زه د يو اماتور پښتو ډيجيټلي پروژې چلوونکي په توګه د نورو موضوعاتو تر څنګ په پښتو کې د ګرافيمونو د ظاهري شکل او اصلي يونيکوډ تر منځ توپيرونو له ستونزې کړېږم. ښايي بل هر څوک چې د پښتو د ډيجيټلي پروسس سره يې سر و کار وي، د همدې ستونزې سره لاس او ګرېوان وي.
په پښتو ژبه کې د لیکدود ياده ستونزه دا ده چې ځینې توري (ګرافیمونه) ظاهراً یو شان ښکاري، خو په یونیکوډ کې جلا کوډونه لري. دا موضوع د لټون، متن پروسس، ډیجیټلي ارشیف او د طبیعي ژبې د پروسس (NLP) لپاره (مثلا لکه ژباړه) جدي ستونزې رامنځته کوي. ډېر خلک دا توپیر نه ویني او ورته توجه نه کوي، خو کمپیوټر یې ډېر دقیق حسابوي. مثلاً دا لاندنۍ دوې کلمې وګورئ:
مینه ـ م ي ن ه
مينه ـ م ی ن ه
د انسان لپاره دواړه یو شان معلوميږي، خو په حقیقت کې دلته دوې بېلابېلې «يېګانې» کارول شوي دي:
ي (U+064A)
ی (U+06CC)
کله چې په یو متن کې یوه بڼه وکارول شي او په بل متن کې بله، نو د لټون سیستم ممکن دا دواړه یو شی ونه ګڼي. یعنې که څوک په آنلاين قاموسونو يا بل چيرې «مينه» په «ي» ولټوي، نو به په نتيجه کې هغه متون يا پايلې نه وښودل شي چې پکې «مینه» په «ی» ليکل شوې وي.
دلته څو نور مثالونه هم يادولای شو:
ګېډه / گېډه
ك / ک (له ظاهره یو شان، خو بېلابېل کوډونه)
د «ګ» په اړه:
ګ (U+06AB)
گ (U+06AF)
يو شمېر ليکوالان وايي چې په پښتو کې باید عموماً ګ (U+06AB) وکارول شي. بعضې بيا وايي چې نه د تورو لاندې دا ګردۍ حلقه لکه په ټ ډ ړ او ڼ کې د ريټروفليکس يعني چې د تلفظ پر وخت د ژبې څوکه پورته کږيږي، کارول کيږي خو ګ رېټروفليکس نه دی. په هر صورت که څوک په «گ» لرونکي توري پسې ګرځي نو ورته د «ګ» توري نه ښودل کيږي. مثلا که په آنلاين قاموس کې ګاډی د لغت په توګه راغلی وي او لټون کوونکی په گاډی پسې لټون وکړي، نو نتيجه به ورنکړي.
يوه بله ستونزه د «ک» ده. دا ځکه چې د «ک» لپاره هم دوې بڼې کارول کېږي:
ك (U+0643)
ک (U+06A9)
د پښتو لپاره معیاري بڼه ک (U+06A9) ده. که عربي «ك» وکارول شي، نو د متن یو شان والی له منځه ځي.
ځینې وخت د «ک» داسې بڼه هم کارول کېږي چې د همزې (ء) نښه ورسره ښکاري یا له بل فونټ څخه راغلې وي. دا بڼې اکثره د کاپي پېسټ له امله راځي او د پروسس پر مهال ستونزې جوړوي.
ولې د کلمې په منځ کې د «ي» کارول مهم دي، نه «ی»؟
په پښتو کې د کلمو تر منځ ی نه راځي بلکه صرف ي ليکل کيږي. خو په کمپيوټر کې که څوک م ی ن ه وليکي که م ي ن ه وليکي يو شانته لوستل کيږي. حال دا چې بايد څوک ځان عادت کړي چې د منځ يا لپاره هيڅکله ی نه وکاروي.
کله چې متنونه په پورته ياده شوې توګه معیاري نه وي، نو لاندې ستونزې رامنځته کېږي:
ـ لټون نیمګړی کېږي او ټول اړوند متنونه په سرچ/لټون کې نه پیدا کېږي
ـ د کلمو شمېرنه غلطېږي او ماشین یو کلمه دوه بېلابېلې ګڼي
ـ ماشیني ژباړه کمزورې کېږي
ـ د متن په طبقه‌ بندي او تحلیل کې ستونزې رامنځته کېږي
ـ ډیټابېسونه تر اړتيا لوی او ګډوډ کېږي
مثلاً که یو NLP سیستم د «مينه» کلمه په ي زده کړې وي، خو په متن کې «مینه» په ی راغلې وي، نو سیستم یې ممکن ونه پېژني.
ایا ياد نه يووالی او فرقونه د پښتو لپاره د پروګرامونو او کوډ ليکلو پروسه سختوي؟
د پورته پوښتنې جواب مطلق او ښکاره «هو» دی. ياد فرقونه د کمپيوتري پروګرامونو د جوړولو پروسې اوږدې او پېچلي کوي. يعني حل يې ممکن دی، خو لا زيات وخت او منابع غواړي.
مثلا زه د پښتو قاموسونو او شعري ديوانونو د امتزاج پر يوه آنلاين پروژه کار کوم. زه مجبور يم چې د متونو (Unicode normalization) وکړم، بدیل توري په یوه معیاري بڼه واړوم، د لټون لپاره ځانګړي الګوريتمونه جوړ کړم او داسې نور. حال دا چې زما پوهه، وخت او نور امکانات انتهايي ډېر محدود دي او دغه او ورته چارې زما امکانات پولې ته رسوي او رامحدودوي يې.
نو که موږ تاسو ځانونه عادت کړو او متنونه له پیله معیاري ولیکلو، نو بيا به د دغو متونو پروسس او ورته د پروګرامونه جوړول ساده، چټک او دقیق وي.
د پښتو ژبې د ډیجیټلي راتلونکې لپاره دا مهمه ده چې لیکدود معیاري شي. په ظاهره دا توپيرونه کوچني دي، خو په ډیجیټلي نړۍ کې ډېر لوی اغېز لري.
احمد ولي اڅکزی، د ۲۰۲۶ کال د فبرورۍ ۱۳مه