عدّ الكلمات

ما الذي يُعدّ، ومن يتولى العدّ

عدد الكلمات ليس من صنعنا. تأتي الكلمات من أداة تقسيم Unicode في المتصفح نفسه، بلغتها الافتراضية لا بلغة محددة، وتحتفظ الصفحة بالأجزاء التي تصنّفها ككلمات. لا يضيف أي شيء هنا قاعدة للشرطات أو الفواصل العليا أو الأرقام فوق ذلك، فما تحصل عليه هو حكم أداة التقسيم على مواضع بدء الكلمات، ولهذا تكون الإجابة صحيحة بالصينية واليابانية، ولهذا أيضًا قد يختلف متصفحان على جهازين اختلافًا طفيفًا جدًا على النص نفسه. وفي المتصفح القديم الذي يفتقر إلى أداة التقسيم، تلجأ الصفحة إلى التقسيم عند المسافات وتخبرك بأن الرقم تقريبي، وهو الرقم الذي تعطيك إياه العدّادات الأبسط طوال الوقت دون أن تقول ذلك.

تُعدّ الفقرات والأسطر بقواعدنا الخاصة، وهما قاعدتان مختلفتان. حد الفقرة هو سطر فارغ، أي فاصلا أسطر لا يفصل بينهما إلا مسافات أو علامات جدولة، لذا فالملف النصي من Windows الذي يُفلَت بعلامات الرجوع (carriage return) كما هي يُعدّ فقرة واحدة؛ أما النص الملصوق في المربع فلا يواجه هذه المشكلة أبدًا، لأن مربع النص يسلّم فواصل أسطر (line feed). وتُعدّ الأسطر كما يعدّها الهامش الجانبي في المحرر: المربع الفارغ صفر أسطر، والكلمة الواحدة سطر واحد، والملف الذي ينتهي بسطر جديد له سطر أخير فارغ يُحتسب. وهذا يختلف عن قصد عما يُبلغ عنه الأمر wc في سطر الأوامر، وهو عدد علامات إنهاء الأسطر.

قراران أصغر يحسمان معظم الخلافات حول الأرقام. عدد الأحرف دون مسافات يحذف كل ما يعدّه المتصفح مسافة بيضاء، بما في ذلك المسافة غير القابلة للكسر التي تصل مع النص المنسوخ من صفحة ويب، لكن ليس المسافة صفرية العرض، فهي ليست مسافة بيضاء وتبقى في العدّ. كما يُقاس أطول كلمة ومتوسط طول الكلمة بنقاط الترميز (code points) لا بمجموعات الحروف (grapheme clusters) التي يستخدمها رقم الأحرف الرئيسي، لذا فالكلمة التي تحمل رمزًا تعبيريًا أو علامة تشكيل مركّبة تبدو هنا أطول مما تبدو للعين. ويخفي جدول التكرار نحو ستين كلمة وظيفية إنجليزية شائعة ما لم تطلب إظهارها، ويوحّد حالة الأحرف بالقاعدة الإنجليزية البسيطة أيًا كانت اللغة التي تكتب بها.

عندما تحتاج إلى شيء آخر

حين يكون برنامج بعينه هو من سيحكم، فرقم ذلك البرنامج وحده هو المعتبر. فالمجلة التي تشترط ثمانية آلاف كلمة شاملةً المراجع تقصد الرقم الذي يعطيه Word، وWord يعدّ الحقول والحواشي والتسميات التوضيحية ومربعات النص بحسب إعداداته. ستقترب هذه الصفحة منه في النثر العادي، لكنها لن تطابقه كلمةً بكلمة، لذا اعتمد على الأداة التي تُقيَّم بها لا على هذه.

لأكثر من مستند واحد، العدّ سطر واحد في الطرفية. الأمر wc -w يأخذ مجلدًا كاملًا دفعة واحدة ويعالج ملفات أكبر من ذاكرتك تدفقيًا؛ ولملفات Markdown أو HTML أو LaTeX، تمرير الملف عبر pandoc إلى نص عادي أولًا يزيل الترميز حتى لا تُعدّ كتل الكود وعناوين الروابط والوسوم كنثر، وهذا هو الفرق بين عدد كلمات مستودع وعدد كلمات حقيقي. ولا يستطيع مربع لصق فعل أي من ذلك لأربعمئة ملف.