文本处理 - 拾光初见 - 珍藏时光·记录成长与技术

一笑痕

人生若只如初见，
是可喜亦或者是可悲？

累计撰写 259 篇文章
累计收到 7 条评论

包含标签【文本处理】的文章

2026-10-25
全局正则连续 test，小心 lastIndex 留在原处带 g 标志的正则会让 test 按 lastIndex 继续查找，成功时推进索引，失败时归零；复用同一个正则校验独立字符串，结果可能随调用次数改变。
- 2026年-10月-25日
- 66 阅读
- 0 评论
前端技术
2026-10-20
sed 脚本搬到 Mac，第一处报错在 -i 后面跨平台脚本里的 sed 搬到 macOS，-i 后面必须补一个备份参数，-r 与替换串里的转义也跟传闻不一样。八个步骤都在本机跑过，报错原文与落盘字节留在日志里。
- 2026年-10月-20日
- 73 阅读
- 0 评论
开发工具
2026-10-20
替换字符串里的 $& 不是字面量，会换成匹配到的原文高亮函数里写 $& 能包住匹配到的文字，换成外部给的替换串就多出一份原文。$ 系列模式在 Node 26 上逐个测了一遍，越界组号的返回值跟直觉不一样。
- 2026年-10月-20日
- 79 阅读
- 0 评论
前端技术
2026-10-17
全局正则再测一次，结果可能变了带 g 或 y 的正则会把 lastIndex 当作下一次匹配的起点。test 和 exec 都会推进它，匹配失败时还会重置为零。展示连续调用的输出，并给出显式重置与新建正则的安全写法。
- 2026年-10月-17日
- 71 阅读
- 0 评论
前端技术
2026-10-11
文件名带空格，xargs 把它拆成了两个一个清理脚本在别的目录少删了几个文件，目录里多了带空格的名字。把 macOS 自带 xargs 的 man 页逐条对着实测看：默认分隔符是空格和换行，-0 要配 find -print0，-I 每行起一次命令，-r 在本机是什么都不做的兼容开关。
- 2026年-10月-11日
- 70 阅读
- 0 评论
开发工具
2026-10-7
中文名单排出来不对，多半是排序器没指定 locale 一批中文名，不传区域参数排出来是码位顺序，和拼音无关；换成 zh 规则，顺序完全是另一个样。5 万个名字排一遍，按元素新建排序器要 1113 毫秒，复用一个 18 毫秒。附六种比较器的实测顺序与两张耗时数字。
- 2026年-10月-7日
- 124 阅读
- 0 评论
前端技术
2026-9-30
一个字母大写之后变成两个，长度这一栏就不能信了同一个字符转成大写，长度可能从 1 变成 2；同一个「忽略大小写」判断，转大写和转小写会给出相反的答案。本机跑了一组样本，附上每个串转换前后的码点与长度。
- 2026年-9月-30日
- 103 阅读
- 0 评论
前端技术
2026-9-28
数行数别只看 wc -l，末尾缺一个换行符就少一行一个三行的文件，wc -l 报 2；另一个三行的文件，同一个命令报 3。差的不是内容，是最后那个字节是不是换行符。wc -l、grep -c、awk 的 NR、wc -m 在几个小文件上的读数全跑了一遍，哪种数法要哪个数字也就清楚了。
- 2026年-9月-28日
- 117 阅读
- 0 评论
开发工具
2026-9-28
省略号一直不出现，卡在中间那层的 min-width 长标题要打省略号，white-space、overflow、text-overflow 三行都写齐了，文字还是把整行顶出去，右边的按钮被挤到看不见。同一段结构放进 Chromium 量了四遍，卡住的不是那三行，而是中间那层 flex 项的 min-width 默认值。
- 2026年-9月-28日
- 106 阅读
- 0 评论
前端技术
2026-9-27
共享一个 /g 正则，20 条记录只测出 10 条一批记录逐个校验编号，20 条里每条都带一个四位数，用共享的 /g 正则跑完只过了 10 条，漏掉的位置还是隔一条来一次。问题不在数据，在正则对象身上的 lastIndex：命中之后它会被推到匹配末尾，下一条记录从那个偏移往下找。几种改法的差别一并跑了对照。
- 2026年-9月-27日
- 99 阅读
- 0 评论
前端技术
2026-9-23
