猫猫猫猫猫对比：一次字符排查复盘
猫猫猫猫猫对比看着像数猫，真正容易出错的却是字符、空格和编码。本文用一组可复现的内容导入案例，还原从发现重复标签、核对原始字符串，到定位尾部空格并完成清洗的全过程，顺手讲清字符数、字节数和搜索匹配为什么不是一回事。
问题一：五个“猫”为什么变成两个标签？
案例很具体：内容系统里已经有标签“猫猫猫猫猫”，再次导入一批文章后，后台却多出一个肉眼几乎相同的新标签。把两个名称复制到普通记事本，仍然看不出区别；只有打开编辑器的“显示空白字符”，才发现新标签末尾多了一个半角空格。
拿字符串直接对比，A是“猫猫猫猫猫”，B是“猫猫猫猫猫 ”。A包含5个汉字，B则是5个汉字加1个空格。数据库按精确值保存时，它们当然不是同一个标签。问题不在猫的数量，而在不可见字符。
问题二：怎样确认不是少写或多写了一个猫？
排查时别靠盯屏幕数，连续重复字符很容易看花。更稳的办法是给每个字符加分隔符：把目标文本转换成“猫｜猫｜猫｜猫｜猫”，或用脚本输出字符数组。这样少一个、多个空格都会直接暴露。
标准的“猫猫猫猫猫”由5个U+732B组成。在UTF-8编码下，每个“猫”占3字节，整串共15字节；末尾加半角空格后是16字节。字符数和字节数同时检查，比只看后台显示可靠。
问题三：清洗时直接删空格行不行？
不能一股脑删除所有空格，否则“橘猫 日常”可能被改成“橘猫日常”，原本不同的标签反而合并。这个案例只需要去掉开头和结尾的空白，也就是常见的trim处理，同时保留词语中间的空格。
修复顺序是：导出标签原值，生成清洗后的新值，列出可能合并的记录，人工确认，再更新文章与标签的关联。直接修改标签表却不检查关联表，容易留下失效链接或重复ID。
问题四：这次猫猫猫猫猫对比留下什么经验？
真正有用的检查项只有四个：可见内容、字符数量、Unicode码点、首尾空白。若文本还来自网页复制，再加查不换行空格和零宽字符。它们看不见，却足以让精确匹配失败。
上线前可建立一组固定样本：五个猫、四个猫、五个猫加空格、五个猫加换行。导入、搜索、去重各跑一次。这个小测试不到几分钟，却比出问题后人工合并上百条记录省事得多。
推荐阅读
常见问题
猫猫猫猫猫一共有几个字符？
按通常的Unicode字符计数是5个字符；采用UTF-8编码时共15字节。若末尾夹有空格或零宽字符，实际字符数会增加。
两个看起来一样的标签为什么搜索不到？
常见原因是首尾空格、不换行空格、换行符或零宽字符。把空白字符显示出来，并逐个输出Unicode码点即可确认。
数据库去重应该忽略所有空格吗？
不建议。通常只清理首尾空白，并把疑似重复项列给人工确认；删除中间空格可能误合并本来不同的名称。