如何创建博客：批量替换文本前怎样构造反例样本
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /c80ffb4ed3df.html
📄
如何创建博客：批量替换文本前怎样构造反例样本
在博客上做批量替换之前，先构造一批“必须不被替换”的反例样本，比直接全站替换更稳。反例样本要覆盖三类内容：已经被正确处理的旧文本、结构相似但语义不同的干扰文本、以及替换后可能产生新歧义的边界文本。把这三类写成可逐条核对的清单，再决定用正则、脚本还是手工处理。
先确定替换对象与反例的对应关系
假设你手里的博客有 40 篇教程，需要把正文中的“点击这里”统一替换为带具体动作的链接文字。这时反例样本不是随便找几段文字，而是要和替换规则一一对应。比如：
- 旧文本反例：已经写成“点击下载配置示例”的句子，不能被二次替换。
- 干扰文本反例：代码块里的
<a href="#">点击这里</a>，如果直接替换会破坏示例代码。 - 边界文本反例：图片说明里的“点击这里查看大图”，替换后可能变成“点击下载配置示例查看大图”，语义重复。
先列出这三类，再决定替换范围。如果反例集中在代码块和图片说明，就应把替换限定在正文段落，而不是全字段执行。
两种构造顺序的取舍：先抽样还是先写规则
一种做法是先随机抽 10 篇博客，从里面挑出疑似不该被替换的句子，再归纳规则。另一种做法是先写出替换规则，再按规则反向构造反例样本。两者都成立，但适用条件不同。
先抽样适合你还不清楚博客里有哪些写法的情况。代价是样本可能漏掉低频但危险的模式，比如只在两篇文章里出现的代码片段。动作上，可以按发布时间或栏目各抽 3 篇，逐篇标记“可替换”和“不可替换”的句子，再把不可替换的句子按共同特征分组。如果分组后发现有 4 组以上，说明替换规则需要分步执行，不能一次完成。
先写规则适合你已经明确要替换的文本模式，比如所有“本文”“本站”“点击这里”。这时反例样本要围绕规则边界来构造：规则写“替换所有‘本文’”，反例就要包括“本文档”“本文集”这类包含关系。动作上，先把规则写成一条可执行的匹配表达式，再用它去匹配全部文章，把命中结果里明显不该改的句子单独存档。如果命中结果中超过三成需要排除，说明规则过宽，下一步应先收窄规则，而不是继续增加反例。
用短例子验证反例样本是否够用
假设你的博客里有一句“本文介绍如何创建博客，本文不涉及插件配置”。你打算把“本文”替换为“这篇教程”。构造反例时，至少准备以下四条：
- “本文档”不应被替换，因为“本文”只是词的一部分。
- “本文集”不应被替换，理由同上。
- “本文不涉及插件配置”可以被替换，但替换后“这篇教程不涉及插件配置”语义正常，属于可接受边界。
- 代码块中的
本文不应被替换，因为它是示例文本。
把这四条放进一份临时清单，逐条对照替换结果。如果第 1、2 条被误替换，说明匹配边界需要加限定条件；如果第 4 条被误替换，说明替换范围没有排除代码块。这个动作的结果直接决定下一步：是调整匹配规则，还是调整处理范围。只有反例全部通过，才值得扩大到全部文章。
替换后如何判断反例样本是否仍然有效
批量替换执行后，不要只看替换了多少处。把替换前的反例样本再跑一遍，确认它们没有被改动。同时，抽 5 篇被替换的文章，人工检查替换位置前后各一句话，看是否出现新的歧义。这里要区分两种现象：替换数量为零，可能是规则写错，也可能是原文本来就没有匹配项；替换后某篇文章流量变化，可能与替换无关，而是季节、搜索需求变化或采集时间差异造成的。不要把一次替换前后的数据直接当成因果关系。
如果反例样本在替换后仍然成立，并且抽查没有发现新歧义，就可以把这次的反例清单保存下来，作为下一次修改博客时的起点。下一次遇到新的替换需求，先往这份清单里补充边界样本，再决定是否执行。
