المطابقة وكشف المكرّر
إثبات أن ملفين نسخةٌ واحدة بعيّناتٍ من بايتاتهما، ومعرفة الأعمال في الفهارس الكبرى بأداة turath-match.
في العيّنة ملفان باسمين متقاربين: lamiya-final(2).pdf وlamiya-final(2) - Copy.pdf. يبدو أنهما نسخةٌ واحدة، لكن «يبدو» لا تكفي لحذف ملف. أداة turath-match لا تحكم بالتكرار إلا بالدليل.
أثبت التكرار#
uvx turath-match dups scans/
تجمع الأداة الملفات المتساوية في الحجم، ثم تقرأ من كلٍّ منها عيّناتٍ صغيرة من أوله وربعه ونصفه وثلاثة أرباعه وآخره، فإن تطابقت كلها حكمت بأن الملفين نسخةٌ واحدة. وإن أضفت الخيار --plan كتبت لك خطة حذف النسخة الزائدة لتراجعها.
الحجم وحده لا يكفي
قد يتساوى ملفان في الحجم ويختلفان في المحتوى، كمجلدين من كتابٍ واحدٍ صُوّرا على ماسحٍ واحد. لذلك تقرأ الأداة العيّنات قبل أن تحكم.
اعرف العمل في الفهارس#
ثم تطابق الأداة كل كتابٍ بنظيره في الفهارس الكبرى: OpenITI، والشاملة، والمكتبة الوقفية، وأرشيف الإنترنت، وجدولك الخاص إن كان لك جدول. والمطابقة بالعمل والمؤلف معًا، لا بتشابه العنوان وحده. نجرّب هنا فهرس OpenITI المفتوح:
uvx turath-match fetch openiti -o openiti.tsv
uvx turath-match reconcile -l openiti:openiti.tsv -t csv:catalog.csv -o out
افتح out/report.html: تجد «متن الآجرومية» مطابَقًا للمتن المشهور في النحو لابن آجروم الصنهاجي (ت 723 هـ)، و«الأربعون النووية» مطابَقةً لكتاب النووي، أما «لامية العرب» فليس في الفهرس إلا شرحٌ لها، والأداة تقول ذلك ولا تعدّ الشرح هو المتن.
اعرف مصدر النسخة#
حين يكون ملفك منزّلًا من أرشيفٍ عام، تعرف الأداة مصدره من حجمه الدقيق بالبايت، فتصله بصفحته في الأرشيف وبطبعتها ومحققها. ملفات العيّنة صُنعت في المستودع فلا مصدر لها في الأرشيفات، وهذا ما ستقوله الأداة.
البيانات التي تعتمد عليها المطابقة مفتوحةٌ في turath-catalog.