ورّاق

الرئيسية arabic-bib

ما الذي يميّزه؟

مقارنة arabic-bib بـ PyArabic وCAMeL Tools وMaha وTashaphyne على المدخلات نفسها، بالأرقام.

في العربية مكتبات ممتازة لمعالجة اللغة: CAMeL Tools للصرف والتحليل، وPyArabic وTashaphyne للأدوات النصية والتجذيع، وMaha لتنظيف النصوص. غير أن واحدة منها لا تعرف ما سطرُ الفهرسة: لا تفرّق بين الكنية والنسبة، ولا تقرأ «ت 728 هـ»، ولا تعلم أن «ابن القيم» هو «محمد بن أبي بكر بن أيوب ابن قيم الجوزية». هذا الجانب هو ما تتولاه arabic-bib، وهي تعمل إلى جانب تلك المكتبات لا بديلًا منها.

المقارنة#

شغّلنا المكتبات الخمس في 13 نوفمبر 2026 على المدخلات نفسها، كل مكتبة في بيئة مستقلة. النتائج كاملة في bench/RESULTS.md في المستودع، والبرنامج الذي أنتجها bench/compare.sh، فيمكن لأي أحد أن يعيدها.

arabic-bib PyArabic CAMeL Tools Maha Tashaphyne
توحيد 15 صورة إملائية للبحث 15 9 8 11 7
الرجوع من النص الموحَّد إلى موضعه في النص الأصلي ✓ ✗ ✗ ✗ ✗
تفكيك اسم المؤلف (الاسم، النسب، الكنية، اللقب، النسبة، الشهرة) ✓ ✗ ✗ ✗ ✗
الحكم على صيغتين لاسم مؤلف: واحد / اثنان / لا يُعرف ✓ ✗ ✗ ✗ ✗
قراءة سنة الوفاة والقرن ✓ ✗ ✗ ✗ ✗
الأعداد المكتوبة بالحروف «ثمان وعشرين وسبعمائة» ✓ ✓ ✗ ✓ ✗
التحويل بين الهجري والميلادي ✓ ✗ ✗ جزئي ✗
قراءة بيان الطبعة (الرقم، الناشر، المدينة، السنة، المحقق) ✓ ✗ ✗ ✗ ✗
تركيب أسماء الملفات وفحص المجلدات ✓ ✗ ✗ ✗ ✗
تنبيه على همزة القطع المكتوبة على ألف الوصل ✓ ✗ ✗ ✗ ✗
التحليل الصرفي ووسم أقسام الكلام والكيانات ✗ ✗ ✓ ✗ ✗
حجم التثبيت 1 م.ب 1 م.ب 5639 م.ب 11 م.ب 6 م.ب
عدد الاعتماديات 0 1 81 7 2

ثلاثة فروق تُقاس#

1. مطابقة أسماء المؤلفين#

جمعنا 185 زوجًا من صيغ أسماء العلماء، من حقائق التراجم المعروفة: ابن تيمية بصيغه، وابنا حجر العسقلاني والهيتمي، والسبكيان الأب والابن، وأبناء الأثير الثلاثة، وابن العربي القاضي وابن عربي الصوفي. ووُسم كل زوج بما يقرره مفهرس دقيق من النصين وحدهما: «واحد» أو «اثنان» أو «لا يُعرف».

الطريقة الدقة دمج خاطئ لشخصين
arabic-bib 96% 1
أفضل ما يكتبه المبرمج فوق المكتبات الأخرى (كلمات الأقصر داخل الأطول) 58% 1
التطابق بعد التوحيد 26% 0

والقاعدة الحاكمة: ما لا يستند إلا إلى أجزاء شائعة لا يُحكم بأنه واحد. فـ«محمد» أو «شمس الدين» أو «الدمشقي» أو «أبو عبد الله» وحدها لا تجمع بين رجلين، والجواب حينئذ «لا يُعرف» مع ذكر السبب، ليُعرض على المراجعة.

أمانة القياس

كُتبت هذه الأزواج مع أداة المطابقة نفسها، فالنسبة مقياس للحالات الصعبة المعروفة لا لفهرس مجهول. ونرحب بمجموعة أزواج من فهرس آخر لم تُبنَ عليه الأداة.

2. توحيد الإملاء دون فقد الأصل#

جربنا خمس عشرة صورة إملائية تكثر في الفهارس: الهمزة على الألف والواو والياء، والتاء المربوطة، والألف المقصورة، والتشكيل، والتطويل، والأشكال العرضية في النص المنسوخ من ملفات PDF، والياء والكاف الفارسيتان، والأرقام الهندية، وعلامات الاتجاه الخفية. وحّدتها arabic-bib كلها، وأعلى ما بلغته غيرها 11. ومع ذلك يبقى النص الأصلي محفوظًا: تبحث بالمفتاح الموحد وتعرض الكلمة كما طُبعت.

3. بلا اعتماديات#

ميغابايت واحد، ولا شيء غير بايثون. تعمل في صفحة ويب عبر Pyodide، وعلى الهاتف في Termux، وفي الخوادم الصغيرة، وإلى جانب حزمة لغوية حجمها خمسة غيغابايت إن احتجت إليها.

متى تختار غيرها؟#

  • للتحليل الصرفي ووسم الكلام والتعرف على الكيانات واللهجات والتشكيل: CAMeL Tools.
  • للتجذيع: Tashaphyne، وللأدوات النصية العامة وكتابة الأعداد بالحروف: PyArabic.
  • لتنظيف نصوص وسائل التواصل واستخراج الأوقات والمدد من الجمل: Maha.
  • للفهرسة بالحروف اللاتينية وفق جداول ALA-LC لمكتبة الكونغرس: نظام مكتبتك، فـarabic-bib تعمل بالحرف العربي.

حرّر هذه الصفحة