באנגלית נהוג לפעמים לאפשר חיפוש של אותיות גדולות וקטנות באותו זמן. האם עד כאן הכונה ברורה?
באיזו מידה יש ענין כזה בשפות שאינן אנגלית?
באיזו מידה ניתן שחיפוש צרופי אותיות בעברית יכלול גם את הצרוף מנוקד, ולא מנוקד, בו זמנית?

האם אתה מתכוון ל fuzzy search או לחיפוש בתוך מחרוזת (תת מחרוזת)? או סוג אחר של חיפוש?

הבעיה עם עברית זה לא התווים, אלא סדר התווים. בלטינית זה משמאל לימין (הצורה שבד"כ שומרים את המידע גם), בעברית זה מימין לשמאל (אבל המידע עדיין נשמר משמאל לימין).

תאורטית אין בעיה לחפש בעברית, פשוט צריך להחליט על הגישה - האם המחרוזת תשמר הפוך או האם החיפוש יהיה מהסוף להתחלה.

השאר זה להגדיר מה סוג החיפוש שצריך - fuzzy או substring (למשל).

Anonymous :

האם אתה מתכוון ל fuzzy search או לחיפוש בתוך מחרוזת (תת מחרוזת)? או סוג אחר של חיפוש? הבעיה עם עברית זה לא התווים, אלא סדר התווים. בלטינית זה משמאל לימין (הצורה שבד"כ שומרים את המידע גם), בעברית זה מימין לשמאל (אבל המידע עדיין נשמר משמאל לימין). תאורטית אין בעיה לחפש בעברית, פשוט צריך להחליט על הגישה - האם המחרוזת תשמר הפוך או האם החיפוש יהיה מהסוף להתחלה. השאר זה להגדיר מה סוג החיפוש שצריך - fuzzy או substring (למשל).

עד כמה שאני מבין מה זה fuzzy search, איני מתכון לכך. באנגלית, המקביל של הדגל
-i, --ignore-case
Ignore case distinctions in patterns and input data,
so that characters that differ only in case match each
other.
של grep מופיע על כל צעד ושעל. כמעט בכל gui הם מאפשרים ignore-case.
האם לעברית יש מקביל של ignore-nikud? האם יש בכלל, לא עד מה הוא נפוץ. האם יש בכלל? שאפשר יהיה לחפש מלים מנוקדות רק לפי המלה ללא הניקוד? ולהיפך: לחפש את המלה המנוקדת, ולקבל גם תוצאות של המלה שמופיעה בלי הניקוד?
באופן כללי, עם אותו מנגנון אפשר יהיה גם לחפש מלים לפי אותה מלה עם טעמי המקרא.

Anonymous :

Anonymous : האם אתה מתכוון ל fuzzy search או לחיפוש בתוך מחרוזת (תת מחרוזת)? או סוג אחר של חיפוש? הבעיה עם עברית זה לא התווים, אלא סדר התווים. בלטינית זה משמאל לימין (הצורה שבד"כ שומרים את המידע גם), בעברית זה מימין לשמאל (אבל המידע עדיין נשמר משמאל לימין). תאורטית אין בעיה לחפש בעברית, פשוט צריך להחליט על הגישה - האם המחרוזת תשמר הפוך או האם החיפוש יהיה מהסוף להתחלה. השאר זה להגדיר מה סוג החיפוש שצריך - fuzzy או substring (למשל). עד כמה שאני מבין מה זה fuzzy search, איני מתכון לכך. באנגלית, המקביל של הדגל -i, --ignore-case Ignore case distinctions in patterns and input data, so that characters that differ only in case match each other. של grep מופיע על כל צעד ושעל. כמעט בכל gui הם מאפשרים ignore-case. האם לעברית יש מקביל של ignore-nikud? האם יש בכלל, לא עד מה הוא נפוץ. האם יש בכלל? שאפשר יהיה לחפש מלים מנוקדות רק לפי המלה ללא הניקוד? ולהיפך: לחפש את המלה המנוקדת, ולקבל גם תוצאות של המלה שמופיעה בלי הניקוד? באופן כללי, עם אותו מנגנון אפשר יהיה גם לחפש מלים לפי אותה מלה עם טעמי המקרא.

ובערבית אולי זה יעבוד לאותיות מחוברות.

ציטוט:

הבעיה עם עברית זה לא התווים, אלא סדר התווים. בלטינית זה משמאל לימין (הצורה שבד"כ שומרים את המידע גם), בעברית זה מימין לשמאל (אבל המידע עדיין נשמר משמאל לימין).

זאת בעיית תצוגה בלבד. לא רלוונטי לחיפוש - במיקרים האלו הטסט הוא לוגי (מיקום 2,3,4... וכו').

