حاسبة Soundex: كل حرف، والقاعدة التي حسمته

ما رمز Soundex؟

رمز Soundex مفتاح فهرسة من أربعة محارف لاسم العائلة: الحرف الأول، ثم ثلاثة أرقام تمثّل الحروف الساكنة التي تليه. فـ Washington رمزه W-252، وLee رمزه L-000. والغاية أن تقع الأسماء المتشابهة في النطق والمختلفة في الكتابة على الرمز نفسه فتُحفظ معًا، وهكذا يُعثر على جدّ سجّل موظف التعداد اسمه سماعًا قبل قرن من الزمان.

الترميز نفسه بضع قواعد قصيرة. ستة أرقام تغطي الحروف الساكنة — 1 لـ B وF وP وV، و2 لـ C وG وJ وK وQ وS وX وZ، و3 لـ D وT، و4 لـ L، و5 لـ M وN، و6 لـ R — وتُهمَل الحروف A وE وI وO وU وH وW وY. وتُكمَّل الرموز القصيرة بالأصفار حتى ثلاثة أرقام، ويُطرح كل ما يزيد على الرقم الثالث.

وما يخفيه هذا التلخيص أن أربع قواعد أخرى هي التي تقرّر متى لا يُرمَّز الساكن أصلًا، وعندها تتباين التطبيقات. تعرض هذه الصفحة القاعدة التي طُبِّقت على كل حرف على حدة، فيصير الرمز الذي تختلف معه قابلًا للمناقشة بدل الاكتفاء بالشك فيه.

طريقة الاستخدام

1. اكتب اسم العائلة. يظهر الرمز فورًا، مكتوبًا بالشرطة بعد الحرف كما يكتبه الأرشيف. ويوضّح كل زر من أزرار الأمثلة قاعدة مختلفة، ومنها الحالتان اللتان تخطئ فيهما التطبيقات الساذجة.
2. اقرأ جدول الحروف. لكل محرف صفّه: مُرمَّز برقم، أو مُهمَل لكونه حركة، أو مُستبعَد مع تسمية القاعدة التي استبعدته. وحين يتعارض حرف مع حرف سابق، يبيّن الجدول أي حرف هو.
3. انتقل إلى وضع المقارنة. الصق قائمة بطرق الكتابة، واحدة في كل سطر، وانظر أيها يُحفظ معًا. هذه هي وظيفة الفهرس أصلًا، والتجميعات نادرًا ما تكون المتوقَّعة.

القاعدة التي يتجاوزها معظم التطبيقات

لا وجود لمعيار قياسي لـ Soundex. لا رقم ISO، ولا وثيقة RFC، ولا لجنة: فقد انتشرت الخوارزمية بوصفها عرفًا في الحفظ قبل أن يحاول أحد تدوينها بزمن طويل، والباقي مرجعًا هو صفحة الأرشيف الوطني الأمريكي التي تصف قواعد Soundex الخاص بالتعداد، وهي النسخة التي يقصدها الجميع بعبارة Soundex الأمريكي. وهي صفحة حكومية على الويب لا مواصفة قياسية، والدقة هنا مهمة لأنها تحدد حدود ما يمكن الاستناد إليه.

وما يجعلها صالحة للاستعمال رغم ذلك أنها تنشر تسعة أمثلة محلولة، وتفعل في أصعبها ما لا تكاد المواصفات تفعله: تُسمّي الإجابة التي ترفضها. فإذا فصل حرف H أو W بين ساكنين يحملان الرقم نفسه، لم يُرمَّز الثاني. يُرمَّز Ashcraft إلى A-261، وتقرّر الصفحة صراحةً أنه ليس A-226. وأن يُقال لك كيف تبدو الإجابة الخاطئة أنفع بكثير من أن يُقال لك ما الصواب، لأنك تستطيع الاختبار عليها.

ويستحق هذا الاختبار أن يُجرى. فُحصت لأجل هذه الصفحة ثلاثة تطبيقات منشورة على الأمثلة التسعة جميعًا: اثنان يعيدان كل واحد منها، والثالث يعيد A-226 بالضبط لـ Ashcraft، وهي القيمة التي يتهجّاها الأرشيف حرفًا حرفًا لأجل رفضها. فالقول الشائع إن الجميع يخطئون في Soundex قول باطل، والصيغة الصحيحة أضيق وأطرف: القاعدة الوحيدة التي رأت جهة مرجعية ضرورة نشر تصحيح لها هي القاعدة التي ما زالت تُتجاوَز.

