
ابدأ بخطوط القطع. يقوم التنفيذ بتقسيم النص عند CRLF، أو LF أو فواصل أسطر CR المنفردة، وتطبيق JavaScript على كل سطر، وربط الأسطر مرة أخرى باستخدام LF. تختفي المسافة البيضاء البادئة واللاحقة من كل صف، لذا يصبح ` member@example.test ` و`member@example.test` نفس النص تمامًا قبل بدء اكتشاف التكرارات.
يعتبر التشذيب أضيق بشكل متعمد من إصلاح النص العام. ولا يغير التباعد داخل الاسم، ولا يقوم بإصلاح الأحرف الكبيرة أو يقرر أن عنوانين مكتوبين بشكل مختلف ينتميان إلى شخص واحد. هذا التقييد يجعل هذا التمرير الأول قابلاً للمراجعة: يتم تغيير المسافة البيضاء على حافة السطر فقط، بينما يظل كل حرف مرئي في الإدخال متاحًا للسكرتير لفحصه.
الخطوة الثانية، إزالة الأسطر الفارغة - لماذا يجب أن تظهر الأسطر الفارغة قبل الفرز، وليس بعده
بعد ذلك اختر إزالة الأسطر الفارغة. يعتبر السطر فارغًا عندما يؤدي قصه إلى إنتاج سلسلة فارغة، لذا تختفي الصفوف التي تحتوي على مسافات أو علامات جدولة مع الصفوف الفارغة بشكل واضح. يؤدي القيام بذلك قبل الفرز إلى منع نقل الإدخالات الفارغة إلى أحد أطراف القائمة والخطأ في أنها مخرجات غير مفسرة من عملية الفرز.
يوضح هذا التمرير الثاني أيضًا التهم اللاحقة. يعد الفاصل الفارغ بين القوائم الثلاث المستوردة مفيدًا أثناء تجميع المصدر، ولكنه ليس سجل عضو. بمجرد دمج القوائم ولم تعد حدودها ذات أهمية، فإن إزالة تلك الفواصل تجعل كل سطر متبقي يتوافق مع إدخال واحد في قائمة المرشحين يمكن مقارنته.
الخطوة الثالثة، إزالة التكرارات - يبقى التواجد الأول، وتختفي النسخ اللاحقة، ولا يتغير ترتيب ما تبقى
الآن قم بتشغيل إزالة التكرارات. باستخدام الإعدادات الافتراضية للزر، تكون المقارنة حساسة لحالة الأحرف ولا تقوم بإجراء قص آخر. تنتقل الوظيفة من أعلى إلى أسفل، وتخزن كل سطر تراه، وتحتفظ بالتكرار الأول وتتخطى كل تطابق تام لاحق. ولذلك يظل الترتيب النسبي لجميع الخطوط المحتجزة كما هو بعد هذه العملية.
يعد الاحتفاظ بالنسخة الأولى مهمًا عندما يحمل أمر المصدر تفضيلًا ضعيفًا، مثل وضع تصدير التسجيل الأساسي قبل القوائم التكميلية. ولا يدمج التفاصيل من الصفوف المتنافسة، ويظل `Alex@example.test` مختلفًا عن `alex@example.test`. قم بمراجعة هذه الاختلافات يدويًا بدلاً من افتراض أن كل تغيير في الحالة يعد تطبيعًا غير ضار للهوية.
الخطوة الرابعة، الفرز - فقط إذا كان الترتيب غير مهم، لتسهيل فحص النتيجة
قم بالفرز فقط بعد تسوية التكرارات، وفقط عندما يكون العرض الأبجدي أكثر قيمة من ترتيب الاستيراد. يقوم الترتيب من A إلى Z بنسخ الأسطر ومقارنتها مع لغة المتصفح، مع تمكين الحساسية غير الحساسة لحالة الأحرف والمقارنة الرقمية. وبالتالي يمكن للإدخالات التي تحتوي على أرقام أن تتبع ترتيبًا رقميًا طبيعيًا بدلاً من تسلسل بسيط لكل حرف على حدة.
