如果错位只在导入环节出现,最有效的核对方式不是重新导入,而是先建立“文件标识—标题—正文字段”的三列对照,再用一个唯一值把三者串起来。这个结论成立的前提是:源文件里存在稳定且不重复的标识,例如文件名中的编号、表格首列的ID或正文开头的固定字段。如果源文件本身没有唯一标识,只靠标题或顺序核对,结论就会失效,因为重复标题和排序变化都会让对应关系再次断裂。
标题与文件错位通常有三种来源:文件名与标题字段被分别写入、导入时按顺序匹配但源数据排序已变、标题被截断或转义后无法与原文件对应。核对时先抽取少量记录,把原始文件名、导入后的标题、正文首段各取一段并排比较。若文件名与标题完全无关,但正文首段能对上,说明问题在标题字段映射;若正文首段也对不上,说明记录顺序或唯一标识已经错位。
这一步的实际动作是:从导入结果中选十条记录,回到源文件按同一唯一值查找,记录每一条的匹配结果。如果十条中有三条以上无法通过唯一值找回,下一步应暂停继续导入,先修源数据的标识列,而不是逐条改标题。
标题可能重复、被改写、被截断,文件名也可能被批量重命名,因此两者都不适合作为唯一依据。更稳妥的做法是选一个在导入前后都不应改变的字段作为主键,例如源文件中的编号、原始路径中的固定片段,或正文中固定出现的引用号。把主键、当前标题、文件名、正文首段放进同一张对照表,再按主键排序,错位会直接暴露为同一主键下标题与正文不一致。
假设一个短例子:源文件有A、B、C三条记录,主键分别为001、002、003,导入后标题顺序变成B、A、C。按主键对照会发现001的标题变成了B,但正文首段仍是A。此时可判断是标题字段与记录顺序脱钩,下一步应检查导入时标题是否按行号而非主键匹配。
有些错位并非记录顺序问题,而是标题在导入过程中被截断、去空格或转义,导致原本能对上的标题看起来像另一条记录。核对时不要只比较标题全文,还要比较标题的前若干字符、长度和特殊字符。如果同一主键下正文首段一致,但标题少了尾部或符号被替换,应优先检查导入规则中的长度限制和字符处理,而不是重新匹配记录。
这里的反例是:如果源文件标题本身就没有唯一性,例如大量标题只差一个序号,那么截断后即使主键正确,标题也会看起来错位。此时继续用标题核对没有意义,必须回到主键或正文固定字段。
如果错位集中在标题字段,修正映射规则后应重新抽取同一批主键记录复核,而不是立即全量导入。如果错位涉及记录顺序,应先固定源数据排序并保留主键列,再重新导入。如果错位来自标题截断,应调整长度或转义规则后,用包含特殊字符和长标题的样本验证。每次改动前后比较时,要考虑搜索需求本身可能随季节变化,不能把一次导入前后的展现差异直接归因于标题修正。
最后,把核对通过的主键清单留作下一次导入的基线。下一次出现标题与文件错位时,先用同一主键清单抽查,能快速判断是旧问题未修完,还是新规则引入了新的错位。