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.
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.