انتخاب بخشی از آیه

[sabereen]

بسم الله الرحمن الرحیم

در برخی کاربردهای اپلیکیشن‌های قرآنی لازم است بخشی از آیه را انتخاب و جدا کنیم. به عبارتی پردازشی را روی فقط یک قسمت از آیه انجام دهیم. چالشی که در اینجا مطرح می‌شود این است که با توجه به متفاوت بودن متن‌های رسم‌الخط‌های مختلف قرآن چه طور این کار را انجام دهیم؟ از همه‌ی عزیزانی که ایده‌ای در این رابطه به ذهنشان می‌رسد ممنون می‌شوم در بحث مشارکت کنند تا ان‌شاءالله به نتیجه‌ی خوبی برسیم و این قابلیت را به مجموعه کتابخانه‌های ghoran اضافه کنیم.

ایده‌ی اوّل: شمارش کاراکتری

در این ایده می‌آییم و کاراکتر به کاراکتر می‌شماریم و مثلاً می‌گوییم «از کاراکتر ۵ در آیه ۱۰ شروع به انتخاب کن».

چالش این روش این است که رسم‌الخط‌های مختلف حاوی حرکت‌ها و علامت‌های منحصر به خودشان هستند، و این تعداد کاراکتر در رسم الخط‌های مختلف متفاوت است. برای همین نمی‌تواند معیار مناسبی باشد.

ایده‌ی دوم: شمارش کلمه‌ای

در این ایده بر اساس کاراکتر Space کلمات آیه را از یکدیگر تفکیک می‌کنیم و سپس می‌گوییم «از کلمه‌ی ۳ در آیه ۱۰ شروع به انتخاب کن»

مشکل این روش این است که هرچند تفاوت‌ها نسبت به روش قبلی کمتر است، ولی باز هم در یک رسم الخط می‌بینیم نوشته شده است «يَٰٓأَيُّهَا ٱلنَّاسُ» و در رسم الخط دیگری نوشته شده است «یآٰ اَیُّهَا النّاٰسُ» که اولی دو کلمه و دومی سه‌کلمه است، و برای همین چنین معیاری هم مجددا قابل استفاده نیست.

ایده‌ی سوم: شمارش حروف الفبایی

در این ایده درون متن می‌گردیم که چند حرف الفبا داریم (یعنی حرکات و علائم موجود در متن را بی‌خیال می‌شویم و جزو شمارش به حساب نمی‌آوریم)، سپس می‌گوییم «از حرف الفبای چهارم در آیه ۱۰ شروع به انتخاب کن».

این روش هم کم‌اشکال‌تر از روش‌های قبلی نیست. در یک رسم‌الخط نوشته شده است «بَنَيۡنَٰهَا بِأَيۡيْدٖ» و در رسم الخط دیگر داریم «بَنَیۡناٰهاٰ بِاَیۡدٍ»! به همین دلیل این روش هم جواب نمی‌دهد.

تازه مواردی که الآن بحث کردیم فقط مربوط به یک قرائت بود (قرائت حفص)، حال اگر قرائت‌های دیگر قرآن را اضافه کنیم که وضع خیلی بدتر می‌شود و خیلی سخت‌تر می‌شود به نتیجه رسید. ولی برای اینکه در ۹۹درصد مواقع سایر قرائت‌ها مورد استفاده قرار نمی‌گیرند و در اپلیکیشن‌های قرآنی اهمیتی ندارند، و برای اینکه بحث را بتوانیم جمع کنیم فعلا به همین یک قرائت با چند رسم‌الخط اکتفا می‌کنیم.

حال خوشحال می‌شوم ایده‌های شما رو در این مورد بدونم که ان‌شاءالله به نتیجه خوبی برسیم.

[sabereen]

برای تست این مسأله صفحه‌ای را در داکیومنت‌ها راه اندازی کردم:
ghoran.netlify.app/experiments/ayah-offset/
که در این صفحه این مسائل را تست کردم.

در شمارش حروف الفبایی در وهله‌ی اوّل بیش از ۲۰۰۰ آیه‌ی ناسازگار بین رسم الخط عثمان‌طه و رسم الاملاء پیدا شد.
بعد از مقداری بررسی متوجه شدم اکثر اختلافات به خاطر الف مقصوره و تفاوت آن در رسم الخط هاست، از این رو تمام ترکیبات الف مقصوره و الف عادی و حرف «ی» و «و» که می‌توانند پایه‌ی الف مقصوره باشند را در شمارش حروف الفبا نادیده گرفتم.
و تعداد آیات ناسازگار به ۸۰ آیه رسید.
و دیگر این اصلاحیه را ادامه ندادم.

در شمارش کلمه‌ای در وهله‌ی اوّل بیش از ۴۰۰ آیه‌ی ناسازگار داشتیم.
بعد از مقداری بررسی متوجه شدم اکثر تفاوت‌ها در شکستن‌هایی مثل «یآٰ اَیُّهَا» و «يَٰٓأَيُّهَا» است.
و تلاش کردم با الگوریتمی بتوانم این مشکل را حل کنم. بدین صورت که بعد از شناسایی آیات ناسازگار، یکی یکی روی کلمات حرکت کنیم و آن‌جایی که تعداد حروف دو کلمه متفاوت بود، آن کلمه‌ای که کوتاه‌تر است با کلمه‌ی بعدی ادغام شود، و فاصله‌ی بین‌شان به فاصله‌ی نشکن (nbsp) تغییر کند، تا بعداً که بر اساس فاصله‌ی عادی جداسازی را انجام می‌دهیم مشکلی نداشته باشیم. سپس استثنائات دیگری نیز پیش آمد، که سعی کردیم آن‌ها را هم درست کنیم، و ناسازگاری‌ها را به صفر برسانیم!

بعد از فرآیند را روی مقایسه‌ی عثمان‌طه با کم‌علامت نیز انجام دادیم و در آن‌جا ۲۰۰۰ ناسازگاری پیدا شد، که بیشتر ناسازگاری‌ها مربوط به علائم سجاوندی بود که در رسم الخط «کم‌علامت» بین علائم سجاوندی و حروف قبل فاصله وجود داشت، در حالی که در رسم الخط املاء و عثمان‌طه اینگونه نبود. بعد مقداری تلاش کردم و به لطف خدای متعال این ناسازگاری‌ها هم به صفر رسید.

از این رو هم اکنون می‌توانیم از آفست کلمه‌ای استفاده کنیم، و پیاده‌سازی ساز و کار آن را در دستور کارمان قرار بدهیم.

هرچند که هنوز هم می‌توان به آفست خروف الفبایی هم فکر کرد و اصلاحیه‌هایی روی آن نیز انجام داد.