Gå til indhold
Coverton Blog
I denne artikel
Dokumenter og tekst

Hvordan man normaliserer Unicode, når identisk-synende tekst mislykkes sammenligninger

Accented tegn eller koreansk tekst kan se identiske, mens du bruger forskellige underliggende tegn sekvenser. Normalisering kan tilpasse deres repræsentation, men navne og meningsfyldte symboler stadig har brug for en omhyggelig sammenligning med kilden.

Åbn værktøjetSådan bruger du dette værktøj ↓
Unicode normalisere
Illustration af dette værktøjs arbejdsgang; det er ikke et resultat af en uploadet fil.

Sådan bruger du dette værktøj

  1. Indtast tekst eller tilføje kilde tekstfil.
  2. Vælg den nødvendige standardiseringsform.
  3. Sammenlign navn og særlige symboler.
  4. Download den standardiserede tekst.

Vælg de rigtige indstillinger

Vælg NFC eller NFD i henhold til karakterkompositionen, der kræves af dit arbejdsproces. NFKC og NFKD ændrer også kompatibilitet karakterer, så gennemgå fuldbredte formularer og særlige symboler, før du anvender enten til følsomme identifikatorer.

Understøttet input
  • TXT,MD
Tilgængelige indstillinger
  • Normalisering form

Før du begynder

Skeln mellem tekst og filhåndtering

Bestem, om opgaven gælder ordlyd, struktur, skjulte oplysninger eller filnavne. Gem originalen, og kontrollér det understøttede input. Ren tekst hjælper med at læse formuleringerne, men gengiver ikke nødvendigvis alle billeder, skrifttyper, ligninger og sidelayout.

Prøv tilbudte separatorer, normalisering eller rensning på et kort afsnit med overskrifter, specialtegn og betydningsfulde linjeskift. Til inspektion eller sammenligning skal alle relevante kilder med. Ved omdøbning af kopier skal du kontrollere rækkefølgen og gemme forbindelsen mellem gamle og nye navne.

Bestem før rensning hvilke mellemrum, gentagne linjer eller tegn der har betydning; en anden stavning kan være tilsigtet. Ved inspektion eller organisering noterer du filer og bogstavelige navne- eller sammenligningsregler. Kontrollér et kort kildeafsnit eller et kendt filpar. Sammenlign mellemkopien separat: tidligere udtræk, normalisering eller omdøbning kan forklare forskellen.

Kontrollér betydning og sammenhæng

Læs begyndelsen, slutningen og overgange mellem afsnit. Sammenlign navne, tabelværdier og specialtegn med kilden. Hvis resultatet er en rapport, så find nogle observationer i originalen: inspektionen viser, hvad der bør gennemgås, men fjerner ikke automatisk oplysningerne.

I downloadede kopier skal du kontrollere navne, endelser og sammenhæng med originalerne. Manglende eller blandet tekst kan skyldes indlejret indhold uden støtte, kodning eller læserækkefølge. Et nyt navn ændrer ikke formatet; samme udseende beviser ikke ens byte i to filer.

Eksempel på input og output

tekst med opdelte tegn + NFC → tekst med sammensatte tegn

Eksempler beskriver arbejdsgangen. Resultaterne afhænger af kildefilen og indstillingerne.

Tjek resultatet før du gemmer

Inspektion linjer, der indeholder koreansk, accents, fuldbredte tegn og symboler ved siden af deres originale. Når det visuelle resultat ser uændret, test søgning eller string sammenligning i programmet, der vil bruge den normaliserede tekst.

Hvis resultatet er anderledes end forventet

Normalisering kan ikke reparere tegn, der allerede er beskadiget ved fejlagtig fil dekodering eller en korrupt kilde. Hvis teksten er synligt brudt, undersøge den oprindelige fil og dens kodning, før du ændrer Unicode repræsentation.

Grænser at huske på

  • NFC er egnet til normal komposit tekst. NFKC/NFKD også ændrer kompatibilitet tegn.

Fortsæt med relaterede værktøjer

Konverter DOCX til Tekst

Ekstrakter DOCX body tekst og støttede overskrifter eller foder, når du har brug for at gennemgå redigering. TXT-resultaten reproducerer ikke bogstaver eller siden layout, så sammenlign dets indhold adskilt fra dokumentets udskrivede udseende.

Vælg hvide linjer, en-line separation eller sektion markere for de udvundne dele. Disse markere beskriver udvundne sektioner og genopretter ikke DOCX's fysiske udskrivne sider.

Åbn værktøjet

Konverter PPTX til Tekst

Et TXT-ekstrakt er nyttigt for at gennemgå redigering af en præsentationslide ved slide. Antag ikke, at den udvundede sekvens matcher visuel placering på kanvasen; inspicere, hvordan titler og forklaringer forbinder i udgangen.

Vælg slide-marker-modusen for at tilføje et SLIDE-tag til hver udvundet sektion. Brug blank-line eller enkelt-line separation, når disse tag er unødvendige for teksten, du vil redigere.

Åbn værktøjet
CovertonUnicode normalisere
Åbn værktøjet

Denne vejledning beskriver det tilgængelige browserværktøj. Gem en kopi af originalen, og kontrollér resultatet, før du deler det.

Denne oversættelse er udarbejdet med softwareassistance. Du kan også læse den engelske version. Læs på engelsk