Normaliser navn uten å miste norske tegn
Visuelt like navn kan ha forskjellig tegnrepresentasjon, mens norske bokstaver må bevares.
Et navn kan se likt ut på skjermen og likevel være lagret med forskjellige Unicode-tegnsekvenser. Et navn kan også bli ødelagt av feil tegnkoding. Kontroller kodingen før dere begynner å vaske bort tegn.
Unicode-normalisering gjør bestemte tegnrepresentasjoner sammenlignbare. Den er ikke det samme som å erstatte æ, ø og å med ASCII. En slik translitterering kan være nyttig i enkelte søkefunksjoner, men bør ikke erstatte det bevarte navnet i regnskapsdokumentasjon.
Navnet gjennom tre tekniske trinn
Syntetisk eksempel med lokalt kundenavn, uten forbindelse til en virkelig virksomhet.
| Trinn | Illustrert navn | Kontroll |
|---|---|---|
| Kilde | Åsen Økonomi | Norske tegn er korrekt lagret |
| Alternativ representasjon | A med kombinerende ring i første bokstav | Kan sammenlignes med avtalt normaliseringsform |
| Feil dekoding | Ã…sen Økonomi | Tegnkodingsfeil må rettes |
| For hard vask | Asen Okonomi | Bokstaver og navneinformasjon er endret |
Å fjerne alle spesialtegn kan gjøre søket enklere, men skjuler også at importen leste kilden feil. Rett dekodingen ved riktig ledd i stedet.
Velg normalisering etter formålet
Unicode beskriver blant annet NFC og NFKC med forskjellig virkning. En form som slår sammen kompatibilitetstegn, kan endre mer enn dere ønsker. Prøv derfor konkrete verdier og dokumenter valget; ikke bruk en normaliseringsform bare fordi biblioteket tilbyr den.
JSON-overføring mellom systemer bruker UTF-8 etter RFC 8259. For andre filer må deklarasjon og faktisk byteinnhold stemme. En XML-deklarasjon som sier UTF-8, hjelper ikke hvis filen i praksis er skrevet med en annen koding.
- Bevar originalnavnet ved siden av eventuell søkenøkkel.
- Test æ, ø, å og kombinerende tegn.
- Kontroller eksport, import og videre eksport.
- Undersøk kollisjoner etter normalisering.
- Unngå automatisk navnesammenslåing basert på normalisert tekst alene.
Identitet trenger mer enn navn
To forskjellige foretak kan få samme søkenavn etter vask. Juridisk identitet eller en dokumentert kundenøkkel må derfor styre sammenslåingen. Navnelikhet kan foreslå kandidater, men bør ikke avgjøre uten støtteopplysninger.
Godkjenn testen når tegnene er bevart, søk fungerer etter avtalt regel og originalen kan gjenfinnes. En pen visning alene viser ikke at referanser og videre eksport bruker samme verdi.
Les stabil registeridentitet og kildespor.
Hvis søkenøkkelen translittereres, bør testen inneholde to navn som blir like etter denne behandlingen. Søket kan vise begge kandidater, men skal ikke automatisk slå dem sammen. Bevar originalnavn og stabil identitet i resultatet, slik at brukeren kan se hvorfor treffene fortsatt er forskjellige objekter.
Kilder
Kanonisk normalisering løser ikke alle visuelle forvekslinger. Ved et nytt krav bør dere undersøke leverandørnavn med visuelt like tegn fra ulike skriftsystemer uten å tolke blandede skriftsystemer alene som svindelbevis eller som grunnlag for sammenslåing.