رفتن به محتوای اصلی
  • معرفی
  • نصب
  • Tailwind
  • وب کامپوننت‌ها (بدون React)
  • دوزبانه، فارسی و انگلیسی
  • پلاگین‌های فیگما
  • استفاده با هوش مصنوعی
  • آیکون‌ها
  • راهنمای آیکون‌ها
  • سفارشی‌سازی و تم
  • حرکت و ریزتعامل‌ها
  • حالت‌های کامپوننت‌ها
  • فونت و تایپوگرافی
  • دسترس‌پذیری
  • نوشتن متن رابط
  • رنگ‌ها
  • برند کاشی
  • مقایسه با دیگران
  • نسخه‌ها
  • سیاست تغییرات
  • مهاجرت به ۲.۰
  • امنیت
  • حجم کامپوننت‌ها
  • فیلد فارسی
  • دیت‌پیکر شمسی
  • کد تأیید (OTP)
  • بازهٔ تاریخ شمسی
  • انتخاب ماه
  • شمارش معکوس
  • هیت‌مپ فعالیت
  • انتخاب استان
  • نقشهٔ ایران
  • فرم نشانی
  • انتخاب نوبت
  • ویرایش نگارشی
  • نمایش مبلغ
  • بازهٔ قیمت
  • کارت بانکی
  • رسید پرداخت
  • برگ تقویم
  • لوگوی بانک‌ها
  • ابزارهای فارسی
  • آپلود فایل
  • آکاردئون
  • آواتار
  • اسپلیتر
  • استپر
  • اسکلتون
  • اسلایدر
  • اعتبارسنجی فرم
  • امتیاز ستاره‌ای
  • انتخاب چندتایی
  • انتخاب رنگ
  • بج
  • بردکرامب
  • برگهٔ پایین
  • بنر
  • پاپ‌اور
  • تایم‌لاین
  • تب‌ها
  • تور معرفی
  • توست
  • تولتیپ
  • جداکننده و کلید میان‌بر
  • جدول داده
  • جستجو با پیشنهاد
  • چک‌باکس
  • چیپس
  • حالت خالی
  • دراپ‌داون
  • دکمه
  • دکمهٔ کپی
  • دیالوگ
  • رادیو
  • سایدبار
  • سگمنت
  • سلکت
  • سوییچ
  • صفحه‌بندی
  • قدرت رمز عبور
  • کارت
  • کارت آمار
  • کاروسل
  • کامبوباکس
  • کامند پالت
  • کشو
  • گروه دکمه
  • گیج
  • منوی راست‌کلیک
  • نمای درختی
  • نمودار
  • نمونهٔ رنگ
  • نوار پیشرفت
  • نوار ناوبری
  • ورودی
  • ورودی تگ
  • ورودی عدد
  • ویرایش درجا
  • هشدار
شروع کنید

جستجوی فارسی که واقعاً پیدا کند؛ یکسان‌سازی ی، ک و نیم‌فاصله

چرا جستجوی سایت‌های فارسی «کتاب» را با کاف عربی پیدا نمی‌کند و چطور درستش کنیم: یکسان‌سازی حروف عربی، نیم‌فاصله، ارقام و اعراب، و تشخیص اشتباه چیدمان صفحه‌کلید.

سپنتا پویا۳ دقیقه مطالعه

کاشی‌های آبی با آیکون ذره‌بین، نماد جستجوی فارسی

کاربر در جعبهٔ جستجو «كتاب» تایپ می‌کند و هیچ نتیجه‌ای نمی‌گیرد، در حالی که صدها «کتاب» در سایت هست. فرقشان؟ «ك» اول عربی است و دومی فارسی. از نظر کامپیوتر این‌ها دو حرف کاملاً متفاوت‌اند. جستجوی فارسی بدون یکسان‌سازی، بخش بزرگی از جستجوهای واقعی را از دست می‌دهد.

چه چیزهایی باید یکسان شوند؟

جدول جفت‌حرف‌هایی که شبیه‌اند ولی کد متفاوت دارند: ی و ي، ک و ك، ارقام فارسی و عربی، و نیم‌فاصله و فاصله
جفت‌هایی که به چشم یکی‌اند ولی برای کامپیوتر نه؛ هر کدام دلیل رایجی برای «نتیجه‌ای پیدا نشد» است.
  • «ی» و «ي»، «ک» و «ك». صفحه‌کلیدهای عربی و بعضی صفحه‌کلیدهای قدیمی ویندوز و گوشی، شکل عربی را می‌زنند. متن‌هایی که از منابع قدیمی کپی شده‌اند هم پر از آن‌اند.
  • «ه» و «ة»، «ۀ» و همزه‌ها: «خانهٔ» و «خانه‌ی» و «خانه».
  • نیم‌فاصله، فاصله و بدون فاصله: «می‌خواهم»، «می خواهم» و «میخواهم».
  • ارقام فارسی، عربی و انگلیسی: «۱۴۰۵»، «١٤٠٥» و «1405».
  • اعراب: «کِتاب» و «کتاب».
  • نویسه‌های جهت نامرئی مثل U+200F که در متن‌های کپی‌شده می‌مانند.

