عدّاد تكرار الحروف

ما تكرار الحروف؟

تكرار الحروف هو نصيب كل حرف من الورود في مدوّنة من الكتابة. والتوزيع في الإنجليزية مشهور باختلاله: حرف E يعادل نحو حرف من كل ثمانية، وحرف Z نحو حرف من كل ألف وستمائة. من هذا الاختلال جاءت أوزان أحجار لعبة Scrabble، وتفاوت تآكل مفاتيح لوحة المفاتيح، وسقوط كل تعمية بالاستبدال.

ويحسن قول هذا في المستهل: تحسب هذه الأداة الحروف اللاتينية من a إلى z وحدها. أما الحروف العربية فلا تُحسب البتة، بل تدخل جميعها في عداد المحارف المتجاهَلة، فمن ألصق نصًّا عربيًّا خرج بصفر حرف محسوب. والجدولان المرجعيان إنجليزيان كذلك. تبقى الأداة نافعة لقارئ عربي يشتغل على نص إنجليزي: في التعمية الكلاسيكية، وفي الألغاز، وفي أمور الطباعة والخطوط.

وأكثر الصفحات التي تنشر جدولًا لتكرار الحروف تنشر جدولًا واحدًا، غفلًا من أي بيان، كأنه ثابت من ثوابت الطبيعة. وليس كذلك. الجدول قياسٌ لكومة بعينها من النصوص، والأكوام المختلفة تعطي أجوبة مختلفة. وهنا جدولان، مع كل واحد المدوّنة التي خرج منها، تبدّل بينهما فترى العمود المتوقَّع يتحرك.

كيف تستعمل العدّاد؟

1. الصق نصّك في الصندوق أو اكتبه. يبدأ الحساب فورًا وداخل متصفحك أنت. والمسافات والأرقام وعلامات الترقيم وكل ما خرج عن النطاق a-z تُحسب على حدة بوصفها محارف متجاهَلة.
2. اختر الجدول الذي تقارن به. اثنتا عشرة رواية في الملك العام، أو Google Books. وهما لا يتفقان، وهذا هو المقصود: فالانتقال من أحدهما إلى الآخر يزحزح النسبة المتوقَّعة لكل حرف، ويقلب إشارة بعض الفروق.
3. اقرأ الحكم قبل الجدول. فهو يخبرك أولًا هل عيّنتك طويلة بما يكفي للتأويل أصلًا، وهل بُعدها عن المرجع أمر لافت أم هو ببساطة ما يعطيه نصٌّ بهذا الطول. ثم رتّب من A إلى Z أو حسب التكرار، وانسخ الجدول كله بصيغة CSV.

النص الحقيقي لا يقترب من اللغة، بل يقترب من صاحبه

هذه هي النتيجة التي صاغت الصفحة. إذا سحبتَ حروفًا عشوائيةً مستقلةً من مدوّنة الروايات الاثنتي عشرة، اقتربت العيّنة من الجدول تمامًا كما تتنبأ نظرية المعاينة: فعند مائتي ألف حرف تصير المسافة 0.0040، أي تطابق شبه تام. أما إذا أخذتَ مقاطع متصلة حقيقية بالطول نفسه من الكتب نفسها، فالمسافة تقف عند 0.0301، أي أبعد بسبعة أضعاف ونصف.

والفجوة تتسع كلما كبرت العيّنة. فعند ثلاثين حرفًا لا يكون المقطع الحقيقي أسوأ من السحب العشوائي (0.3018 مقابل 0.3237)، وعند ألف حرف يصير أسوأ بمقدار 1.3 ضعف، وعند مائتي ألف بسبعة أضعاف ونصف. فبعد بضعة آلاف من الحروف لم تعد تقيس الإنجليزية بدقة أعلى، بل صرت تقيس مؤلفًا واحدًا بدقة أعلى، والمؤلف ليس اللغة.

ولهذا أثر في الجدولين المرجعيين نفسيهما. فجدول الروايات الاثنتي عشرة وجدول Norvig المبني على 3,563,505,777,820 حرفًا من Google Books تفصل بينهما 0.0305. والمسافة الوسيطة بين روايتين مفردتين في المدوّنة 0.0449، وأقرب روايتين تفصل بينهما 0.0236؛ أي أن سبعة من أزواج الروايات الستة والستين أقرب بعضها إلى بعض مما هو الجدولان المرجعيان أحدهما إلى الآخر. مدوّنةٌ أكبر بمقدار 668 ألف ضعف لم تحسم المسألة، بل أجابت عن سؤال آخر.

