إزالة الأسطر المكرّرة

تُمشى القائمة من أعلى إلى أسفل، ويُضاف كل سطر إلى مجموعة الأسطر التي رُئيت من قبل. فإن كان السطر في المجموعة أصلًا أُسقط؛ وإلا أُبقي. معنى ذلك أن أول ظهور لكل قيمة هو الذي ينجو وأن الترتيب يُحفظ — وهو ما تريده حين تكون القائمة مرتّبة بالأهمية أو زمنيًا، وهو ليس ما يعطيك إياه الفرز وإزالة التكرار معًا.

خياران يقرّران ما الذي يُعدّ تكرارًا. تجاهل حالة الأحرف يعامل Ahmad@example.com وahmad@example.com على أنهما واحد — وهو الصحيح لعناوين البريد، حيث النطاق غير حسّاس لحالة الأحرف ويكاد كل مزوّد يعامل الجزء المحلّي كذلك أيضًا.

احذف المسافات قبل المقارنة يتجاهل ما في أول السطر وآخره منها. فالقوائم الملصوقة من الجداول وملفات PDF مليئة بمسافات لاحقة غير مرئية، وبدون هذا الخيار يُعامل سطران متطابقان بصريًا على أنهما مختلفان — وهذا هو السبب الأشيع بمفرده لأن تبدو إزالة التكرار وكأنها لم تعمل.

كل شيء يجري في متصفّحك. قوائم عناوين البريد وأسماء العملاء هي بالضبط نوع البيانات الذي ينبغي ألّا يُلصق في موقع يرفعه.

دمجت ثلاث استمارات تسجيل لفعالية في قائمة واحدة من 1240 عنوان بريد، وتحتاج أن ترسل دعوة واحدة لكل شخص.

الصق القائمة والخياران مفعّلان. يقرأ سطر الحالة lines in 1240 وlines out 1104 وremoved 136. تلك الـ136 كانت لأشخاص سجّلوا مرّتين.

الآن أطفئ احذف المسافات قبل المقارنة وراقب عدد المُزال يهبط إلى 89. الفرق — 47 عنوانًا — أسطر تحمل مسافات لاحقة من تصدير الجدول. تبدو متطابقة على الشاشة وهي مختلفة بلا مرأى عند الحاسوب. هذا هو الخيار الذي ينساه الناس، وهو سبب أن قائمة «ما زال فيها تكرار» لا يكون فيها تكرار عادةً.

أطفئ تجاهل حالة الأحرف أيضًا فيهبط العدد مرة أخرى، إلى 61. فـSara.Haddad@Gmail.com وsara.haddad@gmail.com هما الصندوق نفسه، ولا تلتقط ذلك إلا المقارنة غير الحسّاسة لحالة الأحرف.

الترتيب لم يتغيّر طوال ذلك: أول مرة ظهر فيها كل عنوان هي حيث يبقى. فإن أردته أبجديًا بعدها، افرز الناتج خطوةً ثانية — فعله بهذا الترتيب يتيح لك الاحتفاظ بأقدم مُدخَل بدل واحد اعتباطي.