维基百科

维基百科:机器人/申请/Antigng-bot/33

< Wikipedia:机器人 | 申请 | Antigng-bot

Antigng-bot 33

编辑
  • 状态：   撤销许可
  • 操作者：Antigng（留言）
  • 提请时间：2020年7月1日 (三) 23:05 (UTC)
  • 自动化程度：全自动
  • 编程语言：C
  • 用途：清理Category:引文格式1错误：不可见字符
  • 源代码连结：
  • 编辑时段及频率：不限
  • 受影响页面：634570（存量），增速不知
  • 遵守机器人规范：仅影响名字空间0和名字空间118，本身可靠性有保证不需要{{bots}}模板控制
  • 已有机器人权限：是
  • 严格按照CS1模块的逻辑处理这个分类下的条目。框架与最近三个（30，31，32）和模板相关的任务完全一致：
  1. 遍历一棵模板树中的所有模板；
  2. 检查模板名是否为引用模板，若否则跳过；
  3. 检查是否为不使用CS1的引用模板（e.g. cite arxiv），若是则跳过；
  4. 检查本模板中各参数值：若参数名实质等同于quote则跳过不处理；若参数值含有"<!---"或"nowiki"字串则跳过不处理；
  5. 除U+FFFD（依其定义，此符号存在的目的是为了替换，而非简单粗暴地移除）之外，若含有其它任何CS1定义的不可见字符则移除，但以下情况需要特殊处理:
  6. 控制符\t，\r，\n需特殊处理，它们在参数值的开头和尾部出现是合法的，但在参数值中间出现则是非法的；因此在检查参数值时，在读入第一个非不可见且非空格的字符前，不会清走这三个字符；在读入满足上述条件的字符后，遇到这三个字符不会立即丢弃，而是会将其存入一个缓冲区，待读入下一个非不可见且非空格的字符时才清空。最后将留在缓冲区中的字符（即原参数值尾部的\t\r\n）加到输出的新参数值尾部。这种处理方式有一个非预期的行为即如果原参数值的尾巴是“\t \n \n”，输出后会变成“ \t\n\n”。但本人认为这种处理至少是没有害处的，应可以接受;此外，由于该三个控制字符在事实上会显示为空格，为避免把两个英文词汇/数字粘一起，在清空缓冲区前会检查当前字符和输出的前一个字符是否是非空格、非连接符且非不可见的ASCII字符，如是则先输出一个空格再丢弃。
static int judgeinvisible(unsigned int uch)
{
	/* 等于是把[[:Category:引文格式1错误：不可见字符]]的说明照抄一遍，但跳过U+FFFD不处理*/
	return ((uch!=0xFFFD)&&
		(uch==0x200B)||
		(uch==0x00AD)||
		(uch==0x0009)||
		(uch==0x0010)||
		(uch==0x0013)||
		((0<uch)&&(uch<=0x001F))||
		((0x0080<=uch)&&(uch<=0x009F))||
		((0xFFF9<=uch)&&(uch<=0xFFFF))||
		((0xE000<=uch)&&(uch<=0xF8FF))||
		((0xF0000<=uch)&&(uch<=0xFFFFD))||
		((0x100000<=uch)&&(uch<=0x10FFFD)));
}
  批准测试运作（30次编辑）。--Xiplus#Talk 2020年7月15日 (三) 10:35 (UTC)[回复]
  •   已完成50笔编辑。除1、2之外均满足设计要求。检查发现是上面的表达式没有写对，应为：
static int judgeinvisible(unsigned int uch)
{
	/* 等于是把[[:Category:引文格式1错误：不可见字符]]的说明照抄一遍，但跳过U+FFFD不处理*/
	return ((uch!=0xFFFD)&&
		((uch==0x200B)||
		(uch==0x00AD)||
		(uch==0x0009)||
		(uch==0x0010)||
		(uch==0x0013)||
		((0<uch)&&(uch<=0x001F))||
		((0x0080<=uch)&&(uch<=0x009F))||
		((0xFFF9<=uch)&&(uch<=0xFFFF))||
		((0xE000<=uch)&&(uch<=0xF8FF))||
		((0xF0000<=uch)&&(uch<=0xFFFFD))||
		((0x100000<=uch)&&(uch<=0x10FFFD))));
}
(：)回应
1. 是。如Special:Diff/60649498所示，不取消这一换行CS1即报错。（但处理任务时bot完全“看不见”CS1的报错信息，因此上面的空运行结果才有意义。）
2. 是。因为最后一个参数里带了reflist模板，当程序完成模板解析的时候参数值的地方是一个单向链表
(节点1：[类型=文本,字符指针=指向字符串" ref = harv \n==参考文献==\n"所在的内存区域])->（节点2: [类型=模板，结构指针=指向模板reflist所在的内存区域]）->（节点3：[类型=文本，字符指针=指向字符串"\n\n==另请参阅==\n  "所在的内存区域]）->NULL
当程序处理到节点3的地方时，如果要去除“另请参阅”前面的两个\n，它就必须利用节点1和节点2中已经出现过的信息。但是它完全不知道节点2中的模板里有什么内容——不可能每解析一个条目还要向服务器请求所有使用的模板的源码，这不现实——为保险起见就一刀切禁止这种跨节点处理的情况。
3. 引起Citation/CS1报错的的除了不可见字符之外，还有部分控制字符和私有字符。™与U+FFFD不同，其出现几乎总是由OCR识别错误所导致的，而不是替换了什么合法的字符，因此采用移除的处理方法并无不妥之处。--Antigng（留言） 2020年7月18日 (六) 02:11 (UTC)[回复]
  正式批准运作。--Xiplus#Talk 2020年7月18日 (六) 05:13 (UTC)[回复]
检索自“https://zh.wikipedia.org/w/index.php?title=Wikipedia:机器人/申请/Antigng-bot/33&oldid=83568103”