Egy kalkulátor forrásjegyzékében ugyanaz a webcím több azonosító alatt is szerepelhet. Ez lehet felesleges ismétlés, de szándékos különbség is: az egyik rekord egy szabály egyik részét, a másik ugyanannak a dokumentumnak egy eltérő alkalmazását támasztja alá. Az automatikus összevonáshoz ezért a webcím egyezése önmagában kevés.
A hasznos forrásregiszter azt is megmondja, mely állítást és milyen feltételekkel ellenőrizték az adott dokumentumban. A technikai URL-egyezés az adatminőségi munka kezdete. A jelentésbeli különbséget külön kell megvizsgálni és megőrizni.
Válaszd szét a cím részeit
A URI-szabvány megkülönbözteti a sémát, a kiszolgálót, az útvonalat, a lekérdezést és a töredékazonosítót. A kis- és nagybetűk szerepe sem azonos minden részben: az útvonal vagy a lekérdezés jelentése a szolgáltatástól is függhet.
Egy saját tesztadatban az example.org kiszolgáló név különböző betűméretei azonos kiszolgálóra utalhatnak. A /Tarifa és /tarifa útvonalat viszont nem szabad pusztán általános tisztításként azonosra írni. A szerver ezeket külön erőforrásként is kezelheti.
A URL-elemző a részek szétválasztásához ad segítséget. Nem igazolja a mögöttes dokumentum tartalmát és nem dönti el, hogy két jogi vagy műszaki állítás ugyanazt jelenti-e.
A verziót jelölő paramétert ne veszítsd el
Képzelj el egy dokumentumtárat, amelynek egyetlen útvonalán az év paraméter választja ki a megjelenített táblázatot. A 2025 és 2026 érték törlése után ugyanaz a látszólag tiszta URL maradna, miközben a hivatkozott adatok eltérhetnek.
Ugyanígy jelentős lehet a nyelv, a termékváltozat vagy a dokumentumazonosító. Követési paraméterek eltávolítása csak ismert, az adott szolgáltatáshoz tartozó szabállyal történjen. Egy ismeretlen paraméterről ne feltételezd, hogy felesleges.
A paramétersorrend átrendezése sem univerzális azonossági bizonyíték. Ismétlődő paraméterek és aláírt webcímek esetén a sorrend vagy az eredeti karakteralak számíthat. Egyeztetési célra készülhet külön kulcs, az eredeti elérési címet azonban őrizd meg.
Azonos dokumentumhoz két érvényes felhasználás tartozhat
Legyen egy saját forrásregiszterben két rekord: „időszak kezdete” és „kerekítési szabály”. Mindkettő ugyanarra a dokumentumra mutat, de eltérő fejezetet és eltérő kalkulátormezőt támaszt alá.
A webcím alapján két rekordból egy csoport lesz. Ez hasznos ellenőrzési eredmény. Az automatikus törlés viszont elveszítheti az egyik felhasználási kapcsolatot vagy a külön megjegyzést. A helyes következő lépés a két rekord címe, alkalmazási köre és hivatkozó kalkulátorai közötti összevetés.
Az egyes bekezdésekre mutató töredékazonosító is segítheti a visszakeresést. Még ha ugyanaz a dokumentum töltődik is le, az olvasót más részhez vezetheti. Dokumentumazonosság és pontos forráshely ezért külön mezőként is kezelhető.
A tisztítás eredménye legyen visszafordítható
Az eredeti URL mellett tárold a megvizsgált végső címet, az ellenőrzés dátumát és az egyeztetési megjegyzést. Egy átirányítás technikai ténye nem bizonyítja, hogy a korábban idézett tartalom megmaradt az új oldalon. A tartalmi ellenőrzést külön kell elvégezni.
A JSON-összehasonlítóval ellenőrizheted, hogy a rendezés során mely mezők változtak. Jó ellenőrző lista, hogy a forrásazonosítók, a kalkulátorkapcsolatok és az eredeti évjáratok megmaradtak-e. A források darabszámának csökkentése önmagában nem minőségjavítás; a visszakereshetőség és a helyes alkalmazás a cél.
