ورّاق

الرئيسية arabic-bib

توحيد الإملاء للبحث

كيف تجعل «الإمام» و«الامام» و«ﺍﻹﻣﺎﻡ» كلمة واحدة في البحث دون أن تفقد النص الأصلي.

تكتب الفهارس الكلمة الواحدة بصور كثيرة: بالهمزة وبدونها، وبالتاء المربوطة أو الهاء، وبالتشكيل أو مجردة، والنص المنسوخ من ملفات PDF يأتي أحيانًا بـ«الأشكال العرضية» (ﺟﻬﺎﺩ) التي تبدو صحيحة ولا يجدها البحث.

ثلاثة ملفات تعريف#

الملف ماذا يفعل مثال
search يوحّد كل الصور للبحث «الإمامُ أبو حامدٍ» ← «الامام ابو حامد»
display ينظّف للعرض دون أن يغيّر الحروف «مكتبــة المعارف ،الرباط» ← «مكتبة المعارف، الرباط»
loose كالبحث، ويُسقط «ال» و«و» العطف أول الكلمة «والكتاب الأول» ← «كتاب اول»
arabic-bib normalize "الإِمامُ أبو حامدٍ الغزاليّ"
arabic-bib normalize --profile display "مكتبــة  المعارف ،الرباط"

ويقرأ الأمر الأسطر من الإدخال القياسي، فيمكن توحيد ملف كامل:

arabic-bib normalize < titles.txt > titles-key.txt

ما الذي يوحّده ملف البحث؟#

يحذف التشكيل والتطويل، ويجعل «أ إ آ ٱ» ألفًا، و«ة» هاءً، و«ى» ياءً، و«ؤ» واوًا، و«ئ» ياءً، ويحذف الهمزة المفردة، ويحوّل الأشكال العرضية والياء والكاف الفارسيتين إلى حروفها العربية، والأرقام الهندية إلى أرقام عربية غربية، ويحذف علامات الاتجاه الخفية.

البحث بالموحَّد والعرض بالأصل#

في بايثون، تعيد normalize_mapped النص الموحَّد ومعه موضع كل حرف في الأصل، فتلوّن نتيجة البحث في الكلمة كما طُبعت:

from arabic_bib import normalize_mapped

m = normalize_mapped("قالَ الإمامُ أبو حامدٍ الغزاليّ")
[m.original[a:b] for a, b in m.find("ابو حامد")]   # ['أبو حامدٍ']

مفاتيح الفهرسة ثابتة

الدالتان title_key وauthor_key تبنيان مفتاح العنوان والمؤلف بقاعدة مجمّدة («المفاتيح، الإصدار الأول») لا تتغير أبدًا، لأن أدوات أخرى تحفظ معرّفات مبنية عليها. أما search_key فقد تتحسن مع الإصدارات.

حرّر هذه الصفحة