sort -k2 和 -k2,2 排出两种顺序，差别在并列之后同一份订单导出，sort -k2 与 sort -k2,2 给出两种行序，四条记录里只有两条换了位置。分歧全部发生在第二列取值相同的行上：-k2 的键延伸到行尾，会继续拿后面的列比；-k2,2 到此为止，剩下的顺序交给整行兜底比较。
- 2026年-9月-23日
- 107 阅读
- 0 评论
开发工具
2026-9-22
加一个 LC_ALL=C，百万行排序从 1.45 秒到 0.19 秒 POSIX 定义里的 locale 决定的不只是界面语言，还有排序键、字符类与大小写折叠。同一批文件在 en_US.UTF-8 与 C 两个 locale 下排出来顺序不同，一百万个随机串的耗时差七倍；中文名字在 en_US.UTF-8 下甚至等于没排。
- 2026年-9月-22日
- 129 阅读
- 0 评论
开发工具
2026-9-21
别把 sed -i 的后缀省掉，文件名会被当脚本读跨平台脚本里的 sed -i 在 macOS 上直接报错退出，文件没改动。从报错原文、man 页的 SYNOPSIS 到可移植的封装函数，四步实测都在本机跑过，GNU 侧的差异标注了未实测。
- 2026年-9月-21日
- 123 阅读
- 0 评论
开发工具
2026-9-21
$1 没分组就原样留在结果里，replace 一声不响替换串里的 $&、$1、$ 都会被引擎解释，第一个参数给普通字符串也一样。五种写错的写法逐个过实测输出，末尾给函数式替换这条稳妥路线。
- 2026年-9月-21日
- 126 阅读
- 0 评论
前端技术
2026-9-20
怪文件名面前，只有两种批量写法一个不漏造 11 个名字里带空格、引号、反斜杠、通配符、制表符和换行的文件，用五种常见写法去批量处理，只有 find -print0 配 xargs -0 和 find -exec 加号这两种一个不漏，管道接 xargs 那种遇到一个不配对的引号会整批放弃。
- 2026年-9月-20日
- 115 阅读
- 0 评论
开发工具
2026-9-19
提字段最快的写法是 indexOf 手工切，不是正则同一份 5 万行日志提取 level 和耗时字段，正则逐行 exec 4.1ms，indexOf 手工切 3.1ms，split 空格 5.3ms 还切错了。位运算计数和普通布尔计数打成平手，全文围着这一张数据表展开。
- 2026年-9月-19日
- 144 阅读
- 0 评论
全栈
2026-9-18
bash 的 # 和 % 删东西，贪婪与否看几个字符就够了 ${v#-} 和 ${v##-} 差在哪、替换为什么会把相邻斜杠折叠、什么时候该用 dirname 而不是参数展开，全按问答排开。所有输出来自 bash 实跑，脚本在 tools/verify-param-expansion.sh。
- 2026年-9月-18日
- 114 阅读
- 0 评论
开发工具
2026-9-17
jq 里用 // 兜空值，false 会被吃掉语法没错、退出码正常、结果却不对的 jq 写法最容易留在脚本里。五个反例都在本机 jq-1.7.1 上跑过：空值兜底会吃掉 false、--arg 传进来的永远是字符串、大整数参与运算才掉精度、. 遇 null 直接中断、-e 的退出码会静默打断 shell 脚本。
- 2026年-9月-17日
- 123 阅读
- 0 评论
开发工具
2026-9-15
rg 搜不到不是文件的问题，先问是哪条规则挡的同一棵目录，rg 只看到 3 个文件，grep -r 看到 7 个。差的是哪一层规则、每个开关各自放行什么，以及 .gitignore 在没有 git 仓库的目录里为什么形同虚设。
- 2026年-9月-15日
- 133 阅读
- 0 评论
开发工具

一笑痕

人生若只如初见，
是可喜亦或者是可悲？

259 文章数

7 评论量

人生倒计时

标签

Python CSS grep Number 庄子论语请求头类型数值转换 probe 重试与幂等鉴权与安全热点话题上下文管理文件系统配置与约定 logrotate Linux 数据处理并发部署 Nginx 进程与信号时间与日期容错接口设计调试与排查取舍解析模型输出重定向文本处理 locale sort 幂等重试 Intl 金额计算浮点数古籍语言幽默语录缓存跨域 SameSite Cookie 跨平台 sed BSD