Három hivatkozási kapcsolat két dokumentumhoz tartozhat
Egy saját próbanyilvántartásban az A rekord egy útmutató 2025-ös változatának 2. fejezetét, a B a 2026-os változat 2. fejezetét, a C pedig a 2026-os változat 7. fejezetét használja. Az A és B ugyanazt a kalkulátormezőt két külön időszakban, a C egy másik mező kerekítését támasztja alá. Ezek kitalált nyilvántartási adatok; nem valós szabályokat állítanak.
| Rekord | Dokumentumváltozat | Pontos forráshely | Felhasználás |
|---|---|---|---|
| A | 2025 | 2. fejezet | Első mező, korábbi időszak |
| B | 2026 | 2. fejezet | Első mező, új időszak |
| C | 2026 | 7. fejezet | Második mező kerekítése |
Ebben a mintában három forrásfelhasználás és két dokumentumváltozat van. A B és C dokumentumrekordja közös lehet, miközben a két állításkapcsolat és a pontos forráshely külön marad. Ha a verzióparamétert és a fejezethivatkozást is levágod, egyetlen technikai csoport keletkezhet, de ez nem írja le helyesen a három alkalmazást.
Az URL dekódolásánál is van határ. A /A%2FB útvonalban a %2F kódolt perjel, a /A/B pedig két, perjellel elválasztott szakaszt ír le. A kódolt elválasztó feltétel nélküli visszaalakítása ezért megváltoztathatja a szolgáltatás számára jelentett címet. Ezzel szemben a %7E és a ~ az RFC 3986 fenntartás nélküli karakterekre vonatkozó szabálya szerint normalizálható pár. A szabvány 2.2–2.3. szakasza megkülönbözteti ezeket.
A tisztítás jó ellenőrzési eredménye ennél a próbánál a két dokumentumváltozat visszakereshetősége és mindhárom állításkapcsolat megmaradása. Az URL-karakterláncok darabszámát önmagában ne használd elfogadási feltételnek.
Gyakori kérdések
Minden azonos URL-es forrásrekordot össze kell vonni?
Csak akkor, ha az alkalmazási kör és az összes hivatkozás megőrzése igazolt. Külön állításokhoz szándékosan tartozhat ugyanaz a dokumentum.
A működő link ellenőrzött szakmai forrást jelent?
A működő elérés csak technikai állapot. Az állítás, az évjárat és az alkalmazási feltételek ellenőrzése további feladat.
A tisztított URL-lel felülírhatom az eredetit?
Jobb külön mezőt használni, amíg a megfelelőség nincs igazolva. Így az egyeztetés később visszakövethető marad.
Záró tudáspróba
Válassz kérdésenként egy választ. A megoldások ellenőrzése után minden helyes válaszért 1 pontot adj magadnak; a hibás, kihagyott vagy több válasszal megjelölt kérdés 0 pont. Összesen 0–3 pont szerezhető.
1. A B és C rekord ugyanannak a 2026-os dokumentumnak két fejezetét használja. Mit tarthatsz közösen?
- A) A dokumentumrekordot, a két állításkapcsolat és pontos forráshely megőrzése mellett.
- B) Csak a kiszolgáló nevét, minden további adatot törölve.
- C) Egyetlen állítást, mert a dokumentum közös.
2. Hány dokumentumváltozat és hivatkozási kapcsolat van az A, B, C példában?
- A) Egy változat és egy kapcsolat.
- B) Három változat és két kapcsolat.
- C) Két változat és három kapcsolat.
3. Miért nem dekódolhatod minden URL-ben feltétel nélkül a %2F jelet?
- A) Mert minden százalékkód hibás.
- B) Mert perjellé alakítva útvonalszakaszok elválasztójává válhat.
- C) Mert az URL végén minden karakter törölhető.
Megoldások és pontszám
1. A. A dokumentum azonossága lehetővé teszi a közös tárolást, de a két külön felhasználást és a fejezetszintű visszakeresést meg kell őrizni.
2. C. A 2025-ös és a 2026-os dokumentum két változat. Az A, B és C három külön állításfelhasználás.
3. B. A perjel fenntartott elválasztó. A kódolt adat és a tényleges útvonalszerkezet nem cserélhető fel általános tisztítási szabállyal.
3 pont: A dokumentumot, a változatot és az állításkapcsolatot is megőrizted. A saját forrásregiszteredben ezeket külön ellenőrizhető mezőkkel kezeld.
2 pont: Az 1. kérdéshez a közös dokumentum és külön forráshely viszonyát, a 2.-hoz az A–B–C táblázatot, a 3.-hoz a kódolt perjel példáját nézd át.
0–1 pont: Írd külön sorba az A, B és C által támogatott felhasználást, majd csak a dokumentumváltozatokat csoportosítsd. Ellenőrizd, hogy egyetlen állításkapcsolat sem tűnik el.