تنظيف النص العربي دون تغيير الكلمات المقصودة

مثال تطبيقي · آخر مراجعة: 18 أكتوبر 2026

ابدأ من السؤال العملي: ما الخطأ الذي تريد إزالته؟ نص مستخرج من ملف قد يحتوي تطويلًا مثل هــذا، بينما قائمة أسماء قد تحتوي مسافات زائدة. تشغيل جميع الخيارات دفعة واحدة يجعل معرفة سبب التغيير أصعب، لذلك الخيارات غير مفعلة افتراضيًا.

التطويل هو الرمز ـ المستخدم لمد الشكل البصري بين الحروف. إزالة التطويل تحول هــذا إلى هذا دون حذف حرف الهاء أو الذال. لا تخلط بينه وبين شرطة ناقص - التي قد تحمل معنى حسابيًا أو تفصل أجزاء رقم؛ خيار التطويل لا يحذف تلك الشرطة.

التشكيل يوجه القراءة. الكلمات عَلَم وعِلْم تختلف قراءتها ومعناها رغم اشتراكها في حروف أساسية. إزالة الحركات قد تناسب فهرسة قائمة أو توحيد مظهر، لكنها ليست عملية محافظة على جميع المعلومات اللغوية. احتفظ بالنسخة المشكولة إن كانت القراءة أو الضبط مهمين.

لا نوحّد أ وإ وآ إلى ا ولا ة إلى ه ولا ى إلى ي. هذه تغييرات كتابية قد تفسد أسماء الأشخاص والكلمات. وجود أشكال همزة مختلفة ليس خطأ تنظيف تلقائيًا. كما لا نعيد ترتيب حروف العربية أو نقلبها بصريًا.

إحصاء المحارف يستخدم نقاط Unicode، لذلك قد تحسب حركة فوق حرف كنقطة منفصلة. وإحصاء الكلمات يعتمد الفصل بالبياض، فلا نعد علامات الترقيم أو المركبات بالطريقة نفسها التي تتبعها جميع برامج معالجة النصوص. استخدم المقارنة لتفسير أثر الخيارات، لا لإثبات تدقيق لغوي.

جرّب فقرة قصيرة أولًا وافحص اسمًا به همزة وكلمة مشكولة وسطر أرقام. عند الموافقة على النتيجة نفّذ على النص الكامل ونزّل TXT. المعالجة لا تحتاج حسابًا؛ ومع ذلك لا تضع نصًا حساسًا في إضافات متصفح غير موثوقة يمكنها قراءة الصفحات.