UD5工具箱
Fisher-Yates 算法的随机性是否公平？会不会出现某些位置总是排在前面的情况？
Fisher-Yates 算法是经过严格数学证明的公平随机排列算法。它保证 n 个元素的每一种排列出现的概率都严格等于 1/n!，不存在任何统计偏差。本工具使用浏览器内置的 Crypto.getRandomValues API 获取随机种子，该 API 提供加密安全级别的随机数，进一步确保了结果的不可预测性。因此，你可以完全放心地将该算法用于抽奖、分组等对公平性有严格要求的场景。
输入列表时可以使用什么格式的数据？分隔符有哪些选择？
工具支持多种输入格式。最简单的方式是每行输入一个条目，工具默认以换行符作为分隔符。此外，你还可以选择按英文逗号（,）分隔、按中文逗号（，）分隔、按空格分隔，或选择「自定义分隔符」模式输入任意字符作为分隔符。如果你的数据来自 Excel 或 CSV 文件，通常可以直接粘贴逗号分隔的内容，选择对应的分隔方式即可。输入后，工具会实时显示解析出的条目数量，帮助你确认数据是否正确加载。
「抽取数量」和「全部打乱」有什么区别？分别适用于什么场景？
「全部打乱」是将整个列表的所有条目进行随机重排，输出的结果包含与输入相同数量的条目，只是顺序被随机化了，适用于需要对全部数据进行随机排序的场景。而「抽取数量」则是从列表中只随机选取指定数量的条目输出，结果数量少于输入总数，适用于抽奖（从参与者中抽取获奖者）、抽签（从候选人中随机选取）等只需要部分随机结果的场景。你可以在工具界面中勾选「指定抽取数量」选项来切换到抽取模式。
去重功能是如何工作的？开启去重后会影响随机结果吗？
去重功能会在随机排列执行之前对输入列表进行预处理，自动移除所有重复的条目，仅保留每个条目首次出现的位置。例如，输入列表中如果「张三」出现了三次，去重后只会保留第一个「张三」。开启去重后，参与随机排列的有效条目数量会减少，因此最终结果的数量也会相应减少。但这不影响随机排列的公平性，去重后的条目仍然通过 Fisher-Yates 算法进行完全公平的随机排列。建议在输入数据可能存在重复时开启此功能，以确保结果的准确性。
我的数据安全吗？会不会被上传到服务器？
你的数据完全安全。本工具采用纯前端架构，所有数据处理（包括随机排列、去重、抽取）均在你的浏览器本地完成。工具运行时不会向任何服务器发送网络请求，你的数据不会离开你的设备。这意味着即使是敏感的名单、数据或个人信息，也可以放心使用本工具进行随机处理。同时，由于不依赖服务器，工具在无网络环境下也能正常使用（前提是你已缓存页面），且处理速度不受网络带宽限制。
这个工具可以用于哪些实际场景？
本工具适用场景非常广泛。常见用途包括：活动抽奖（从参与者名单中随机抽取获奖者）、团队分组（将成员随机分配到不同小组）、教学应用（随机点名提问、随机分配课题）、数据采样（从数据集中随机抽取样本进行测试）、比赛排位（随机确定出场顺序或座位安排）、代码测试（生成随机测试数据集）、日常决策（随机选择餐厅、电影等）。任何需要「随机化」处理的列表数据，都可以使用本工具快速完成。
支持的列表数据量上限是多少？处理大量数据会不会卡顿？
本工具支持处理的数据量主要受浏览器内存限制，通常可以流畅处理数万条数据。对于几万条以内的列表，随机排列操作几乎瞬间完成（毫秒级别）。如果数据量达到十万条以上，可能会出现短暂的处理延迟，但不会造成长时间卡顿。建议在处理超大规模数据（如十万条以上）时，关闭浏览器中不必要的标签页以释放内存，确保最佳性能表现。对于特别大的数据集，你也可以将数据分批处理。