Hoppa till innehållet
Coverton Blogg
I den här artikeln
Dokument och text

Hur man normaliserar Unicode när identiskt utseende text misslyckas jämförelser

Accented tecken eller koreansk text kan se identiska medan du använder olika underliggande tecken sekvenser. Normalisering kan anpassa sin representation, men namn och meningsfulla symboler behöver fortfarande en noggrann jämförelse med källan.

Öppna verktygetSå använder du verktyget ↓
Unicode normalisera
Illustration av detta verktygs arbetsflöde; det är inte ett resultat från en uppladdad fil.

Så använder du verktyget

  1. Skriv in text eller lägg till källtextfilen.
  2. Välj det nödvändiga standardiseringsformuläret.
  3. Kör och jämföra namn och speciella symboler.
  4. Ladda ner standardiserad text.

Välj rätt inställningar

Välj NFC eller NFD enligt karaktärkompositionen som krävs av din arbetsflöde. NFKC och NFKD ändrar också kompatibilitet karaktärer, så granska fullbredda formulär och speciella symboler innan du tillämpar antingen på känsliga identifierare.

Indata som stöds
  • TXT,MD
Tillgängliga inställningar
  • Normaliseringsform

Innan du börjar

Skilj textarbete från filhantering

Bestäm om uppgiften gäller ord, struktur, dold information eller filnamn. Spara originalet och kontrollera vilka indata som stöds. Ren text hjälper dig att granska formuleringar men återger inte nödvändigtvis alla bilder, teckensnitt, ekvationer och sidlayouter.

Prova tillgängliga avgränsare, normalisering eller rensning på ett kort avsnitt med rubriker, specialtecken och betydelsefulla radbrytningar. Lägg till alla relevanta källor för granskning eller jämförelse. Vid namnbyte på kopior kontrollerar du ordningen och sparar kopplingen mellan gamla och nya namn.

Bestäm före rensning vilka blanksteg, upprepade rader eller tecken som har betydelse; olika stavning kan vara avsiktlig. Vid granskning och organisation antecknar du filer och bokstavliga namn- eller jämförelseregler. Kontrollera ett kort källavsnitt eller ett känt filpar. Jämför mellankopian separat: tidigare texthämtning, normalisering eller namnbyte kan förklara skillnaden.

Kontrollera innebörd och kopplingar

Läs början, slutet och övergångar mellan avsnitt. Jämför namn, tabellvärden och specialtecken med källan. Om resultatet är en rapport, hitta några fynd i originalet: granskningen pekar ut vad som behöver kontrolleras men tar inte automatiskt bort informationen.

Kontrollera namn, ändelser och koppling till originalen i de hämtade kopiorna. Saknad eller blandad text kan bero på inbäddat innehåll som inte stöds, kodning eller läsordning. Ett nytt namn ändrar inte formatet; samma utseende bevisar inte att två filer har identiska byte.

Exempel på indata och utdata

text med uppdelade tecken + NFC → text med sammansatta tecken

Exempel beskriver arbetsflödet. Resultaten beror på källfilen och inställningarna.

Kontrollera resultatet innan du sparar

Kontrollera linjer som innehåller koreanska, accents, fullbredd tecken och symboler bredvid sina ursprungliga. När det visuella resultatet verkar oförändrat, testa sökning eller sträng jämförelse i programmet som kommer att använda standardiserad text.

Om resultatet skiljer sig från vad du förväntade dig

Normalisering kan inte reparera tecken som redan har skadats av felaktig fil dekryptering eller en korrupt källa. Om texten är synligt bruten, undersöka den ursprungliga filen och dess kodning innan du ändrar Unicode representation.

Gränser att tänka på

  • NFC är lämplig för normal sammansatt text. NFKC/NFKD ändrar också kompatibilitet tecken.

Fortsätt med relaterade verktyg

Konvertera DOCX till Text

Extract DOCX body text och stödda header eller fotor när du behöver granska redigering. TXT resultat reproducerar inte font eller sid layout, så jämföra dess innehåll separat från dokumentets tryckta utseende.

Välj vita linjer, en-linje separation eller sektionsmarker för de extraherade delarna. Dessa markörer beskriver de extraherade delarna och återställer inte DOCXs fysiska tryckta sidnummer.

Öppna verktyget

Konvertera PPTX till Text

Ett TXT-extrakt är användbart för att granska redigering av en presentationslide genom slide. anta inte att den extraherade sekvensen matchar visuell placering på kanvasen; kontrollera hur titlar och förklaringar ansluter sig i utgången.

Välj slide-markeringsläget för att lägga till en SLIDE-etikett till varje extraherad sektion. Använd blank-linje eller en-linje separation när dessa etiketter är onödiga för texten du kommer att redigera.

Öppna verktyget
CovertonUnicode normalisera
Öppna verktyget

Guiden beskriver det tillgängliga webbläsarverktyget. Behåll en kopia av originalet och kontrollera resultatet innan du delar det.

Denna översättning förbereddes med hjälp av programvara. Du kan också läsa den engelska versionen. Läs på engelska