كيف تعمل : تنظيف نص ملصوق
النص الملصوق ينقل ما لا يراه أحد: حروفا بعرض صفري، وضوابط كتابة تقلب العرض من دون تغيير البايتات، ومسافات ليست مسافات. والأداة تسمّيها واحدا واحدا، باسمها الرسمي في يونيكود، ثم تنزعها.
الفوضى المرئية في النسخ واللصق تُصلَح في دقيقتين: المسافات المزدوجة، والأسطر الفارغة الزائدة، والنقاط التي تتخلف. أما الفوضى غير المرئية فلا، وهي التي تكلّف غاليا. فالنص الملصوق من صفحة ويب أو من مستند ينقل غالبا حروفا لا تظهر البتة، وهي تُفشل بحثا، أو مقارنة، أو استيراد بيانات، أو استمارة، من دون أن يفهم أحد لماذا.
وهذه الأداة تسردها قبل نزعها، كل واحد باسمه الرسمي في يونيكود وبنقطة ترميزه. وثمة عائلتان تستحقان المعرفة. الحروف ذات العرض الصفري: يمكن إخفاء نمط قابل للتعرف منها في نص، وهذا النمط ينجو من النسخ واللصق. وضوابط الكتابة ثنائية الاتجاه: هي تعيد ترتيب العرض من دون تغيير البايتات، وهذا يتيح أن يُقرأ النص على غير ما يُنفَّذ. وقد نشر هذه التقنية الأخيرة سنة 2021 باحثان من كامبريدج باسم Trojan Source.
والباقي راحة أمينة: التوحيد في يونيكود بالصورة المركَّبة، وهي الموصى بها لكل محتوى في ملحق يونيكود رقم 15 وفي W3C؛ والمسافات غير القاطعة مردودة إلى مسافات عادية؛ وعلامات الاقتباس المطبعية محوَّلة إن طلبتم؛ وإعادة لصق الكلمات المقطوعة في آخر السطر، وهي فخ النص المنسوخ من ملف PDF.
كيف تعمل
- الصقوا نصكم. هو لا يغادر جهازكم.
- اقرأوا الجدول: هو يسمّي كل حرف غير مرئي وُجد، وكم مرة، وما يفعله.
- اضبطوا ما تريدون نزعه، ثم انسخوا النتيجة. والخانات تُضبط مباشرة: فتُعاد النتيجة عند كل تغيير.
الصيغ المقبولة
نص. وإن كانت حافظتكم تحمل أيضا تنسيقا غنيا، فمتصفحكم لا ينقله إلى منطقة نص: فالذي يصل هنا نص خام أصلا، وهذا حسن.
نص، مكتوب أو ملصوق
حتى 200000 رمز. والنتيجة تُنسَخ بنقرة واحدة.
حدودها
توحيد التوافق مدمِّر، وهو غير موضوع العلامة افتراضيا
هو يحوّل الرابطة «fi» إلى حرفين، والكسر «½» إلى «1/2»، والأسس إلى أرقام عادية، والحروف كاملة العرض إلى حروف عادية. وهذا أحيانا بالضبط ما نريد قبل مقارنة؛ وهو أحيانا فقد للمعلومة. وملحق يونيكود الذي يعرّفه ينبّه صراحة إلى أنه لا يجب تطبيقه على العمياء، ونحن نتبع هذا التنبيه.
في محدِّدات الصور، نميّز الموثَّق من الملحوظ
يوثّق يونيكود استعمالها المقصود بوصفه آلية استثناء لحالات عرض صعبة، والأداة تنزعها بهذه الصفة. أما إمكان إخفاء بيانات اعتباطية فيها فتقنية حقيقية، لكننا لم نجدها موصوفة إلا في تدوينة سنة 2025، وصاحبها يكتب بنفسه أنها انحراف باستعمالها. لذلك نقدّمها بوصفها ملاحظة، لا واقعة أثبتها ناشر: وهذه قاعدة هذا الموقع.
معرّفا ثغرة هجوم Trojan Source متنازَع عليهما
أُسند معرّفان سنة 2021 إلى تقنية إعادة الترتيب ثنائية الاتجاه. وكلاهما موسوم بأنه متنازَع عليه في القاعدة العمومية: فاتحاد يونيكود يرفض تأطيرها بوصفها «خللا في مواصفته»، وحجته ليست سخيفة، ما دامت هذه الحروف تفعل بالضبط ما وُضعت من أجله. أما منشور البحث فحقيقي وقابل للتحقق. ونحن نعطيكم نصفي الواقعة.
