保留特征与语言variant的实际含义
交接FASTA和TSV前理解缺失、空值与重复蛋白或语言声明，分清派生文本与原始证据。
数量可能掩盖不同声明
匹配CDS与已导出蛋白是两个事实；含语言variant的TU与唯一配对TU也不同。交接前比较这些数量，并检查状态如何解释差异。
GenBank原需求含重复NRPS_PKS与缺qualifier；TMX原需求是UTF16LE XML英西translation memory。这两个任务需要结构与含义，单纯拼行或提取看似合适的值无法完成。
不要静默选取重复值
空translation加MKL*仍是两个声明。工具标记ambiguous且不导出该蛋白，完整保留两条声明及跨度；擅选非空值会增加原任务未要求的编辑决策。
TMX两个ES-ES variant同样保持ambiguous。TSV保留TU状态与数量，句对文本留空；JSON与原件保存全部备选。大小写不同locale也保持区别，直到用户明确选择。
| 观察 | 含义 | 接收动作 |
|---|---|---|
| GenBank匹配但无法导出 | translation缺失、为空或重复 | 检查全部原件qualifier，不从DNA猜蛋白 |
| TMX备选歧义 | 所选source或target有多个variant | 查看完整备选，在原始编辑源解决 |
| TMX派生文本 | 排除代码数据，包含hi/sub文本 | 格式或代码身份重要时保留带内联代码原件 |
原件字节与规范化文本各有用途
GenBank报告跨度是UTF-8字节位置，包含BOM与原始换行。location只是声明位置，不进行解释；FASTA header可逆编码全部身份字段，原件重名时不能只靠短ID。
TMX JSON按XML1.0规范化文本与属性，original.tmx保留UTF16LE/BE字节和完整源。bpt/ept/ph/it代码数据仍在JSON与原件中，即使派生TSV排除这些数据。不会加载外部DTD，UDE也不应用。
在预算内保持完整交接
GenBank允许10MiB输入与40MiB完整合计输出；TMX为2MiB与10MiB。结构与字段限制共同生效。原子超限后应明确缩小任务，不能把被裁剪预览当完整导出。
表格最多200行、单元格2,000个UTF-16单元；超过20,000单元的复制内容是预览。下游核对前下载每个完整文件。CSV/TSV公式防护对危险前缀加单引号，原声明仍可从JSON与原始字节取得。
- 蛋白任务检查全部匹配但不可导出状态，并解码每个FASTA header。
- 语言对任务比较完整TU/variant顺序与内联身份，不能只看几句可见文本。
- 两者都将原件与完整报告一并保留，取消后按同样明确控件重试。
知道哪些结论未建立
这些导出不证明生物有效性、翻译质量或完整源schema合规。GenBank核酸与location解释未审；TMX Level2/DTD验证、locale回退和未知属性有效性不作承诺，接收流程须保留这些边界。
作者只给片段或未提供完整原文件。完整合成starter让流程可运行，不冒充作者数据。独立全原件读取器检查实现行为，实际浏览器交互及中央验收是另行保存的证据。
参考资料
- GenBank作者需求
第一人称需求：按qualifier筛选已有蛋白声明；完整作者原文件不可得。
- TMX作者需求
第一人称UTF16LE英西TSV任务；片段缺最终闭合，starter为合成任务重建。
- GenBank样本记录
字段含义正确性参考，不作需求证据或完整INSDC验证。
- TMX1.4b规范
编码与混合内联内容正确性参考；工具仅承诺声明的有限范围。
本分类工具使用说明
展开工具，查看操作步骤、可调选项和支持范围，再直接进入工作区。
GenBank CDS声明蛋白导出按字面qualifier值筛选CDS并导出唯一声明translation，保留全部特征状态、重复qualifier与原件字节位置。
从完整GenBank读取现有蛋白声明。缺失、空值与重复translation都有明确状态；不从DNA重新计算蛋白。
操作步骤
- 选择完整GenBank文件或粘贴UTF-8文本，设置qualifier key、字面值及contains/equals规则。
- 查看匹配与导出数量，并核对每个无法导出的CDS状态，不假设每个匹配都有蛋白。
- 下载proteins.faa、完整报告与original.gb；交接声明location时一并保留原件。
可调选项
- qualifier key
- NRPS_PKS
- 大小写敏感字面值
- PKS_
- 字面匹配规则
- 包含字面值 · 等于字面值
能力与限制
