Siirry sisältöön
Coverton Blogi
Tässä artikkelissa
Asiakirjoja ja tekstiä

Kuinka normalisoida Unicode, kun samanlainen teksti epäonnistuu vertailut

Kiitettyjä merkkejä tai Korean tekstiä voi näyttää identtiselta, kun käytetään erilaisia alustavia merkkejä. Normalisointi voi yhdenmukaistaa niiden esityksen, mutta nimet ja merkitykselliset symbolit tarvitsevat silti huolellista vertailua lähteen kanssa.

Avaa työkaluKuinka käyttää tätä työkalua ↓
Unicode-normalisointi
Kuva havainnollistaa työkalun toimintaa; se ei ole ladatusta tiedostosta saatu tulos.

Kuinka käyttää tätä työkalua

  1. Kirjoita teksti tai lisää lähde teksti tiedosto.
  2. Valitse tarvittava normalisointimuoto.
  3. Käynnistä ja vertaile nimiä ja erityisiä symboleja.
  4. Lataa normalisoitu teksti.

Valitse oikeat asetukset

Valitse NFC tai NFD työnkulun tarvittavien merkkien koostumuksen mukaan. NFKC ja NFKD myös muuttavat yhteensopivuusmerkkejä, joten tarkista täydelliset lomakkeet ja erityiset symbolit ennen kuin sovellat joko herkille tunnisteille.

Tuettu syöttö
  • TXT,MD
Käytettävissä olevat asetukset
  • Normalisointimuoto

Ennen aloittamista

Valitse oikea lähde ja tekstille sopiva käsittely

Tarkista asiakirjan todellinen muoto ja se, onko sisältö tekstiä vai kuvia. Tiedoston pääte ei yksin osoita tukea. HWPX ja vanha HWP ovat eri muotoja. Säilytä alkuperäinen, jos sivuasettelu, kuvitus tai virallinen asiakirja on vielä tarpeen.

Tekstin siistimisessä päätä ensin, ovatko järjestys, tyhjät rivit ja välilyönnit merkityksellisiä. Rivien yhdistäminen voi rikkoa listan, runon tai taulukon. Unicode-normalisointi muuttaa merkkien esitystapaa; yhteensopivuusmuodot vaativat erityistä nimien ja symbolien tarkistusta.

Tarkistuksessa, kaksoiskappalehaussa ja uudelleennimeämisessä selvitä tuloksen luonne. Raportti ei poista havaintoja automaattisesti, ja samalta näyttävät tiedostot eivät välttämättä ole tavuiltaan identtisiä. Tarkista vanhan ja uuden nimen yhteys; nimeämistyö tuottaa uudelleen nimettyjä kopioita.

Tarkista merkitys, lukujärjestys ja puuttuvat osat

Vertaa otteita alkuperäiseen, etenkin otsikoita, taulukoita ja tekstiruutuja. Lukujärjestys voi poiketa näkyvästä sijoittelusta. Tavallinen tekstin poiminta ei tunnista kuvien tekstiä eikä litteroi tallennettua puhetta. Käytä alkuperäistä editoria, jos asettelu on säilytettävä tarkasti.

Testaa nimet, koodit ja numerot ohjelmassa, joka käyttää tekstiä. Näkymättömien merkkien raportista tarkista sijainnit ja koodipisteet ennen poistoa; poistotoiminto koskee vain ilmoitettua joukkoa. Tyhjä tarkistusraportti ei todista kaikkien henkilötietojen tai tietoturvaongelmien poistuneen.

Virheessä tarkista salaus, suojaus ja tuettu tiedostoversio. Unicode-normalisointi ei korjaa väärän dekoodauksen vahingoittamaa tekstiä. Etsi ensin oikea lähdekoodaus, sitten tarkista erikoismerkit ja pois jääneet kohdat. Säilytä virallinen alkuperäinen, vaikka tekstikopio olisi käyttökelpoinen.

Esimerkki syötteestä ja tuloksesta

hajotetut merkit + NFC → yhdistetyt merkit

Esimerkit kuvaavat työnkulkua. Tulokset riippuvat lähdetiedostosta ja asetuksista.

Tarkista tulos ennen tallentamista

Tarkista linjat, jotka sisältävät Korean, aksentteja, täysikokoisia merkkejä ja symboleja niiden alkuperäisten rinnalla. Kun visuaalinen tulos näyttää muuttumattomalta, testata hakua tai sarjan vertailua ohjelmassa, joka käyttää normalisoidun tekstin.

Jos tulos on erilainen kuin odotit

Normalisointi ei voi korjata merkkejä, jotka ovat jo vahingoittuneet virheellisestä tiedoston dekodioinnista tai korruptoituneesta lähteestä.Jos teksti on näkyvästi rikki, tutkia alkuperäisen tiedoston ja sen koodauksen ennen Unicoden esityksen muuttamista.

Huomioitavat rajoitukset

  • NFC sopii normaaliin kompostoituun tekstiin. NFKC/NFKD myös muuttaa yhteensopivuusmerkkejä.

Jatka aiheeseen liittyvillä työkaluilla

Muunna DOCX muotoon Teksti

Poista DOCX kehon teksti ja tuettu otsikot tai jalkaa, kun tarvitset tarkastella sanamuotoa. TXT tulos ei toista fontteja tai sivun asetusta, joten vertaa sen sisältöä erikseen asiakirjan tulostetusta ulkonäöstä.

Valitse viileät rivit, yhden rivin erottaminen tai osan merkkit poistuille osille. Nämä merkkit kuvaavat poistuja osia ja eivät palauta DOCX: n fyysisiä tulostettuja sivumeroita.

Avaa työkalu

Muunna PPTX muotoon Teksti

TXT-uutetta on hyödyllistä tarkastella esityksen kuvan sanamuotoa kuvan kautta. Älä olettaa, että poimittu sekvenssi vastaa visuaalista sijoittamista kaavalle; tarkista, miten otsikot ja selitykset yhdistyvät tuloksessa.

Valitse slide-marker-tilassa lisätäksesi SLIDE-merkintä kunkin poistetun osan. Käytä tyhjiö- tai yhden rivin erottamista, kun nämä merkinnät ovat tarpeettomia tekstin muokkaamiseen.

Avaa työkalu
CovertonUnicode-normalisointi
Avaa työkalu

Tämä opas selittää julkisen selaintyökalun. Säilytä kopio alkuperäisestä ja tarkista tulos ennen sen jakamista.

Tämä käännös on laadittu ohjelmiston avulla. Voit lukea myös englanninkielisen version. Lue englanniksi