كيف توحّد ترميز النص العربي بصيغ NFC وNFKC
قد يُحفظ الحرف نفسه في الحاسوب بأكثر من طريقة. «أ» محرف واحد في أغلب النصوص، لكنها قد تصل من بعض البرامج ألفًا تليها همزة مركّبة. والشدة مع الفتحة قد تُكتبان بترتيبين مختلفين. وفي النص المنسوخ من PDF قد تأتي «لا» محرفًا واحدًا بدل لام وألف. يبدو النص متطابقًا للعين، لكن البحث والمقارنة وقواعد البيانات تراه مختلفًا.
تطبيع Unicode قواعد رسمية تعيد كتابة النص بصيغة موحّدة. تعرض الأداة الصيغ الأربع ونقاط الترميز قبل التطبيع وبعده، ونقطة الترميز هي رقم المحرف في Unicode، فترى ما تغيّر فعلًا. تفيد المبرمجين ومن يجهّز بيانات للبحث أو الفهرسة، ومن يحاول أن يفهم لماذا لا يتطابق اسمان يبدوان متماثلين.
خطوات الاستخدام
- ألصق النص في «الأصل المحفوظ»، أو اضغط «مثال: همزة ولام ألف».
- اختر من «صيغة التطبيع»: «NFC · تركيب قانوني» أو «NFD · تفكيك قانوني» أو «NFKC · تركيب توافقي» أو «NFKD · تفكيك توافقي».
- اقرأ سطر الحالة. عبارة «مطابق للأصل. لا تغيير.» تعني أن نصك بهذه الصيغة أصلًا، وإلا تذكر الأداة عدد نقاط الترميز قبل التطبيع وبعده.
- قارن نقاط الترميز تحت الخانتين: السطر الأول للأصل، ثم اسم الصيغة، ثم النتيجة.
- جرّب صيغة أخرى إن احتجت. تحسب الأداة كل صيغة من نصك الأصلي، فلا تتراكم التغييرات.
- انسخ «معاينة التطبيع» أو نزّلها كملف .txt.
أمثلة عملية من الأداة
أحمد
أحمد
U+0627 U+0654 U+062D U+0645 U+062Fنقاط الترميز بعد
U+0623 U+062D U+0645 U+062F
الإعدادات: صيغة التطبيع · NFC · تركيب قانوني
مُحَمَّد
مُحَمَّد
U+0645 U+064F U+062D U+064E U+0645 U+0651 U+064E U+062Fنقاط الترميز بعد
U+0645 U+064F U+062D U+064E U+0645 U+064E U+0651 U+062F
الإعدادات: صيغة التطبيع · NFC · تركيب قانوني
ﺍﻟﺒﻨﺪ ③ ﻻ ﻳﻨﻄﺒﻖ
البند 3 لا ينطبق
U+FE8D U+FEDF U+FE92 U+FEE8 U+FEAA U+0020 U+2462 U+0020 U+FEFB U+0020 U+FEF3 U+FEE8 U+FEC4 U+FE92 U+FED6نقاط الترميز بعد
U+0627 U+0644 U+0628 U+0646 U+062F U+0020 U+0033 U+0020 U+0644 U+0627 U+0020 U+064A U+0646 U+0637 U+0628 U+0642
الإعدادات: صيغة التطبيع · NFKC · تركيب توافقي
أي صيغة تختار؟
- NFC: تركّب ما يمكن تركيبه، فتصبح الألف مع الهمزة المركّبة «أ» واحدة، وترتّب الحركات المتراكبة على الحرف ترتيبًا ثابتًا. شكل النص لا يتغير. اخترها إذا لم تكن لديك حاجة خاصة.
- NFD: تفكك المحارف المركّبة، فتصبح «أ» ألفًا وهمزة. تفيد المبرمج الذي يريد معالجة العلامات منفصلة، وشكل النص لا يتغير أيضًا.