وأثر ذلك أقل مما قد يُخشى. فعلى قائمة إنجليزية من 168,551 كلمة، تختلف القراءتان في 211 كلمة، أي نحو واحدة من كل ثمانمائة، لأن 293 كلمة فقط تحوي هذا النمط. غير أن الاختلاف ليس عشوائيًا: يلزمه حرف H أو W بين ساكنين من الفئة نفسها، وهو ما يقع تمامًا في Ashcraft، وفي dishcloths وbeachcombs وhighchairs. ومتى انطبقت القاعدة غيّرت الناتج في الغالب.

أما القاعدة الثانية التي توقع الناس فأدقّ من ذلك. يُحتفظ بالحرف الأول بوصفه حرفًا، لكن رقمه يبقى فاعلًا، فيُستبعَد أي ساكن تالٍ يشاركه ذلك الرقم. لذلك رمز Pfister هو P-236 لا P-123، لأن حرف F صامت بالمعنى الذي يعني الترميز تحديدًا: إنه يشارك P رقمه. والنسخة التي تبدأ الترميز من الحرف الثاني فقط تخطئ هنا دائمًا.

ما لا يقوله رمز Soundex

لا يقول إن اسمين تجمعهما قرابة، بل إنهما تعارضا في الرمز فحسب. فـ Schmidt وSmith كلاهما S-530، وهذا هو النظام يعمل كما صُمِّم بالضبط على صيغ أسماء المهاجرين التي بُني لأجلها: إذ يتلاشى حرف C وH وD في الطريق. لكن Sanders وSaunders وSchneider وSnyder جميعها S-536 أيضًا، وليست اسمًا واحدًا. فالرمز المشترك سبب للبحث، لا دليل قط.

وتفوته كذلك أسماء يبدو أن عليه التقاطها. أضف مقطعًا واحدًا يتحرك الرمز: فـ Smithers رمزه S-536، محفوظ بعيدًا عن Smith. ويُطرح كل ما يتجاوز الرقم الثالث، فتُقارَن الأسماء الطويلة بأوائلها وحدها، ويصير اسمان مختلفان تمامًا يشتركان في أربعة سواكن أولى غير قابلين للتمييز.

وقاعدة السوابق عرف في الحفظ لا خوارزمية، وتطبيقها آليًا يخفق على أمثلة الأرشيف نفسه. فالاسم الذي يبدأ بـ Van أو Con أو De أو Di أو La أو Le ينبغي ترميزه بالطريقتين، لجواز حفظه تحت أي منهما؛ غير أن Deusen، وهو المثال المنشور لاسم أُزيلت سابقته، يبدأ هو نفسه بـ De، وLee يبدأ بـ Le. ولا يستطيع أي جدول أن يميّز السابقة من المقطع الأول. لذلك تعرض هذه الصفحة الرمز الثاني بوصفه موضعًا آخر للبحث وتقول ما هو، بدل تطبيقه في صمت.

وثمة قاعدة تبقى غير محدَّدة فعلًا. فالحرف Y مذكور بين الحروف المُهمَلة، لكن القاعدتين اللتين تحكمان ما يفصل بين ساكنين يحملان الرقم نفسه تذكران الحركات A وE وI وO وU وحدها من جهة، وH وW وحدهما من جهة أخرى. والحرف Y ليس في أي من القائمتين، فالقواعد المنشورة لا تقول كيف يتصرف — وهذا يغيّر الإجابات: فـ Pyfer رمزه P-160 إن كان Y يفصل، وP-600 إن لم يكن. وكل التطبيقات التي فُحصت تعامله بوصفه فاصلًا، وكذلك تفعل هذه الصفحة، لكنه عرف استقرّ عليه المجتمع التقني لا نصٌّ من الأرشيف.

وأخيرًا، يفترض النظام كله أنماطًا ساكنة إنجليزية وأبجدية لاتينية. فلا يقول شيئًا عن النبر، ولا عن الكتابات التي لا يقرؤها، ولا عن الطرق الكثيرة التي يُساء بها سماع الاسم دون أن تمسّ فئات السواكن التي يعرفها. وإن كان مرادك عدد التعديلات التي تفصل سلسلتين لا ما إذا كانتا متشابهتين في النطق، فتلك مسألة أخرى بإجابة أخرى، وأداة تشابه النصوص في هذا الموقع تقيسها.

لماذا هي مجانية؟

ترميز اسم عائلة بضع عشرات من أسطر الحساب، وهي تعمل داخل متصفحك. لا خادم في المسار، فلا شيء يستوجب فاتورة ولا حساب يلزم إنشاؤه.

لا يُرفع أي شيء. فالأسماء التي تكتبها لا تغادر التبويب، وهذا هنا أهم من المعتاد، لأن سبب استعمال أداة Soundex يكاد يكون دائمًا أنك تبحث في تاريخ عائلة حقيقية.