HeadlinesBriefing favicon HeadlinesBriefing.com

تحليل CSV للبريد الجاپوني

Hacker News •
×

أطلقت posuto حزمة برمجية قبل بضعة أوقات، وهي حزمة تقدم بيانات البريد الجاپوني بصيغة سهلة الاستخدام. وهي مبنية على البيانات التي أصدرتها شركة Japan Post، والتي تُعرف بكونها مستخدمة على نطاق واسع لكنها صعبة التحليل. لاحظت لأول مرة على البيانات البريدية عندما أدخلت رمز البريد في نموذج عبر الإنترنت، فأكتمل تلقائيًا عنواني كـ"XXX-borough (باستثناء المباني التالية)". لم أكن على علم بما يعنيه القسم بين القوسين، لذا بحثت عن مصدر شائع لبيانات البريد، ووجدت ملف CSV ووجدت المشكلة. تبيّن أن ملف CSV يحتوي على ملاحظات بين القوسين لأي شخص يقرأ ملف CSV، ويُشار إلى ترتيب الصفوف. وهذا يسبب مشكلات. تكون البيانات في الغالب مفيدة صفحة واحدة في الوقت، حيث تكون الملاحظات بين القوسين بلا معنى. وبما أن CSV هو تنسيق محدّد الحقول، فلا حاجة للقوسين - يمكنك مجرد إضافة حقل للملاحظات. هذه مجرد إحدى العديد من المشكلات مع ken_all.csv. يمكنك دائمًا العثور على الناس يشتكون من ذلك على Twitter، وحتى لحظة ما كان هناك مدونة تجمع المشاركات من جميع أنحاء الويب حول هذا الموضوع. يصف رسالة ممتعة خاصة الناس الذين يتوقعون أن تطبيقات الكمبيوتر تطاع قرض البشر كيف سيجازونهم في الجحيم على خوفدة ken_all.csv إلى الأبد. يشرح ملف README أن الأسطر التي تحتوي على حقول طويلة جدًا ستُقسَّم إلى عدة أسطر. وبشكل خاص، إذا كان اسم الحي أكثر من 38 حرفًا، أو إذا كان حقل نطق الكاتاكان بالعرض الأصغر أكثر من 76 حرفًا، فسيتم تقسيم السطر إلى سطرين. ويستمر الحقل الطويل جدًا للحي، وتُنسخ جميع الحقول الأخرى. يجب أيضًا ملاحظة أنه على الرغم من تحديد حدود الطول كما هو مذكور، فإن الموقع الذي تُدرج فيه فواصل الخطوط في الأسطر الطويلة يبدو عشوائيًا، حيث لا يحدث في حدّ الرموز أو في الحدود الطبيعية للكلمات. من الجدير بالذكر أن جميع المشكلات مع CSV ليست بالضرورة تقنية؛ أكواد البريد دائمًا معقدة. وهو الرمز البريدي الذي يحتوي على أكثر صفوف CSV - صدمة بلغت 66 صفوف - هو 〒452-0961، والذي يشير إلى منطقة Haruhi في مدينة Kiyosu بمقاطعة Aichi. يحتوي هذا على هذه العدة صفوف لأن كل حي يحصل على سطر منفصل. في الcontraste، أطول سطر مستمر، باستخدام قواعد قطع الخطوط المذكورة، هو مدخل 〒602-8368 أو 〒602-8374، كلاهما بثمانية أسطر. وهذان في منطقة من فئات قليلة في Kyoto التي تستخدم نظامًا فريدًا، غريبًا، ومعتمدًا على التقاطعات. هناك أكواد بريد "موجهة لجميع" للعديد من المناطق، حيث يُعطى الحي كـ"except the following"، والوحيد الذي يمكنك فعله هو البحث عن هذه السلسلة الدقيقة واستبعادها. هناك مجموعة متنوعة من السلاسل المشابهة، ومن الصعب أن تكون قد التقطتها جميعها. مثال على كومنت آخر هو 一円. عادةً ما يعني هذا "يان واحد"، لكنه يعني أيضًا "المنطقة المحيطة"، وهو ملاحظة في CSV يجب حذفها من أسماء الأحياء، باستثناء...