لماذا يختلف عدّ الحروف والكلمات بين البرامج؟
تلصق النص نفسه في نموذجين فتحصل على عددين مختلفين. قبل حذف كلمات لإرضاء الحد، اسأل: هل يقيس النموذج حروفًا مرئية، أم وحدات تخزين، أم كلمات؟ ليست هذه المقاييس شيئًا واحدًا.
الحرف الذي تراه قد يتكون من أكثر من جزء
في Unicode قد يتكون ما يراه القارئ حرفًا واحدًا من حرف وعلامة مرافقة. تُستخدم مجموعات الحروف المرئية لتقريب طريقة إدراك القارئ، بينما عد نقاط Unicode أو وحدات التخزين قد يعطي عددًا مختلفًا. وينطبق اختلاف مشابه على بعض الرموز التعبيرية.
المسافة ليست تعريفًا عالميًا للكلمة
تقسيم الكلمات يتأثر باللغة وعلامات الترقيم. بعض اللغات لا تفصل الكلمات بمسافات كما تفعل الإنجليزية، وقد تحتاج قواعد أو قواميس إضافية. لذلك عدّ المقاطع بين الفراغات ليس معيارًا كافيًا لكل النصوص.
نظّف ما تقصده فقط
حذف الفراغات الزائدة مفيد في فقرة عادية، لكنه قد يفسد تنسيق جدول نصي أو شفرة. وإزالة التشكيل تغير تفاصيل لغوية، فلا تفعلها تلقائيًا في اقتباس أو اسم يجب حفظه كما ورد.
قبل تحويل حالة الأحرف، تذكر أن هذه العملية ذات معنى في لغات لها أحرف كبيرة وصغيرة؛ ليست طريقة لتصحيح العربية. جرّب التغيير على نسخة وقارن السطور التي اختلفت.
- إذا كان حد منصة هو الهدف، فالعداد داخل المنصة هو المرجع النهائي.
- افصل عدد الكلمات عن عدد الحروف مع المسافات ودونها.
- لا تستنتج زمن قراءة دقيقًا من عدد الكلمات؛ صعوبة المحتوى والقارئ تغيرانه.
مثال صغير يوضح اختلاف العد
يمكن كتابة é كرمز واحد، أو كالحرف e متبوعًا بعلامة نبرة مركبة. كلاهما يبدو متشابهًا، لكن الشكل الثاني يتكون من نقطتي Unicode.
وفي العربية، بَ تحتوي حرف الباء وعلامة الفتحة. إذا أردت عدّ ما يراه القارئ كوحدة، فذلك سؤال مختلف عن عدد الوحدات التي يخزنها البرنامج. لا تحذف العلامة لمجرد توحيد العداد.