تابع یکسان‌سازی

قاعدهٔ اصلی: متن اصلی را عوض نکنید؛ فقط هنگام مقایسه، هر دو طرف را یکسان کنید. متن نمایشی باید درست بماند (با «ی» فارسی و نیم‌فاصله)، ولی کلید جستجو یکسان‌شده باشد.

function normalize(s) {
  return s
    .replace(/[يى]/g, "ی").replace(/ك/g, "ک")
    .replace(/[ۀة]/g, "ه").replace(/[أإآ]/g, "ا").replace(/ؤ/g, "و")
    .replace(/[ً-ٰٟ]/g, "")                 // اعراب
    .replace(/[۰-۹]/g, (d) => d.charCodeAt(0) - 0x06f0)    // ارقام فارسی
    .replace(/[٠-٩]/g, (d) => d.charCodeAt(0) - 0x0660)    // ارقام عربی
    .replace(/[‌‎‏\s]+/g, " ")              // نیم‌فاصله و فاصله
    .toLowerCase().trim();
}

normalize("كتاب‌هاي جديد") === normalize("کتاب های جدید"); // true

برای اینکه «میخواهم» (بدون هیچ فاصله) هم «می‌خواهم» را پیدا کند، می‌شود یک کلید دوم بدون فاصله هم ساخت و با هر دو مقایسه کرد.

جعبهٔ جستجو با عبارت كتاب هاي برنامه نويسي و نتایجی که با وجود حروف عربی و فاصلهٔ کامل پیدا شده‌اند
با یکسان‌سازی دو طرف، جستجوی «كتاب هاي» با حرف عربی و فاصله، «کتاب‌های» درست را پیدا می‌کند.

در پایگاه داده

یکسان‌سازی در مرورگر برای فهرست‌های کوچک (مثل فهرست شهرها یا صفحهٔ مقاله‌های همین سایت) کافی است. برای جستجو در پایگاه داده:

  • یک ستون یکسان‌شده کنار متن اصلی نگه دارید (مثلاً title_search) و هنگام ذخیره پرش کنید. جستجو روی این ستون انجام شود.
  • عبارت جستجوی کاربر را هم با همان تابع یکسان کنید.
  • در موتورهای جستجوی متن کامل مثل Elasticsearch یا Meilisearch، همین قاعده‌ها را به‌شکل «نرمال‌ساز» یا فیلتر کاراکتر تعریف کنید تا هم هنگام فهرست‌سازی و هم هنگام جستجو اعمال شوند.

اشتباه چیدمان صفحه‌کلید

یک خطای رایج دیگر: کاربر فراموش کرده زبان صفحه‌کلید را عوض کند و به‌جای «سلام» تایپ کرده sghl. جستجوی خوب این را تشخیص می‌دهد و پیشنهاد می‌دهد:

جعبهٔ جستجو با عبارت sghl و پیشنهاد آیا منظورتان سلام بود زیر آن
وقتی متن انگلیسیِ بی‌معنی شبیه کلمه‌ای فارسی با چیدمان اشتباه است، به‌جای نتیجهٔ خالی پیشنهاد بدهید.
import { looksLikeWrongLayout, fixKeyboardLayout } from "@kashi-ui/persian";

looksLikeWrongLayout("sghl"); // true
fixKeyboardLayout("sghl");    // «سلام»

پیشنهاد بدهید، خودکار عوض نکنید؛ شاید کاربر واقعاً دنبال یک کد یا کلمهٔ انگلیسی بوده است.

نکته‌های تجربهٔ کاربری

  • نتیجه‌ای پیدا نشد را با پیشنهاد همراه کنید: فیلترها را بردارید، املای دیگری امتحان کنید، یا پرجستجوترین‌ها را نشان دهید.
  • قسمت پیداشده را برجسته کنید. با یکسان‌سازی، جای کلمه در متن اصلی را باید با دقت پیدا کنید؛ ساده‌ترین راه، برجسته کردن کل کلمه است.
  • جستجو هنگام تایپ با کمی تأخیر (۱۵۰ تا ۳۰۰ میلی‌ثانیه) تا با هر حرف درخواست نفرستید.
  • عبارت جستجو را در نشانی صفحه نگه دارید (?q=…) تا قابل‌اشتراک و برگشت‌پذیر باشد.

جمع‌بندی

متن فارسی را همان‌طور که درست است ذخیره کنید و فقط برای مقایسه یکسانش کنید: حروف عربی، نیم‌فاصله، ارقام و اعراب. اشتباه چیدمان صفحه‌کلید را تشخیص دهید و پیشنهاد بدهید. با همین چند خط، جستجوی سایت شما خیلی بیشتر از قبل پیدا می‌کند. توابع یکسان‌سازی و اصلاح متن در ابزارهای فارسی کاشی آماده‌اند.