- 单份UTF-8核酸GenBank，支持BOM与LF/CRLF，上限10MiB；最多10,000记录、100,000特征、20,000匹配CDS、全部特征合计8,000,000个声明translation ASCII字符、300,000物理行。原件、JSON、CSV、FASTA完整合计上限40MiB。
- 物理行与声明location各限65,536个UTF-16单元；每特征最多100,000个qualifier；每个普通qualifier解码值最多1,048,576个UTF-16单元。筛选key为最多128单元的ASCII标识符，字面值最多4,096单元。所有预算共同生效，输入与输出总限约束组合容量。
- 识别核酸LOCUS前缀、准确ASCII固定FEATURES列和完整ORIGIN/CONTIG加//结构。未验证完整INSDC header、DNA内容与长度、location解释、密码子、翻译表、生物有效性或外部引用。蛋白LOCUS、单独CR、非法UTF-8、不支持缩进或translation字符会拒绝。
- contains/equals按大小写敏感字面值匹配，不执行正则。缺qualifier和未匹配分别显示；仅恰好一个非空translation声明导出。没有声明为missing，一个空声明为empty，任何重复声明为ambiguous，即使其中一个为空也不擅选。
- 完整JSON保留全部已解析记录与特征、按顺序重复qualifier与flags、引号形态、声明location及准确UTF-8字节跨度。FASTA header可逆包含记录/特征索引、LOCUS、全部ID与location；只移除现有translation内空白，不推断蛋白生物有效性。
- CSV包含每个CDS状态，为类似公式的文本加单引号防护；JSON保留原值。表格仅预览前200行，长单元格前2,000个UTF-16单元。超过20,000单元的复制内容是报告预览，下载仍完整；原件BOM、LF/CRLF字节精确保留。
TMX语言对与variant导出将明确选择的TMX语言对导出TSV，并在完整报告与精确原件中保留全部备选variant、元数据与混合内联内容。
先查看完整translation memory再选择唯一语言对。精确locale匹配避免静默回退，缺失与重复variant保持可见而不擅选。
操作步骤
- 选择完整TMX文件或粘贴UTF-8 XML，填写准确source与target locale名称。
- 执行后查看已配对、歧义和缺失TU数量；在完整报告中核对全部备选variant。
- 一并下载pairs.tsv、report.json和original.tmx。TSV用于derived text，不能替代原生内联代码。
可调选项
- 精确source locale
- EN-GB
- 精确target locale
- ES-ES
能力与限制
- 单份TMX1.4文件上限2MiB，最多2,000个translation unit、10,000个语言variant、30,000个XML元素节点，XML深度64；明确locale名各限64个UTF-16单元。原件、JSON和TSV完整合计上限10MiB；所有预算共同生效。
- 按文件内容识别而非扩展名。支持严格UTF-8，或带BOM且XML1.0编码声明一致的UTF-16LE/BE。粘贴按UTF-8文本处理；UTF-16文件保持原始字节，直到专用解析器解码。非法Unicode和编码冲突会原子拒绝。
- source/target locale按大小写敏感精确匹配，不做回退或规范化。只有唯一source与唯一target variant形成句对；重复locale为ambiguous，缺source、target或两者保持可见，句对文本留空。完整JSON保留全部备选。
- 支持声明的tmx/header/body/tu/tuv/seg/note/prop/ude/map容器与bpt/ept/it/ph/hi/sub内联范围。derived text排除代码数据但包含hi/sub可翻译文本；JSON保留完整节点顺序、属性、混合文本与注释、bpt/ept配对。UDE保存但不应用。
- 只保留字面SYSTEM tmx14.dtd且不加载；其它DTD、实体声明、处理指令、ut与自定义元素为Unsupported。这不是DTD验证、TMX Level2合规、机器翻译或未知属性有效性验证。JSON文本与属性遵循XML1.0规范化，原件字节仍完整下载。
- TSV包含每个TU状态，为类似公式的文本加单引号防护；未改写值和代码数据应查JSON/原件。表格仅预览前200行及长单元格前2,000个UTF-16单元。超过20,000单元的复制文本是报告预览，完整下载保留每个节点、variant和句对。