Skip to content

Latest commit

 

History

History
182 lines (111 loc) · 6.02 KB

README.md

File metadata and controls

182 lines (111 loc) · 6.02 KB
Raw

Virastar (ویراستار)

Virastar is a Persian text cleaner.

demo online

download offline

ویراستار به شما کمک می‌کند تا متون فارسی زیبا‌تر و درست‌تری بنویسید.

ویراستار به طور پیش فرض این کار‌ها را انجام می‌دهد:

  • ۱. نویسه‌های عربی را به فارسی تبدیل می‌کند. مثلا کاف و یای عربی.
  • ۲. نویسه‌های انگلیسی رایج در تایپ فارسی را به معادل صحیح فارسی آن تبدیل می‌کند، مثلا تبدیل کامای انگلیسی به ویرگول (،)، یا نقطه ویرگول به جای semicolon (؛) و یا استفاده از «گیومه‌های فارسی»
  • ۳. اعداد عربی و انگلیسی و علائم ریاضی را به معادل فارسی آن‌ها تبدیل می‌کند. مثلا: ۱۲٪ ۴۵۶
  • ۴. سه نقطه را به نویسه صحیح آن که تنها یک نویسه است تبدیل کرده و فاصله گذاری آن را اصلاح می‌کند…
  • ۵. در ترکیباتی مانند «خانهٔ پدری» که با «ه» تمام می‌شوند نشانه «ی» کسرهٔ اضافه را به «هٔ» تبدیل می‌کند.
  • ۶. دو علامت منهای پی در پی را به خط کشیده کوتاه (–) و سه علامت منهای پی در پی را به خط کشیده بلند (—) تبدیل می‌کند.
  • ۷. فاصله گذاری را تصحیح می‌کند. بین هر کلمه تنها یک فاصله و بین پیشوندها و پسوندهای مانند «می‌»، «‌تر» و «‌ترین» یک نیم فاصله قرار می‌دهد. بین ویرگول یا نقطه و کلمه قبل آن فاصله را حذف می‌کند.
  • ۸. فاصله گذاری را برای متون بین «گیومه»، {آکولاد}، [کروشه] و (پرانتز) تنظیم می‌کند.
  • ۹. علامت تعحب و سوال اضافی را حذف می‌کند؟!
  • ۱۰. جدید: پشتیبانی از پیشوندها [ام|ات|اش|ای|اید|ایم|اند|هایی|هایم|هایت|هایش|هایمان|هایتان|هایشان] مثل (نمی‌توانم، پی‌ام‌هایت، خانه‌‌ام، خانه‌هایتان، خانه‌‌اید)
  • ۱۱. جدید: پشتیبانی از پسوندهای [بی] مثل (بی‌تفاوتی، بی‌شرافت)

Usage

var Virastar = require('virastar');
var virastar = new Virastar();

virastar.cleanup("فارسي را كمی درست تر می نويسيم");
// Outputs: "فارسی را کمی درست‌تر می‌نویسیم"

Browser

<script src="lib/virastar.js"></script>
<script>
  var virastar = new Virastar();
  alert(virastar.cleanup("فارسي را كمی درست تر می نويسيم"));
</script>

Virastar([text] [,options])

text

Type: string

String of Persian source to be cleaned.

options

Type: object

Virastar("سلام 123" ,{"fix_english_numbers":false});
// Outputs:"سلام 123"

Options and Specifications

Virastar comes with a list of options to control its behavior.

all options are enabled by default.

  • normalize_eol

    • replace Windows end of lines with Unix EOL (\n)

  • fix_dashes

    • replace double dash to ndash and triple dash to mdash

  • fix_three_dots

    • replace three dots with ellipsis

  • fix_english_quotes_pairs

    • replace English quotes pairs (“”) with their Persian equivalent («»)

  • fix_english_quotes

    • replace English quotes, commas and semicolons with their Persian equivalent

  • fix_hamzeh

    • convert ه ی to هٔ

  • cleanup_rlm

    • converting Right-to-left marks followed by Persian characters to zero-width non-joiners (ZWNJ)

  • cleanup_zwnj

    • remove more than one zwnj chars
    • remove unnecessary zwnj chars that are succeeded/preceded by a space
    • clean zwnj chars after Persian characters that don't conncet to the next letter
    • clean zwnj chars before English characters
    • clean zwnj chars after and before punctuation

  • fix_arabic_numbers

    • replace Arabic numbers with their Persian equivalent

  • fix_english_numbers

    • replace English numbers with their Persian equivalent
    • should not replace English numbers in English phrases

  • skip_markdown_ordered_lists_numbers_conversion

    • skip converting English numbers of ordered lists in markdown

  • fix_misc_non_persian_chars

    • replace Arabic kaf and Yeh with its Persian equivalent

  • fix_question_mark

    • replace question marks with its Persian equivalent

  • fix_perfix_spacing

    • put zwnj between word and prefix (mi* nemi*)

  • fix_suffix_spacing

    • put zwnj between word and suffix (*tar *tarin *ha *haye)

  • fix_spacing_for_braces_and_quotes

    • fix spacing for () [] {} “” «» (one space outside, no space inside)
    • correct :;,.?! spacing (one space after and no space before)

  • cleanup_spacing

    • replace more than one space with just a single one

  • cleanup_begin_and_end

    • remove spaces, tabs, and new lines from the beginning and end of text

aggressive editing

  • aggresive

    • enable/disable aggressive editing

  • cleanup_extra_marks

    • replace more than one ! or ? mark with just one

  • kashidas_as_parenthetic

    • replace kashidas to ndash in parenthetic

  • cleanup_kashidas

    • remove all kashidas

extras

  • preserve_HTML

    • preserve all HTML tags

  • preserve_URIs

    • preserve all URI links in the text

  • preserve_brackets

    • preserve strings inside square brackets ([])

  • preserve_braces

    • preserve strings inside curly braces ({})

License

This software is licensed under the MIT License. View the license.

A javascript port of aziz/virastar