إعادة لصق الكلمات المقطوعة في آخر السطر غير موضوعة العلامة افتراضيا
هي نافعة جدا في نص منسوخ من ملف PDF، حيث تقطع الكلمات بحكم الإخراج. لكنها لا تستطيع تمييز كلمة مقطوعة من كلمة مركَّبة تقع في آخر السطر. لذلك لا تعيد الأداة اللصق إلا بين حرفين صغيرين، وهذا يجنّب «Paris-Brest» والأعداد، وهي تترك لكم قرار تفعيلها. وأعيدوا القراءة بعدها دائما.
أسئلة عن هذه الأداة
هل يُرسَل نصي إلى مكان ما؟
لا. تحققوا في ثلاثين ثانية: افتحوا أداة الفحص بمفتاح F12، وتبويب «الشبكة»، وأفرغوا القائمة، ثم الصقوا نصكم. لن يظهر أي سطر. واقطعوا اتصالكم وأعيدوا الكرّة: تعمل الأداة كما هي، لأن فهرس الحروف الذي تستعمله مكتوب في الصفحة كله.
ما فائدة هذه الحروف غير المرئية حقا؟
لأمور مشروعة في أغلبها. فواصل العرض الصفري يجمّع وجه العائلة التعبيري، وعلامات الكتابة تفيد خلط العربية واللاتينية في جملة واحدة، وشرطة القطع الشرطية تشير إلى موضع يمكن أن تُقطع فيه الكلمة. فالمشكلة ليست وجودها، بل أنها تسافر مع نص منسوخ من دون أن يراها أحد: فتكسر بحثا أو مقارنة أو استيرادا، فنبحث ساعة. وفي نص مستقبَل من أحد، يمكن أن تُستعمل أيضا علامة مائية غير مرئية.
ما هو Trojan Source؟
تقنية نشرها سنة 2021 باحثان من جامعة كامبريدج. فضوابط الكتابة ثنائية الاتجاه تعيد ترتيب عرض النص من دون تغيير بايت واحد من بايتاته: فقطعة شيفرة يمكن أن تُقرأ شيئا وتُنفَّذ شيئا آخر، بما في ذلك في أداة مراجعة مشروع. وقد أُسند معرّفا ثغرة، وكلاهما متنازَع عليه في القاعدة العمومية، لأن اتحاد يونيكود يرفض أن يرى فيها خللا في مواصفته. ونصفا الواقعة صحيحان، ونحن نعطيكم الاثنين.
هل نضع العلامة على توحيد التوافق؟
فقط إن كنتم تعرفون لماذا. هو نافع جدا قبل مقارنة نصين أو استيراد بيانات، لأنه يردّ صورا بصرية مختلفة إلى الحرف نفسه. لكنه مدمِّر: فالرابطة «fi» تصير حرفين، وكسر النصف يصير ثلاثة رموز، والأس يصير رقما عاديا. وملحق يونيكود الذي يعرّفه ينبّه إلى عدم تطبيقه على العمياء. أما النص الموجَّه للقراءة فاتركوا له الصورة المركَّبة البسيطة، وهي موضوعة العلامة افتراضيا.
لماذا لا تُحوَّل علامات اقتباسي المنحنية افتراضيا؟
لأنها علامات الاقتباس الصحيحة في نص موجَّه للقراءة. فمعالج النصوص يستبدلها تلقائيا، وهو على حق: ففي الطباعة المتقنة تُستعمل هذه العلامات. وهي لا تسبب مشكلة إلا في سياق تقني، أو في ملف بيانات، أو في شيفرة، حيث لا تكون علامة الاقتباس المنحنية علامة اقتباس. فالخانة موجودة إذن، بلا علامة: والأمر لكم لتعرفوا في أي عالم سيعيش نصكم.
النص الملصوق ينقل ما لا يراه أحد: حروفا بعرض صفري، وضوابط كتابة تقلب العرض من دون تغيير البايتات، ومسافات ليست مسافات. والأداة تسمّيها واحدا واحدا، باسمها الرسمي في يونيكود، ثم تنزعها.
التحققالبرهان، خطوة خطوةالتحقق بفاحص الشبكة، مشروحا حركة حركة، مع لقطات الشاشة.
الركنركن النصوص والبياناتالعدّ، والمقارنة، والتنسيق، والتنظيف. تلك الحركات الصغيرة التي تُضيّع ساعة حين لا تكون في المتناول.