ويظهر الخلاف في الترتيب. يبدأ الجدولان بـ E T A O ثم يفترقان: الروايات تعطي ETAONISHRDLU، وGoogle Books يعطي ETAOINSRHLDC، ولا يحتفظ بالرتبة نفسها فيهما سوى خمسة عشر حرفًا من ستة وعشرين. وأكبر فرق مفرد في حرف H: ‏6.18% في الروايات مقابل 5.05% في Google Books. فالرواية مليئة بـ he وshe وthat وthe، وGoogle Books مليء بكل ما عدا ذلك.

كم من النص تحتاج، وما الذي لا تستطيع الأداة إخبارك به

تبيّن أن مقدار النص المطلوب صفةٌ للسؤال لا للنص. فثلاثون حرفًا تكفي لكسر تعمية قيصر في 98.0% من الحالات، والجدولان المختلفان يختاران الإزاحة نفسها في 99.3% من الحالات عند هذا الطول. ومع ذلك، في هذه الثلاثين حرفًا نفسها، لا يكون أكثر الحروف ورودًا هو E فعلًا إلا في 41.3% من الحالات. فكسر التعمية يحتاج أن يكون الترتيب صحيحًا في جملته تقريبًا، أما قراءة تكرار حرف بعينه من الجدول فتحتاج أن يكون ذلك الحرف قد استقر وحده.

ويطّرد النمط عند التوسّع. فعند ألف حرف يصيب أكثرُ الحروف ورودًا في 96.7% من الحالات، لكن الحروف الستة الأولى لا تخرج بترتيبها الصحيح إلا في 22.5% من الحالات حتى عند مائة ألف حرف، ولا تعيد إنتاج الحروف الثلاثة الأولى للمدوّنة نفسها سوى تسع روايات من اثنتي عشرة. فإن كنت رأيت صفحة تسرد بثقة أكثر عشرة حروف ورودًا في الإنجليزية، فذلك الترتيب أهشّ مما يبدو.

ولهذا أيضًا تَسِم الأداة الحرف بأنه واسع لا بأنه ذو دلالة إحصائية. فالدلالة الإحصائية في الكتب المدرسية تعامل النص بوصفه سحوبًا عشوائية مستقلة، والنثر ليس كذلك، فتنتهي في أي عيّنة طويلة إلى وسم كل الحروف تقريبًا. أما هنا فيوضع الوسم حين يبتعد الحرف عن الجدول أكثر مما تبتعد الروايات الاثنتا عشرة بعضها عن بعض. فحرف h وحده يتراوح بين 4.90% و8.10% بين روايتين عاديتين، أي مدى قدره 3.20 نقطة في حرف قيمته 6.18. والحكم بضوضاء المعاينة كان سيجعل كل كتاب عادي كتابًا استثنائيًّا.

أما الحدود فتُقال بلا مواربة: دون المئتي حرف تقريبًا تمتنع الأداة عن التأويل، لأن الجواب عند هذا الحد ضوضاء. ومدوّنة الروايات أدبٌ روائي من القرن التاسع عشر، وأثر ذلك ظاهر. وهي تستطيع أن تخبرك أن نصًّا ما خارج المألوف، ولا تستطيع أن تخبرك لماذا.

لماذا هي مجانية؟

لأن عدّ الحروف لا يكلّفنا شيئًا. فالتحليل كله — الأعداد والمسافات والجدولان المرجعيان ومنحنى التقارب الذي يقوم عليه الحكم — بضعة كيلوبايتات من JavaScript تعمل داخل متصفحك أنت. فنصّك لا يُرفع ولا يُخزَّن ولا نراه، إذ ليس ثمة خادم أصلًا كي يراه.

ومن ثمّ فلا حساب ولا تسجيل ولا حدّ للحجم ولا علامة مائية على ملف CSV. الصق مخطوطة خاصة إن شئت، فهي لا تغادر الجهاز الذي تقرأ عليه هذا الكلام. وهي مجانية للسبب نفسه الذي يجعل استعمال آلة حاسبة صغيرة مرتين مجانيًّا.