Kontrola zakończeń wierszy
Policz CRLF, pojedyncze LF i pojedyncze CR bez zmiany tekstu.
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")}| Projekt | Sprawdź mieszane zakończenia, pusty bufor i ostatnią linię bez zakończenia, licząc każdą parę CRLF tylko raz. |
|---|---|
| Sprawdź przed zastosowaniem | Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami. |
| Modele | Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie. |
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")}Zmieniaj obsługę tekstu bez zacierania kontraktu pliku
LineSieve to środowisko programistyczne Windows do pracy nad zmianami przetwarzania tekstu z podłączonym przez Ciebie modelem. Zacznij od reprezentatywnego pliku i wyjaśnij różnicę między wynikiem obecnym a wymaganym. Oddziel reguły treści od reguł formatu pliku, aby prośba o normalizację tekstu nie rozszerzyła się niejawnie na niepowiązane przekształcenia.
Mieszane konwencje końców linii to użyteczny przykład. Dostarczona funkcja inspekcji odróżnia pary CRLF od pozostałych znaków LF i CR, dając konkretny punkt wyjścia do przeglądu własnej ścieżki importu lub eksportu. Poproś asystenta o sprawdzenie tej ścieżki i wskazanie, gdzie kończy się wykrywanie, a zaczyna modyfikacja, zanim poprosisz o zmianę.
Oceń proponowany kod, zestawiając oryginalne i oczekiwane dane testowe w swoim procesie kontroli. Uwzględnij pusty plik, mieszane zakończenia i ostatnią linię bez terminatora. Uruchom testy projektu i sprawdź wygenerowany plik, zwracając uwagę na to, czy operacja zmienia treści, które zgodnie z prośbą miały zostać zachowane.
Wybór modelu AI bez filtrów dotyczy modeli dostępnych przez obsługiwane połączenia zgodne z OpenAI lub Anthropic, z uwzględnieniem zachowania i limitów ich dostawcy. Podaj dane uwierzytelniające, gdy są potrzebne, i sprawdź narzędzia oraz pojemność kontekstu serwera. LineSieve umożliwia temu modelowi rozmowę o projekcie; nie czyni każdej podłączonej usługi ani operacji lokalną.
Określ operację tekstową przed jej zleceniem
Jak odróżnić inspekcję od normalizacji w prośbie?
Określ, czy chcesz raport o istniejących zakończeniach, czy zmodyfikowany plik wynikowy. Nazwij konwencję docelową tylko dla zadania konwersji. Poproś asystenta o wyjaśnienie wszelkich zapisów proponowanych w zadaniu ograniczonym do inspekcji.
Dlaczego uwzględnić plik bez końcowego znaku nowej linii?
Ujawnia to, czy proponowana operacja dodaje lub usuwa także końcowy terminator. Może to wykraczać poza wymaganie, nawet jeśli wszystkie wewnętrzne podziały linii są poprawnie konwertowane. Sprawdź dokładny oczekiwany wynik.
Czy przykładowe pliki powinny zawierać rzeczywisty tekst klientów?
W miarę możliwości używaj małych reprezentatywnych danych testowych z tymi samymi istotnymi znakami i zakończeniami linii. Model potrzebuje zachowania formatu, nie niepowiązanych treści poufnych. Przed udostępnieniem prawdziwych rekordów potwierdź, dokąd trafia wybrany kontekst.
Co sprawdzić po uruchomieniu zmienionego eksportera?
Porównaj wyeksportowane bajty i interpretowany tekst z oczekiwanym przypadkiem testowym. Sprawdź zakończenia linii, zachowanie ostatniej linii i zachowaną treść, a następnie uruchom powiązane testy importu lub eksportu, aby wykryć zmiany poza samą funkcją pomocniczą.
LineSieve · Zaktualizowano 2026-10-25