Zero-width characters inside a name produce a different entity id
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 78/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Stack tecnologico
- typescript
- Ambito
- backend
Direzione di ricerca
Inizia in src/selfgraph/ids.py, alla funzione _canonical_name, e trova l’implementazione TypeScript corrispondente della canonicalizzazione dei nomi. Controlla come vengono gestiti i caratteri di formato prima di separare le parole, quindi confronta il comportamento dei caratteri invisibili elencati all’interno e ai bordi dei nomi. Il lavoro è completato quando producono lo stesso ID entità del nome visibile in entrambe le implementazioni.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
What happens
An invisible format character inside an entity name becomes a word break in the derived id. entity_id("Person", "Acme") is person:ac-me, a different entity from person:acme, although both names render as "Acme". U+200D (zero-width joiner), U+00AD (soft hyphen) and U+2060 (word joiner) do the same.
The same characters at the start or end of a name are dropped: "Acme", "Acme", "Acme" and "Acme" all give person:acme. So whether an invisible character changes the id depends on where it sits. Names copied from web pages or PDFs often carry these.
Reproduce
On main (5a277c9):
from selfgraph import entity_id
for name in ["Acme", "Acme", "Acme", "Acme", "Acme", "Acme", "Acme"]:
print(repr(name), entity_id("Person", name))
'Acme' person:acme
'Acme' person:ac-me
'Acme' person:ac-me
'Ac\xadme' person:ac-me
'Acme' person:ac-me
'Acme' person:acme
'Acme' person:acme
Cause
src/selfgraph/ids.py, _canonical_name: _PUNCT replaces format characters (category Cf) with a space before splitting into words. Removing Cf characters inside a name, as already happens at its edges, would keep these names on one id. The TypeScript port needs the same change.
- Lingua principale
- TypeScript
- Stelle
- 173
- Fork
- 58
- Merge medio
- 6h
- PR unite (30g)
- 120
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di hydra-db/selfgraph
-
approved-for-pr area: cli-mcp area: errors bug effort: S P3
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
hydra-db/selfgraph#401 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
approved-for-pr area: errors area: store bug effort: S P3
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
hydra-db/selfgraph#398 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
approved-for-pr area: errors area: write bug effort: S P3
Difficoltà 2/5 1-3 ore Idoneità per principianti 77/100
hydra-db/selfgraph#392 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
approved-for-pr area: parity area: write bug effort: S P3
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
hydra-db/selfgraph#391 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di hydra-db/selfgraph
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 77/100
code-yeongyu/senpi#7139 ·
I maintainer di solito rispondono entro 1 giorno
-
community first-timers-only good first issue hacktoberfest help wanted low hanging fruit up-for-grabs
Difficoltà 1/5 1-3 ore Idoneità per principianti 72/100
lingdojo/kana-dojo#34395 · 1 commento · 5 reazioni ·
I maintainer di solito rispondono entro 1 giorno
-
bug status: needs triage
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
mastra-ai/mastra#31093 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
area:web p2 product:business triage:active type:bug
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 89/100
cuadrao-ai/argus#2328 ·
I maintainer di solito rispondono entro 1 giorno
-
bug frontend good first issue help wanted
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
nikhilb2/simple_invoicing#907 ·