Công cụ gộp khoảng trắng

Giới thiệu về công cụ này

Công cụ này áp dụng một mẫu chuẩn hóa văn bản đơn giản nhưng phổ biến: nó khớp mọi chuỗi gồm một hoặc nhiều ký tự khoảng trắng — dấu cách, tab và ngắt dòng như nhau, thường thông qua một biểu thức chính quy như /\s+/ — và thay mỗi chuỗi bằng một dấu cách duy nhất, rồi cắt bỏ dấu cách ở đầu hoặc cuối kết quả.

Văn bản dán từ PDF, email hoặc các trang web bị thu thập thường mang theo các tab lạc chỗ, dấu cách đôi và ngắt dòng không nhất quán, làm hỏng việc so sánh chuỗi, phân tích CSV hoặc khớp tìm kiếm. Lập trình viên làm sạch dữ liệu đầu vào, các nhóm nhập liệu và QA, và biên tập viên chuẩn bị văn bản để xuất bản dùng việc gộp khoảng trắng để chuẩn hóa văn bản lộn xộn thành một dòng sạch duy nhất trước khi nó được lưu, so sánh hoặc hiển thị.