وصف المخطط التفصيلي الفرز باعتباره وسيلة مساعدة سهلة للمسح فقط، ولكن التنفيذ له سلوك مقارنة محدد يستحق التسجيل. يمكن أن تعتمد النتائج على لغة المتصفح، وقد تحتفظ متغيرات الحالة ذات المظهر المتساوي بالموضع النسبي المعتمد على التنفيذ. إذا كان ترتيب القائمة يسجل وقت الوصول أو الأولوية أو حالة التصويت، فتخطى الفرز واحتفظ بالتسلسل المكرر.
الخطوة الرابعة، الفرز باستخدام المقارنة الرقمية وغير الحساسة لحالة الأحرف والإعدادات المحلية، ولكن فقط عندما يكون ترتيب المصدر قابلاً للتصرف
استخدم عدد الخطوط المباشرة كفحص جاري، وليس كدليل على أن كل شخص متبقٍ فريد من نوعه. سجل العد بعد اللصق الأولي، وبعد إزالة السطر الفارغ، وبعد إزالة التكرارات. التشذيب عادة يترك العدد دون تغيير؛ الفراغات تقللها بعدد الصفوف المهملة؛ يؤدي إلغاء البيانات المكررة إلى تقليل عدد النسخ الدقيقة اللاحقة.
يؤدي فاصل الأسطر اللاحقة إلى إنشاء سطر فارغ نهائي لأن تقسيم الأسطر يحافظ على النص بعد هذا الفاصل. قد يؤدي هذا إلى جعل عدد البداية يبدو أعلى من المتوقع حتى يتم تشغيل إزالة الأسطر الفارغة. قارن بين صفوف القائمة الفعلية بالإضافة إلى الرقم، حيث لا يزال من الممكن أن يشير إدخالان مختلفان إلى شخص واحد ويمكن لعنوان مشترك متطابق أن يمثل شخصين.
تحقق من عدد الأسطر مع تذكر أن فاصل الأسطر اللاحق يؤدي إلى إنشاء سطر نهائي فارغ
لنفترض أن المصدر الأول يحتوي على `Mina@example.test`، والمصدر الثاني يحتوي على نفس العنوان متبوعًا بمسافات، والمصدر الثالث يكرر العنوان النظيف أسفل صفين بمسافات بيضاء فقط. قم بلصق الكتل الثلاث معًا ولاحظ عدد الأسطر. قم بالقص أولاً حتى تتطابق النسخة المتباعدة، ثم قم بإزالة الأسطر الفارغة حتى لا تعد الفواصل مرشحة للقائمة.
اختر إزالة التكرارات بعد ذلك؛ يبقى صف منى النظيف الأول وتختفي النسختان الأخيرتان. اقرأ العدد المخفض وافحص الإدخالات القريبة قبل اختيار الفرز من الألف إلى الياء. يدفع كل تحويل نص المحرر السابق إلى مكدس المحفوظات، لذلك يمكن للتراجع استعادة خطوة واحدة في كل مرة عندما ينخفض العدد بشكل غير متوقع أو يثبت ترتيب المصدر أهميته.
الفكرة الأساسية — أزرار مجموعة أدوات النص عبارة عن تحويلات فردية يتم تطبيقها بالترتيب الذي تختاره، ويتم توثيق الترتيب الموصى به على الصفحة
تعرض مجموعة أدوات النص أزرارًا مستقلة بدلاً من أمر التنظيف المجمع. هذا التصميم يجعل الأمر مسؤولية المستخدم ويجعل كل تغيير ملحوظًا أيضًا. على الرغم من أن شريط الأدوات يعرض إزالة التكرارات قبل إزالة الأسطر الفارغة وقص الأسطر، فإن سير العمل الأكثر أمانًا للصادرات المختلطة هو اقتطاع الأسطر، وإزالة الأسطر الفارغة، وإزالة التكرارات، ثم الفرز الاختياري.
تعامل مع هذا الترتيب باعتباره مسارًا صغيرًا لتنظيف البيانات: قم بتطبيع ما تراه المقارنة، وقم بإزالة السجلات التي لا تحتوي على محتوى، وقم بطي التكرارات الدقيقة، وأعد ترتيب المجموعة النهائية فقط. احتفظ بالعد والتراجع متاحًا عند كل الحدود. والنتيجة ليست قاعدة بيانات عضوية تم التحقق منها، ولكنها عبارة عن قائمة نظيفة وقابلة للتدقيق وجاهزة للتحقق من الهوية التي لا يمكن لوظائف النص تنفيذها.