डुप्लिकेट लाइनें सही तरीके से हटाएँ और सूचियाँ छाँटें
डुप्लिकेट लाइनें हटाने के लिए, हर उस लाइन को मिटा दें जो पहले आई किसी लाइन को दोहराती है। पहले तय करें कि "एक जैसी" का मतलब बिल्कुल एक जैसी है या साफ़ करने के बाद एक जैसी। सटीक मिलान से हटाना सुरक्षित है, पर असली दुनिया के ज़्यादातर डुप्लिकेट इससे छूट जाते हैं। स्पेस हटाने और बड़े-छोटे अक्षर अनदेखे करने से कहीं ज़्यादा डुप्लिकेट पकड़ में आते हैं, और ईमेल, कीवर्ड या प्रोडक्ट कोड की सूचियों के लिए लोगों को अक्सर यही चाहिए होता है।
डुप्लिकेट लाइनें हटाएँसूची में दोहराव हैंमुफ़्त में करेंएक उदाहरण
यह एक स्प्रेडशीट से कॉपी की गई छह ईमेल पतों की सूची है:
[email protected]
[email protected]
[email protected]
[email protected]
[email protected]
[email protected]यहाँ तीन बातें हो रही हैं। पहली और आख़िरी लाइन बिल्कुल एक जैसी हैं। दूसरी लाइन सिर्फ़ बड़े A में अलग है। तीसरी लाइन के आख़िर में एक स्पेस है जो दिखता नहीं। हर नियम के हिसाब से गिनती यह रही:
| नियम | बची लाइनें | कारण |
|---|---|---|
| सटीक डुप्लिकेट हटाएँ | 5 | सिर्फ़ आख़िरी "anna" लाइन पहली से बिल्कुल मेल खाती है |
| स्पेस हटाएँ और बड़े-छोटे अक्षर अनदेखे करें | 3 | anna, ben और cara ही अनोखे पते हैं |
ईमेल पते व्यवहार में लगभग हमेशा बड़े-छोटे अक्षर के फ़र्क के बिना माने जाते हैं, इसलिए यहाँ आपको दूसरा नियम चाहिए। अगर सूची किसी गड़बड़ पेज से आई है, तो पहले ईमेल और लिंक निकालें से सिर्फ़ असली पते ले लें, ताकि डुप्लिकेट वाले चरण तक केवल सही पते पहुँचें।
मिलते-जुलते डुप्लिकेट जिन पर नज़र रखें
मिलते-जुलते डुप्लिकेट वे लाइनें हैं जो कंप्यूटर को अलग लगती हैं, पर आपके लिए एक ही चीज़ होती हैं। आम कारण:
- बड़े अक्षर: "Blue Widget" और "blue widget"।
- आगे या पीछे के स्पेस, जो एडिटर में अक्सर दिखते नहीं।
- नॉन-ब्रेकिंग स्पेस या दूसरे छिपे अक्षर, जो साधारण स्पेस जैसे दिखते हैं (छिपे हुए अक्षर इन्हें समझाता है)।
- अलग विराम चिह्न: "e-mail" और "email"।
- बहुवचन रूप, जिन पर इंसान को फ़ैसला लेना पड़ता है, और जिन्हें कोई टूल अपने आप एक न करे।
सूची को इस क्रम में साफ़ करें: पहले स्पेस हटाएँ, फिर जहाँ अक्षरों का फ़र्क मायने नहीं रखता वहाँ बड़े-छोटे अक्षर अनदेखे करें, और आख़िर में डुप्लिकेट हटाएँ। मूल सूची की एक कॉपी रखें, और यह जाँचने के लिए कि क्या हटा, दोनों सूचियों की तुलना करें।
अक्षरों का आकार मायने भी रख सकता है
बड़े-छोटे अक्षर अनदेखे करना हमेशा सुरक्षित नहीं होता। प्रोडक्ट कोड, Linux पर फ़ाइल नाम और कुछ पहचानकर्ता केस-सेंसिटिव होते हैं, इसलिए "AB-101" और "ab-101" दो अलग आइटम हो सकते हैं। जिन आइटमों में सिर्फ़ अक्षरों के आकार का फ़र्क है, उन्हें मिलाने से पहले जाँच लें कि जिस सिस्टम में सूची जा रही है, वह उन्हें एक मानता है या नहीं।
वर्णमाला क्रम बनाम प्राकृतिक क्रम
संख्या वाले आइटमों की सूची छाँटने पर अक्सर अनपेक्षित क्रम आता है। साधारण वर्णमाला क्रम अक्षरों की तुलना एक-एक करके करता है, इसलिए "item10", "item2" से पहले आता है, क्योंकि अक्षर 1, अक्षर 2 से पहले आता है।
तीन आइटमों के लिए फ़र्क यह है:
- वर्णमाला: item1, item10, item2
- प्राकृतिक: item1, item2, item10