- NFKC: تفعل ما تفعله NFC وتضيف الطي التوافقي، أي استبدال المحارف التي بقيت للتوافق مع الأنظمة القديمة بما يعادلها. أشكال العرض المنسوخة من PDF تعود حروفًا عادية، و«ﻻ» تصبح «لا»، و① يصبح 1. تناسب إعداد نسخة للبحث.
- NFKD: الطي التوافقي مع التفكيك.
انتبه إلى أن الطي التوافقي قد يغيّر أكثر مما تتوقع. علامة ﷺ مثلًا تصبح أربع كلمات: «صلى الله عليه وسلم». لذلك لا تستخدم NFKC أو NFKD للنص الذي ستنشره، واحفظ الأصل دائمًا.
ما لا يفعله التطبيع
- لا يوحّد «أ» و«ا»، ولا «ى» و«ي»، ولا «ة» و«ه»، لأنها حروف مختلفة في Unicode. لتوحيدها للبحث استخدم «توحيد الحروف للبحث» في تنظيف النص، كما يشرح دليل توحيد الحروف للبحث.
- لا يحوّل الأرقام العربية الهندية إلى 0–9، حتى بصيغة NFKC.
- لا يحذف التشكيل ولا التطويل.
- لا يصلح الكلمات المقلوبة. إذا جاءت الكلمات من PDF تبدأ من آخرها فاستخدم العربية المقلوبة، وراجع دليل النص المنسوخ من PDF.
حدود الأداة
- حتى 20,000 وحدة نصية. تعرض قائمة نقاط الترميز أول 160 نقطة من الأصل ومن النتيجة، أما المعاينة والنسخ فيشملان النص كله.
- تعتمد النتيجة على محرك Unicode في متصفحك، وقد تختلف قليلًا بين المتصفحات وإصداراتها مع المحارف الحديثة.
- قد تمحو NFKC وNFKD فروقًا لها معنى، مثل الأرقام داخل دائرة والعلامات التي تختصر عبارة كاملة في محرف واحد.
- التطبيع قواعد ترميز، وليس تصحيحًا إملائيًا أو نحويًا.
- لا تعكس الأداة اتجاه النص ولا تغيّر ترتيب الكلمات.
أسئلة شائعة
ما الفرق بين NFC وNFKC باختصار؟
NFC توحّد طريقة حفظ الحروف دون أن تغيّر شكلها أو معناها. وNFKC تضيف إلى ذلك استبدال محارف التوافق، مثل أشكال العرض والأرقام داخل دائرة، بمقابلاتها العادية، فقد يتغيّر شكل النص.
ماذا تعني عبارة «مطابق للأصل. لا تغيير.»؟
تعني أن نصك محفوظ بهذه الصيغة أصلًا، وهذا شائع في النص غير المشكول. جرّب NFD لترى التفكيك، أو NFKC إذا كان النص منسوخًا من PDF.
هل يوحّد التطبيع الهمزات أو الياء والألف المقصورة؟
لا. «أ» و«ا» حرفان مختلفان في Unicode، وكذلك «ى» و«ي». التطبيع يوحّد طرق كتابة الحرف نفسه فقط. لتوحيد هذه الحروف استخدم خيارات «توحيد الحروف للبحث» في تنظيف النص.
لماذا تغيّر ترتيب الشدة والفتحة في نقاط الترميز؟
يعطي Unicode كل علامة رقمًا يسمى فئة الدمج، ويرتب العلامات المتراكبة على الحرف بحسبه عند التطبيع. الفتحة 30 والشدة 33، فتأتي الفتحة أولًا. الشكل لا يتغير، لكن النسختين المكتوبتين بترتيبين مختلفين تصبحان متطابقتين.
هل أطبّع كل نصوصي بصيغة NFKC قبل حفظها؟
لا. احفظ النص الأصلي، أو احفظه بصيغة NFC إذا احتجت توحيد الترميز. استخدم NFKC لنسخة مساعدة للبحث أو المطابقة، أو لإصلاح نص منسوخ من PDF بعد مراجعته.
