انتقل إلى المحتوى

نص عربي مشوّه الترميز

ar-mojibakeخطير
في هذه الصفحة

لماذا يهم

  • الزائر يرى رموزاً لا معنى لها بدل النص العربي، فلا يستطيع قراءة المحتوى، ويفقد الثقة في الموقع.
  • محركات البحث تفهرس هذه الرموز كما هي، فلا تظهر الصفحة لمن يبحث بالكلمات العربية التي كتبتها.
  • السبب غالباً أن الخادم يعلن ترميزاً غير ترميز الملف، كأن يعلن charset=windows-1252 أو iso-8859-1 لصفحة مكتوبة بـ UTF-8، أو أن النص خُزّن في قاعدة بيانات بترميز خاطئ ثم عُرض كما هو.

مثال

خطأ
<p>آراء العملاء في عطر الورد الطائفي خلال الشهر الماضي.</p>
<blockquote>منتج رائع وصلني بسرعة</blockquote>
صحيح
<p>آراء العملاء في عطر الورد الطائفي خلال الشهر الماضي.</p>
<blockquote>منتج رائع وصلني بسرعة</blockquote>

كيف تُصلح

  • احفظ ملفات الموقع بترميز UTF-8، وأعلنه في الخادم وفي الصفحة:
html
<meta charset="utf-8" />
Content-Type: text/html; charset=utf-8
  • إذا كان النص الخاطئ يأتي من قاعدة البيانات، فاجعل ترميز الاتصال والجداول utf8mb4، ثم أصلح النصوص المخزّنة بالترميز الخاطئ؛ الأفضل أن يتولى ذلك مطوّر، مع نسخة احتياطية قبل أي تعديل.
  • في WordPress تحقق من قيمة DB_CHARSET في wp-config.php، ومن ترميز الجداول.

كيف نكشف

  1. نقرأ HTML الصفحة كما يرسله الخادم، ونفك ترميزه كما يفعل المتصفح، ثم نقرأ النص المرئي.
  2. نبحث عن كلمات من حروف لاتينية مثل Ø وÙ وÇ وá، ونعيد كل كلمة إلى بايتاتها بترميز Windows-1252، ثم نقرؤها بترميز UTF-8 أو Windows-1256.
  3. نعدّ الكلمة مشوّهة فقط إذا أعطت إعادة القراءة حرفين عربيين أو أكثر ولم يبقَ فيها حرف لاتيني، فكلمات مثل «Café» و«Crème» و«señor» لا تُعدّ. وإذا كانت الكلمة المشوّهة وحدها في موضعها فلا بد أن تعطي أربعة حروف عربية على الأقل. والكلمات المقروءة بترميز Windows-1256 لا تُعدّ إلا إذا كان في سلسلتها ألف أو لام كما في النص العربي، فسطر مثل «ÆØÅ æøå» لا يُعدّ.
  4. نبلّغ عن أول سلسلة من الكلمات المشوّهة في كل نص، حتى ثماني كلمات، مع أصلها بعد إعادة القراءة.