Ta bort dubbla rader och sortera listor på rätt sätt
För att ta bort dubbla rader tar du bort varje rad som upprepar en tidigare rad. Bestäm först om "samma" betyder exakt identiskt eller identiskt efter rensning. Att ta bort exakta dubbletter är säkert men missar de flesta dubbletter i praktiken. Att trimma mellanslag och ignorera versaler hittar betydligt fler, och det är vad de flesta faktiskt behöver för listor med e-postadresser, nyckelord eller produktkoder.
Ta bort dubbletter i listaListan har dubbletterGör det gratisEtt exempel
Här är en lista med sex e-postadresser som kopierats från ett kalkylblad:
[email protected]
[email protected]
[email protected]
[email protected]
[email protected]
[email protected]Tre saker händer. Första och sista raden är exakta kopior. Andra raden skiljer sig bara genom ett stort A. Tredje raden har ett mellanslag efter adressen som du inte ser. Så här många rader blir kvar med respektive regel:
| Regel | Rader kvar | Varför |
|---|---|---|
| Ta bort exakta dubbletter | 5 | Bara den sista "anna"-raden matchar den första exakt |
| Trimma mellanslag och ignorera versaler | 3 | anna, ben och cara är de enda unika adresserna |
E-postadresser behandlas nästan alltid utan hänsyn till versaler i praktiken, så den andra regeln är den du vill ha här. Använd Extrahera e-postadresser och länkar först om listan kommer från en rörig sida, så att bara riktiga adresser når steget med dubbletter.
Nästan-dubbletter att se upp för
Nästan-dubbletter är rader som ser olika ut för en dator men betyder samma sak för dig. Vanliga orsaker:
- Versaler: "Blue Widget" och "blue widget".
- Mellanslag före eller efter texten, ofta osynliga i en redigerare.
- Hårda blanksteg eller andra dolda tecken, som ser ut som vanliga mellanslag (dolda tecken förklarar dem).
- Olika skiljetecken: "e-post" och "epost".
- Pluralformer, som kräver ett mänskligt beslut och inte bör slås ihop av ett verktyg.
Rensa listan i den här ordningen: trimma, ignorera sedan versaler där versaler inte betyder något, och ta bort dubbletter sist. Spara en kopia av originalet och jämför de två listorna för att kontrollera vad som togs bort.
Versaler kan spela roll
Att ignorera versaler är inte alltid säkert. Produktkoder, filnamn på Linux och vissa identifierare är skiftlägeskänsliga, så "AB-101" och "ab-101" kan vara två olika artiklar. Innan du slår ihop poster som bara skiljer sig i versaler, kontrollera om systemet du matar listan till behandlar dem som samma.
Alfabetisk sortering kontra naturlig sortering
Att sortera en lista med poster som innehåller siffror ger ofta en oväntad ordning. En vanlig alfabetisk sortering jämför tecken ett i taget, så "item10" kommer före "item2", eftersom tecknet 1 kommer före 2.
Här är skillnaden för tre poster:
- Alfabetisk: item1, item10, item2
- Naturlig: item1, item2, item10
Naturlig sortering jämför siffror som siffror, så 2 kommer före 10. Varför 10 sorteras före 2 förklaras mer utförligt. Använd naturlig sortering för filnamn, hyllkoder, versionsnummer och allt som slutar med ett räknetal. Använd vanlig alfabetisk sortering för namn och ord, där det är vad folk förväntar sig. För att jämföra båda ordningarna på din egen lista klistrar du in den i Sortera rader och växlar mellan A→Z och Siffror.
Två punkter till hjälper:
- Sortering tar inte bort dubbletter. Ta bort dem först och sortera sedan, annars hamnar dubbletterna bredvid varandra. Det gör dem lättare att upptäcka men inte borttagna.
- Behåll den ursprungliga ordningen om listan har en betydelse. En lista med steg eller en rangordning ska inte sorteras alls.
Behåll första förekomsten
När du tar bort dubbletter behåller de flesta verktyg första förekomsten av varje rad och tar bort de senare. Det spelar roll när raderna bär extra information, till exempel ett namn och ett datum. Om första kopian är den föråldrade, sortera listan efter datum först, eller kontrollera dubbletterna för hand, innan du tar bort dem.
Kontrollera resultatet
Räkna raderna före och efter. I e-postexemplet blev sex rader tre unika adresser, så tre rader togs bort. Om antalet är lägre än du väntade dig, titta på de borttagna raderna. Borttagning av dubbletter matchar hela raden, så två olika personer med samma namn i en lista med rader, eller två produkter med samma titel men olika koder, kan se identiska ut när koderna klipps bort. Ta bort dubbletter utifrån det fält som definierar en post, inte utifrån ett fält som bara beskriver den.
Så gör du med fixmint
- Klistra in listan i Din lista, en post per rad.
- Låt Ta bort mellanslag vara ikryssad, vilket är standard, och kryssa i Ignorera versaler bara där versaler inte betyder något.
- Kryssa i Ta bort tomma rader för att ta bort tomma rader också.
- Välj en ordning: Behåll ordning, A→Z eller Siffror.
- Kopiera resultatet eller använd Ladda ner .txt.
Specialfall
- Tomma rader. Flera tomma rader i rad kan räknas som dubbletter. Ta bort dem i ett separat steg om du vill behålla en för luft mellan posterna.
- Poster på flera rader. Borttagning av dubbletter fungerar rad för rad. Om varje post sträcker sig över flera rader kan den dela upp en post och lämna delarna i fel ordning.
- Mycket stora listor. Stora filer fungerar, men jämför antalet rader i resultatet med antalet i indata så att du vet vad som ändrats.
Snabba svar
Sorterar verktyget listan också när jag tar bort dubbla rader?
Inte nödvändigtvis. Många verktyg behåller den ursprungliga ordningen, så sortera separat om du behöver en viss ordning.
Varför kommer item10 före item2 när jag sorterar?
Vanlig alfabetisk sortering jämför ett tecken i taget, och tecknet 1 kommer före 2. Använd naturlig sortering, som jämför siffror som siffror.
Ska jag ignorera versaler när jag tar bort dubbla e-postadresser?
Oftast ja, eftersom e-postadresser i praktiken behandlas utan hänsyn till versaler. Ignorera inte versaler för identifierare där versaler ändrar betydelsen.
Översatt från Engelsk original med hjälp av AI.
Kommentarer
Inga kommentarer än. Var först.
