O alfabeto árabe

O que é o alfabeto árabe

O alfabeto árabe tem 28 letras e escreve-se da direita para a esquerda. Serve o árabe e, com letras acrescentadas, o persa, o urdu, o pastó, o curdo e muitos outros, o que faz dele a segunda escrita mais usada no mundo depois da latina. Tal como o hebraico é um abjad: as letras são consoantes e as vogais breves são sinais que normalmente se omitem.

O que o distingue de quase todos os outros alfabetos é que as letras se ligam. O árabe escrito é cursivo por omissão, não como estilo mas como a maneira normal de o compor mesmo impresso, e uma letra assume uma forma diferente consoante esteja sozinha, comece a palavra, fique a meio ou a termine. A maioria tem quatro formas. Seis têm apenas duas, porque se recusam a ligar ao que as segue, e essa lista é decorada cedo por quem estuda árabe.

Feitas as contas, as 28 letras assumem 100 formas distintas: 22 letras com quatro cada e seis com duas. É esse número a razão de existir desta página, pelo que o Unicode faz e não faz a respeito.

Como usar esta página

1. Procure na tabela a letra de que precisa. Cada linha dá a letra, o seu nome, uma transliteração, o seu único ponto de código e todas as formas que assume com a posição identificada. As seis letras que mostram só duas formas são as que não ligam.
2. Veja a segunda tabela antes de dar algo por letra. A hamza, os seus suportes, o ta marbuta e o alif maqsura aparecem sem parar no árabe escrito e nenhum é uma das 28. São listados à parte com a razão, em vez de metidos lá dentro para a contagem parecer mais cheia.
3. Cole texto antigo no limpador. O texto exportado de sistemas antigos usa por vezes formas de apresentação em vez de letras comuns. Parece certo e comporta-se mal. O limpador substitui-as e diz-lhe quantas encontrou.

Um ponto de código por letra, e 731 que nunca deve escrever

Aqui está o que separa o árabe dos outros alfabetos deste sítio. O Unicode não codifica nenhuma dessas 100 formas no bloco árabe. Há exactamente um ponto de código por letra, e a escolha da forma é feita por aquilo que desenha o texto, a partir das letras que estiverem de cada lado. O alfabeto são 28 caracteres e as cem formas são um comportamento de desenho.

Ainda assim, o Unicode contém as formas, em dois blocos chamados Formas de Apresentação Árabes A e B. São 731. Existem para que os documentos em codificações antigas, que guardavam cada forma como carácter próprio, possam ser convertidos para Unicode sem perdas. A norma diz expressamente que são caracteres de compatibilidade e não servem para compor texto novo.

Essa distinção conta mais do que parece. O texto escrito com formas de apresentação parece correcto e comporta-se mal: procurar uma palavra não a encontra, porque as formas são caracteres diferentes das letras; a ordenação coloca-a mal; a quebra de linha e o movimento do cursor atrapalham-se. É o equivalente tipográfico de escrever uma palavra a misturar tipos de letra para forçar as letras a parecerem certas.

Portanto a tabela acima está feita da maneira honesta. Cada forma que vê sai do próprio ponto de código da letra com um ligador de largura zero ao lado, que pede ao motor que a desenhe como se tivesse um vizinho. Nesta página não aparece uma única forma de apresentação, e os testes verificam-no para as 100 formas em vez de lhe pedirem que acredite.

Onde vivem as formas variantes, em quatro alfabetos

Este é o quarto alfabeto publicado como lista neste sítio, e cada um acabou por esconder as suas formas variantes num sítio diferente. Juntos são uma pequena lição sobre nunca gerar um alfabeto a partir de um intervalo de pontos de código.

O grego esconde um buraco. As maiúsculas vão de U+0391 a U+03A9, que são 25 pontos de código para 24 letras, porque U+03A2 está por atribuir: não existe sigma final maiúsculo, portanto a casa onde ficaria permanece vazia.

O cirílico esconde um forasteiro. O alfabeto russo são 33 letras, mas só 32 são contíguas; o Ё fica em U+0401, bem fora desse troço, entre letras que o russo nem sequer usa.

O hebraico esconde intrusos intercalados. O seu bloco são 27 pontos de código para 22 letras, porque cinco letras têm uma forma final à parte e cada uma está codificada mesmo antes da letra a que pertence.

O árabe não esconde nada no bloco, porque as formas não estão lá. É a falha contrária: o bloco não é grande de mais, falta-lhe tudo aquilo que uma lista ingénua é tentada a mostrar, e a tentação é ir buscá-lo a um bloco de compatibilidade onde não tem nada que fazer.

Limites honestos

As formas da tabela são desenhadas pelo seu próprio navegador com os tipos de letra da sua máquina. Isso é o essencial e não um atalho, porque é exactamente o que acontece ao texto árabe em todo o lado, mas significa que um tipo de letra com fraco suporte de árabe desenhará algumas pior do que um bom. Se uma forma parecer errada aqui, também parecerá errada num documento real, o que é útil saber.

Há duas formas que são tarefa do motor e não do alfabeto. O lam seguido de alif é desenhado como uma ligadura única em qualquer tipo de letra razoável, e não é uma letra; o Unicode até lhe dá um ponto de código entre as formas de apresentação, que é mais uma coisa a não escrever. O comportamento contextual também varia um pouco entre tipos de letra, sobretudo nos estilos nastaliq, onde a ligação é bem mais elaborada do que quatro posições sugerem.

O 28 é uma convenção. É a contagem ensinada em todo o lado e é a certa para publicar, mas é uma decisão sobre o que incluir e não um facto sobre o bloco, e a segunda tabela é onde essa decisão se torna visível. Há línguas para além do árabe que acrescentam letras a esta escrita e nenhuma está aqui.

Por fim, as transliterações são um guia aproximado para quem não conhece a escrita, não um sistema erudito. A transliteração académica distingue sons que estas grafias fundem e usa diacríticos que esta página não usa.

Porque é grátis

Porque é uma tabela e uma chamada de normalização. Os dados das letras viajam com a página e o limpador corre no seu navegador, portanto nada do que colar é enviado, registado ou guardado em lado nenhum.

Portanto não há conta, nem registo, nem nada guardado atrás de um. As letras vêm da base de dados de caracteres do Unicode, o comportamento de ligação do ArabicShaping.txt e não de uma lista decorada, e os parecidos da tabela por trás do UTS 39, tudo regenerado por um script que está ao lado da página com 65 verificações que comprovam o resultado.