ציטוט:

תאורטית אין בעיה לחפש בעברית, פשוט צריך להחליט על הגישה - האם המחרוזת תשמר הפוך או האם החיפוש יהיה מהסוף להתחלה.

קרא למעלה. אתה טועה ומטעה.

ציטוט:

השאר זה להגדיר מה סוג החיפוש שצריך - fuzzy או substring (למשל).

אם המטרה היא לחפש מחרוזת תוך כדי התעלמות מסימני ניקוד (אַאָאִאְאִאֵאֶ וכו' [1]) אז אין דבר כזה בשלוף. אתה צריך לכתוב פונקציה שמססנת את כל סימני הניקוד, משתי המחרוזות ואז לבצע חיפוש חדש. (או לכתוב חיפוש שמדלג על התווים האלו).

ציטוט:

ובערבית אולי זה יעבוד לאותיות מחוברות.

הידע שלי בערבית קטן לכן קחו בעירבון מוגבל את מה שאני כותב כאן. ערבית יש לה בעייה - שהאותיות (הגליפים) מתחברים אחד לשני בהתאם למש שיש משני הצדדים (מלמדים שתמיד מתחבר מצד ימין, אבל הציור של התו תלוי בשני הצדדים). לכן לכל תו יש צורה "אני לא מחובר", "מחובר משני הצדדים" "מחובר משמאל בלבד", "מחובר מימין בלבד".
אבל... זה רק בשלב התצוגה. במחרוזת - שמורה רק הצורה של "הגליף שלא מתחבר לאף אחד מכל צד".

נסו: קחו את הטקט הזה أنا آكل الزجاج وأنا أحب ذلك תדביקו לתוכנת הטקסט האהובה עליכם, ופשוט שימו רווחים בין אותיות. זה מתחיל להשתולל יפה... אם תשמרו על דיסק - ואז תעשו hexdump תראו שהתוכן לא כזה השתנה.

יש עוד דוגמאות כאן: https://glyphsapp.com/learn/arabic




[1] מעניין... חשבתי שאם אני אשים את הניקוד בלי אותיות, הוא יצויר אחד ליד השני. הפיתרון שמצאתי הוא לשים "א". אם יש פתרון אחר - למשל אות "ריקה" - תסבירו לי

בשפת הביטויים הרגולריים של emacs זה קיים מזמן, אבל התחביר לחיפושים הוא מאד קשה.
הייתי מצפה שיהיה חיפוש כזה באחת מחבילות האופיס, זה לא יחודי לעברית, ולא קשור לכיווניות הטקסט. בשפות דרום אסיה (הודו) זה אפילו די נחוץ בעבודה יומיומית.

(וכן, במיקרוסופט זה כבר קיים הרבה מאד שנים)

borsood :

בשפת הביטויים הרגולריים של emacs זה קיים מזמן, אבל התחביר לחיפושים הוא מאד קשה. הייתי מצפה שיהיה חיפוש כזה באחת מחבילות האופיס, זה לא יחודי לעברית, ולא קשור לכיווניות הטקסט. בשפות דרום אסיה (הודו) זה אפילו די נחוץ בעבודה יומיומית.

האם הבנתי נכון שלדרום אסיה (הודו) יש מקבילה לניקוד בעברית? אולי יש להם ספריות שמממשות חיפוש עם/בלי ניקוד מהסוג שלהם?

borsood :

(וכן, במיקרוסופט זה כבר קיים הרבה מאד שנים)

האם בחלונות קוראי ה PDF משתמשים בזה?

לא יודע לגבי ספריות, אבל בהכללה לשפות הודיות כן. אני די בטוח שיש הגדרות יונקוד לזה.
למעשה זה גם שימושי, אבל פחות בשפות לטיניות. חיפש של e שיתאים גם ל é è ĕ ê ế ě ë ę ē
הביטוי שאתה מחפש הוא ignore/match diacritics.
גם בחיפוש של השואש יש את זה, וגם בקורא הPDF‏ foxit.

borsood :

לא יודע לגבי ספריות, אבל בהכללה לשפות הודיות כן. אני די בטוח שיש הגדרות יונקוד לזה. למעשה זה גם שימושי, אבל פחות בשפות לטיניות. חיפש של e שיתאים גם ל é è ĕ ê ế ě ë ę ē הביטוי שאתה מחפש הוא ignore/match diacritics. גם בחיפוש של השואש יש את זה, וגם בקורא הPDF‏ foxit.

במיקרה של אותיות לטינית - מדובר על "במקום גליף ế תחםש e". במיקרה של עברית - זה רצף של שני גליפים. לא אותו סיפור.