استخراج مقيد لكتل العلامات الخلفية
استخرج كتل ثلاث علامات خلفية في العمود صفر من نص حتى 4096 حرفاً مع وسم لغة ASCII اختياري.
import re
def fenced_blocks(text):
if type(text) is not str or len(text) > 4096:
raise ValueError("fence.input")
blocks, body, language = [], None, None
for line in text.splitlines():
if body is None:
opening = re.fullmatch(r"```([A-Za-z0-9_-]*)", line)
if opening:
body, language = [], opening[1]
elif line == "```":
blocks.append((language, "\n".join(body)))
body = None
else:
body.append(line)
if body is not None:
raise ValueError("fence.unclosed")
return blocks
النماذج
اضبط نقطة اتصال متوافقة مع OpenAI أو Anthropic باستخدام العنوان الأساسي ومفتاح API عند الحاجة. اختبر الاتصال. يجب أن يعمل خادم النموذج المحلي؛ وقد ترسل الأدوات البعيدة البيانات بشكل منفصل.
المشروع
اختبر الكتل الفارغة ونهايات الأسطر الموحدة وارفض الكتل غير المغلقة واترك صيغ Markdown الأخرى دون تفسير أو تنفيذ.
راجع قبل التطبيق
قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية.
import re
def fenced_blocks(text):
if type(text) is not str or len(text) > 4096:
raise ValueError("fence.input")
blocks, body, language = [], None, None
for line in text.splitlines():
if body is None:
opening = re.fullmatch(r"```([A-Za-z0-9_-]*)", line)
if opening:
body, language = [], opening[1]
elif line == "```":
blocks.append((language, "\n".join(body)))
body = None
else:
body.append(line)
if body is not None:
raise ValueError("fence.unclosed")
return blocks
افصل عقد الاستخراج عن التنفيذ
يوفر FenceLilt مساحة عمل للبرمجة بالذكاء الاصطناعي على Windows للمطورين الذين يبنون ميزات معالجة نص صغيرة بقواعد مدخلات محدودة عمداً. افتح المشروع وصف ما تتعرف عليه الميزة وما تتركه كما هو وكيف تبلغ عن المدخل الناقص. يمكن للنموذج المتصل عندئذ فحص المصدر واقتراح تغيير وفق تلك الحدود.
استخراج كتل الشيفرة المسيجة مهمة ملموسة. استخدم قواعد العلامة ووسم اللغة في المثال الحالي لمناقشة الصيغ المقبولة، بما فيها الكتل الفارغة وفواصل الأسطر. اطلب من المساعد شرح تعامل المحلل المقترح مع كتلة غير مغلقة قبل مراجعة تنفيذه. المتن المستخرج نص؛ أما اختيار تشغيل شيء منه فميزة مختلفة بمتطلبات مختلفة.
شغّل حالات اختبار للمخرجات الدقيقة في مشروعك بعد فحص التعديل، وأدرج صيغاً غير مدعومة يجب ألا يعاد تفسيرها بالخطأ. راجع حد الحجم ومعالجة الأخطاء إلى جانب نجاح الاستخراج. للمساعدة بالذكاء الاصطناعي، اضبط نقطة نهاية مدعومة متوافقة مع OpenAI أو خاصة بـ Anthropic مع بيانات اعتماد عند الحاجة. يمكن اختيار نموذج بلا قيود إن وفرته الخدمة، بينما تعتمد سعة السياق والأدوات المتاحة على الخادم. تنتهي الجلسة المفيدة بتغيير تستطيع وصف لغته المقبولة وسلوك إخفاقه بوضوح.
فحص ميزة استخراج مقيدة
هل يعني استخراج كتلة شيفرة تشغيل محتوياتها؟
لا. تعيد هذه المهمة نصاً وفق عقد علامات محدد. افصل أي قرار تنفيذ لاحق عن الاستخراج، وراجع الشيفرة اللاحقة كي لا تؤدي معالجة متن معاد إلى تشغيل أوامر أو تقييم مصدر دون توقع.
هل يقبل هذا الإجراء كل أنماط تسييج Markdown؟
يدعم المثال الحالي عمداً صيغة مقيدة. أدرج العلامات والأوسمة التي يحتاجها تطبيقك ثم تحقق منها صراحة. التوسع إلى صيغ Markdown أخرى تغيير متطلبات، لا نتيجة تلقائية لتنظيف المحلل.
كيف تعالج كتلة غير مغلقة؟
حدد ما إذا كان المدخل الناقص يرفض قبل تنفيذ التغيير. ترفضه المهمة الموضحة. أدرج حالة تصل إلى النهاية والكتلة مفتوحة، وتحقق من عرض المستدعي لهذه النتيجة بصورة مناسبة.
لماذا نحتفظ بأمثلة غير مدعومة في الاختبارات؟
إنها تبين حدود الميزة. قد يتعرف تعبير يقترحه النموذج على صيغ إضافية بالخطأ، فيغير السلوك دون إخفاق واضح. افحص النص المقبول والمتروك معاً كي يحفظ التنفيذ الحد المقصود.
FenceLilt · آخر تحديث 2026-10-25