def newline_counts(text):
if not isinstance(text, str):
raise ValueError("text.required")
pairs = text.count("\r\n")
remaining = text.replace("\r\n", "")
return {"crlf": pairs, "lf": remaining.count("\n"),
"cr": remaining.count("\r")}| プロジェクト | 混在した改行、空のバッファー、改行のない最終行を試し、CRLFの組は一度だけ数えます。 |
|---|---|
| 適用前に確認 | 実際の動作を期待する結果と比較します。検証に失敗した場合は、次の変更を加える前に原因を調べてください。 |
| モデル | OpenAI互換またはAnthropicのエンドポイントを、ベースURLと必要なAPIキーで設定し、接続をテストします。ローカルのモデルサーバーは起動が必要です。リモートツールは別途データを送信する場合があります。 |
def newline_counts(text):
if not isinstance(text, str):
raise ValueError("text.required")
pairs = text.count("\r\n")
remaining = text.replace("\r\n", "")
return {"crlf": pairs, "lf": remaining.count("\n"),
"cr": remaining.count("\r")}ファイルの仕様を曖昧にせずテキスト処理を変更する
LineSieveは、接続するモデルとテキスト処理の変更を検討するWindows用コーディング環境です。代表的なファイルを用意し、現在の結果と必要な結果の違いを説明します。テキストの正規化依頼が無関係な変換に黙って広がらないよう、内容の規則とファイル形式の規則を分けてください。
改行形式の混在は有用な例です。付属の調査用関数はCRLFの組と、残りのLFおよびCR文字を区別し、自分のインポート・エクスポート経路をレビューする具体的な出発点になります。編集を依頼する前に、その経路を調べ、検出がどこまでで変更がどこからかを特定するようアシスタントに求めます。
自分の検証手順で元データと期待するデータを並べ、コード案をレビューします。空のファイル、混在した改行、終端の改行がない最終行を含めます。プロジェクトのテストを実行して生成ファイルを確認し、依頼では維持するつもりだった内容が操作によって変わっていないか注意してください。
フィルタリングなしのAIモデルの選択は、対応するOpenAI互換またはAnthropic接続で利用できるモデルを指し、プロバイダーの動作と制限に従います。必要なら認証情報を設定し、サーバーのツールとコンテキスト容量を確認します。LineSieveはそのモデルとプロジェクトについて対話する場を提供しますが、接続するすべてのサービスや操作をローカルにするものではありません。
依頼前にテキスト操作を定義する
依頼で調査と正規化をどう区別しますか？
既存の改行に関する報告が必要なのか、変更した出力ファイルが必要なのかを示します。対象の改行規則を指定するのは変換タスクの場合だけです。調査のみの依頼で書き込みが提案されたら、説明を求めてください。
末尾に改行のないファイルを含めるのはなぜですか？
提案された操作が末尾の終端文字も追加・削除するか分かるためです。内部の改行をすべて正しく変換しても、末尾の変更は要件外かもしれません。期待する正確な出力を確認してください。
サンプルに実際の顧客の文章を含めるべきですか？
可能なら、関連する文字と改行が同じ小さな代表データを使います。モデルに必要なのは形式の動作であり、無関係な機密内容ではありません。実際の記録を共有する前に、選択した情報がどこへ送られるか確認してください。
変更したエクスポーターを実行後、何を確認しますか？
出力バイトと解釈したテキストを期待するデータと比較します。改行、最終行の動作、維持すべき内容を確認し、周辺のインポート・エクスポートテストを実行してヘルパー以外の変更も検出します。
LineSieve · 更新日 2026-10-25