问题标签 [normalize]

我想知道我是否在 python 中规范化 URL。

例如，如果我有一个 url 字符串，例如：“ http://www.example.com/foo goo/bar.html”

我需要一个 python 库，它将额外的空间（或任何其他非规范化字符）转换为正确的 URL。

很久以前，我写了一个样式“规范器”程序来扫描一大堆经典 ASP 页面的 ASP/HTML 代码（其中大部分最初是从 MS-Word 文档生成的，所以自然而然地到处都是多余的样式表和大量的样式表） -off 样式）。样式规范器生成了一组最小的样式表和样式以及一个新的“净化”asp/html 文档，因此净化后的文档产生与原始文件完全相同的渲染输出（通过屏幕截图图像比较验证）。

时不时地，我遇到对这样一个程序的需求，并且正在考虑编写一个用于商业发布的想法。

我的谷歌搜索技能并没有完全像这样出现（HTML：Normalize Perl 模块和 HTML Tidy 项目似乎只是清理标签）。

所以，我的问题是：

1. 是否已经有这样的工具，商业或其他？
2. 如果没有，真的有人需要吗？
3. 如果是这样，哪些功能会让它真正值得？

例如，关于#3，为一组页面收集基本样式表，或调整所有页面以使用给定的基本样式表；保留经典的 asp 命令，遵循#includes，保留 asp.net 嵌入式脚本等。越具体、越多越好。

示例：
带有嵌入标签的旧 html

新的 html

请注意，div 上的样式已经消失，因为它与 cls1 类是多余的

编辑：删除了“消毒剂”一词，因为我不专注于 XSS 攻击或过滤评论中的输入，而只是将许多临时样式和随机 CSS 类整合到一组最小的连贯样式表中。

我正在尝试获取项目根目录下所有单元测试程序集的列表。我可以这样做：

但是，这将多次找到相同的 DLL，因为它们存在于多个子目录中。有没有一种简单的方法可以根据项目元数据（即文件名和扩展名）进行规范化，以便获得唯一的单元测试 DLL 列表？还是我必须求助于编写自己的任务？

我想将社交网络图中的一些节点指标组合成一个值，以便对节点进行排序：

in_degree + betweenness_centrality = informal_power_index

问题是in_degree和betweenness_centrality是在不同的尺度上测量的，比如 0-15 vs 0-35000 并遵循幂律分布（至少绝对不是正态分布）

有没有一种很好的方法来重新调整变量，以便在确定 时一个不会支配另一个informal_power_index？

三种明显的方法是：

• 标准化变量（减去mean和除以stddev）。这似乎会过度压缩分布，隐藏长尾值与峰值附近值之间的巨大差异。
• min(variable)通过减去和除以将变量重新缩放到范围 [0,1] max(variable)。这似乎更接近于解决问题，因为它不会改变分布的形状，但也许它不会真正解决问题？特别是手段会有所不同。
• 通过将每个值除以 来均衡均值mean(variable)。这不会解决尺度上的差异，但也许平均值对于比较更重要？

还有其他想法吗？

这是一个非常标准的新手问题，但我正在寻找一种专家聪明的方法来用很少的代码做到这一点。（我知道如何用程序代码和游标来做这个长手，所以我们可以跳过那部分答案。）基本上，我有一个非规范化数据集，我需要在集合处理中提取一个规范化表方式。原始数据来自 Excel，我将其作为表格附加到 MS SQL 中进行查询。单个字段（在 Excel 和 SQL 中）有一个逗号分隔的每个产品参与的部门列表。

我知道我应该对数据进行规范化，但它来自 Excel（用户这样做是不切实际的）。我知道我可以通过一个循环遍历每条记录的过程（如游标或 with 语句）来做到这一点，但对于今天可用的工具来说，这似乎是不必要的。 是否有一条语句可以在其中为这些记录提取带有“参与”字段的主键？

将源想象为：

ProductIDDepartments
 123      1,3,5,15  
 456      2,4,5,16  

我做了正常的 select * from dbo.split(CommaSepField) 但这一次只适用于一条记录（并且您不能使用表值函数提供字段的值。更不用说，您如何合并所有这些单个结果套？

统一所有结果集让我想到了公共表表达式，但我无法完全弄清楚如何（1）使用扩展字段获取主键，以及（2）如何格式化查询以使其工作。

输出当然是：

ProductIDDept
 123      1  
 123      3  
 123      5  
 123      15 
 456      2  
 456      4  
 456      5  
 456      16 

我在 StackOverflow 和 Google 中对此进行了相当多的研究，但并没有真正找到适用的答案。如果我错过了，我深表歉意。请发送链接：D。

我有点卡在这里，我想这有点脑筋急转弯。如果我的数字在 0.5 到 1 之间，如何将其标准化为 0 到 1 之间？

感谢您的帮助，也许我只是有点慢，因为我过去 24 小时一直在工作 O_O

我开始了一个新项目，他们有一个非常规范化的数据库。可以查找的所有内容都存储为查找表的外键。这是规范化的，很好，但我最终为最简单的查询做了 5 个表连接。

我想建议我们对一些东西进行去规范化。就像州代码一样。在我的一生中，我没有看到州代码发生变化。与 3 个字母的机构代码类似的故事。这些是由机构的机构分发的，永远不会改变。

当我以状态代码问题和 5 个表连接联系 DBA 时。我得到“我们已标准化”和“加入速度很快”的响应。

是否有令人信服的非规范化论点？如果没有别的，我会为了理智而这样做。

T-SQL 中的相同查询：

我有一个包含多个节点的 XML 文件，每个节点都包含一个<current-fine>节点。我需要对这些值求和，但不幸的是它们包含空格，所以我最终得到 NaN 作为总数。

有没有办法实现以下目标：

非常感谢

我有一个关于表面法线的请求。以下代码片段来自 URL： http ://www.kindohm.com/technical/wpf3dtutorial.htm

我不明白为什么代码行“mesh.Normals.Add(normal);” 重复三遍。

能不能说下原因。

问候

弗兰克

我需要一个计算曲面和顶点法线的 C# 代码片段。一种表面是三角形的 3D 闭合网格。所需的代码片段必须能够使用顶点集和三角形索引。这些现在可以使用了。3D网格物体表面不光滑，需要进行平滑处理。

你可以帮帮我吗。