प्राकृतिक क्रम संख्याओं की तुलना संख्या की तरह करता है, इसलिए 2, 10 से पहले आता है। 10 पहले 2 से पहले क्यों आता है इसे और विस्तार से समझाता है। फ़ाइल नामों, शेल्फ़ कोड, वर्ज़न नंबरों और उन सब चीज़ों के लिए प्राकृतिक क्रम इस्तेमाल करें जिनके आख़िर में गिनती हो। नामों और शब्दों के लिए साधारण वर्णमाला क्रम लें, क्योंकि लोग वैसा ही उम्मीद करते हैं। दोनों क्रम अपनी सूची पर आज़माने के लिए उसे लाइनें छाँटें में चिपकाएँ और A→Z और संख्याएँ के बीच बदलें।
दो और बातें मदद करेंगी:
- छाँटने से डुप्लिकेट नहीं हटते। पहले उन्हें हटाएँ, फिर छाँटें, वरना छाँटने से डुप्लिकेट एक-दूसरे के पास आ जाएँगे, जिससे वे दिखेंगे तो सही, पर हटेंगे नहीं।
- अगर सूची के क्रम का कोई मतलब है, तो मूल क्रम रखें। चरणों की सूची या रैंकिंग बिल्कुल न छाँटें।
पहली बार आई लाइन रखना
डुप्लिकेट हटाते समय ज़्यादातर टूल हर लाइन की पहली बार आई प्रति रखते हैं और बाद वाली हटा देते हैं। यह तब मायने रखता है जब लाइनों में अतिरिक्त जानकारी हो, जैसे नाम और तारीख़। अगर पहली प्रति पुरानी है, तो हटाने से पहले सूची को तारीख़ से छाँटें, या डुप्लिकेट हाथ से जाँच लें।
नतीजा जाँचें
हटाने से पहले और बाद में लाइनें गिनें। ईमेल वाले उदाहरण में छह लाइनें तीन अनोखे पतों में बदल गईं, यानी तीन लाइनें हटीं। अगर गिनती उम्मीद से कम है, तो हटाई गई लाइनें देखें। डुप्लिकेट हटाना पूरी लाइन का मिलान करता है, इसलिए पंक्तियों वाली सूची में एक ही नाम के दो अलग लोग, या एक ही शीर्षक पर अलग कोड वाले दो प्रोडक्ट, कोड कट जाने पर एक जैसे दिख सकते हैं। डुप्लिकेट उस फ़ील्ड से हटाएँ जो आइटम को परिभाषित करता है, उस फ़ील्ड से नहीं जो उसका केवल वर्णन करता है।
fixmint से कैसे करें
- सूची को आपकी सूची में चिपकाएँ, हर आइटम एक लाइन में।
- आगे-पीछे के स्पेस हटाएँ को चालू रहने दें, जो डिफ़ॉल्ट है, और बड़े-छोटे अक्षर अनदेखे करें को सिर्फ़ वहाँ चालू करें जहाँ अक्षरों के आकार का कोई अर्थ न हो।
- खाली लाइनें भी हटाने के लिए खाली लाइनें हटाएँ चुनें।
- कोई क्रम चुनें: क्रम वैसा ही रखें, A→Z या संख्याएँ।
- नतीजा कॉपी करें, या .txt डाउनलोड करें इस्तेमाल करें।
ख़ास स्थितियाँ
- खाली लाइनें। लगातार कई खाली लाइनें डुप्लिकेट मानी जा सकती हैं। अगर स्पेसिंग के लिए एक रखनी हो, तो उन्हें अलग चरण में हटाएँ।
- कई-लाइन वाले रिकॉर्ड। डुप्लिकेट हटाना लाइन-दर-लाइन चलता है। अगर हर रिकॉर्ड कई लाइनों में फैला है, तो वह रिकॉर्ड टूट सकता है और उसके हिस्से गलत क्रम में रह सकते हैं।
- बहुत बड़ी सूचियाँ। बड़ी फ़ाइलें चल जाती हैं, पर आउटपुट की गिनती इनपुट की गिनती से मिला लें, ताकि पता रहे क्या बदला।
त्वरित जवाब
क्या डुप्लिकेट लाइनें हटाने से सूची छँट भी जाती है?
ज़रूरी नहीं। कई टूल मूल क्रम रखते हैं, इसलिए अगर आपको कोई क्रम चाहिए, तो अलग से छाँटें।
छाँटने पर item10, item2 से पहले क्यों आता है?
साधारण वर्णमाला क्रम एक समय में एक अक्षर की तुलना करता है, और अक्षर 1, अक्षर 2 से पहले आता है। प्राकृतिक क्रम इस्तेमाल करें, जो संख्याओं की तुलना संख्या की तरह करता है।
डुप्लिकेट ईमेल हटाते समय क्या बड़े-छोटे अक्षर अनदेखे करने चाहिए?
आमतौर पर हाँ, क्योंकि ईमेल पते व्यवहार में बड़े-छोटे अक्षर के फ़र्क के बिना माने जाते हैं। ऐसे पहचानकर्ताओं के लिए अनदेखा न करें जहाँ अक्षरों का आकार अर्थ बदलता है।
अंग्रेज़ी मूल से AI की मदद से अनुवादित।
टिप्पणियाँ
अभी कोई टिप्पणी नहीं। पहली टिप्पणी आप करें।
