ABC-Zwsp ទៅ Unicode — កម្មវិធីបម្លែងពុម្ពខ្មែរចាស់

អំពីកម្មវិធីនេះ

អស់រយៈពេលជាច្រើនឆ្នាំ ការិយាល័យកម្ពុជាវាយឯកសាររបស់ខ្លួនដោយពុម្ពអក្សរខ្មែរជំនាន់ចាស់ — Limon សម្រាប់របាយការណ៍អង្គការ និងសំណាល់សាលា ABC និង Khek សម្រាប់សារាចរក្រសួង និងការងារបោះពុម្ព។ ឯកសារដែលរក្សាទុកជាពុម្ពទាំងនោះ មិនមានអក្សរខ្មែរទាល់តែសោះ៖ វារក្សាទុកកូដអក្សរឡាតាំង ដែលបង្ហាញជាអក្សរខ្មែរបានក៏តែពេលពុម្ពត្រឹមត្រូវត្រូវបានដំឡើងប៉ុណ្ណោះ។ ចម្លងប្រយោគមួយចេញពីឯកសារបែបនោះថ្ងៃនេះ អ្នកនឹងបានឃ្លាដូចជា `sYsþI` ជំនួសឱ្យ «សួស្តី» — ស្វែងរកមិនបាន បកប្រែមិនបាន និងអានមិនចេញលើឧបករណ៍ដែលគ្មានពុម្ពនោះ។ ទំព័រនេះបម្លែងអត្ថបទជំនាន់ចាស់បែបនោះទៅជា Unicode ខ្មែរ — កូដដែលទូរស័ព្ទ កម្មវិធីរុករក និងគេហទំព័រសម័យថ្មីអានបាន — Limon ទៅ Unicode, ABC-Zwsp ទៅ Unicode និង Khek ទៅ Unicode ពីផ្ទាំងតែមួយ។ ជ្រើសកូដដោយខ្លួនឯង ឬទុកឧបករណ៍ជ្រើសលើ «ស្គាល់ដោយស្វ័យប្រវត្តិ»៖ ផ្លូវ Limon ទៅ Unicode ផ្លូវ ABC-Zwsp និងផ្លូវ Khek នីមួយៗអនុវត្តតារាងបៃរបស់ខ្លួន ហើយកម្មវិធីស្គាល់ជ្រើសតារាងដែលបកចេញជាខ្មែរពិតបំផុត។ អ្វីៗទាំងអស់ដំណើរការក្នុងកម្មវិធីរុករករបស់អ្នក — បិទភ្ជាប់អត្ថបទចាស់ ចុច «បម្លែង» រួចចម្លង ឬទាញយកលទ្ធផល។ អ្វីដែលវាមិនធ្វើ៖ វាមិនបកប្រែខ្លឹមសារ មិនបង្ហាញអត្ថបទក្នុងពុម្ពចាស់ និងមិនបម្លែង Unicode ត្រឡប់ទៅកូដចាស់វិញ — កម្មវិធីបម្លែង Unicode ទៅកូដចាស់ជាគូគ្រប់ទិសនោះ។ តួអក្សរដែលគ្មានក្នុងតារាងដែលបានជ្រើស ឆ្លងកាត់ដោយមិនផ្លាស់ប្ដូរ និងត្រូវបានរាប់ឱ្យអ្នក ដោយមិនទាយជំនួស។

របៀបដំណើរការ

ការចុច «បម្លែង» រត់មុខងារសុទ្ធមួយនៅក្នុងកម្មវិធីរុករករបស់អ្នក — convertLegacyToUnicode ក្នុង lib/khmer-legacy-converter/converter.ts — ជាមួយកូដដែលអ្នកបានជ្រើស។ ក្នុងរបៀបស្គាល់ដោយស្វ័យប្រវត្តិ ទំព័របកអត្ថបទរបស់អ្នកក្រោមតារាងទាំងបីជាមុន រួចវាយពិន្ទុថាលទ្ធផលមួយណាហាក់ជាខ្មែរពិតបំផុត៖ តារាងខុសបង្កើតជុំព្យាង្គដែលមិនអាចមាន ដូចជាស្ញ្ញាជើងបិទនឹងអក្សរដែលគ្មានរូបជើង ឬស្រៈអណ្ដែតដោយគ្មានព្យញ្ជន៍មូល ដូច្នេះតារាងដែលពិន្ទុខ្ពស់បំផុតជាធម្មតាជាតារាងត្រឹមត្រូវ។ ជំហានបម្លែងបន្ទាប់មក ដើរពេញអត្ថបទរបស់អ្នក ដោយផ្គូផ្គងជំពូកបៃវែងបំផុតដែលស្គាល់សិន — ពុម្ពចាស់ដាក់ស្ញ្ញាខ្មែរមួយចំនួនក្នុងការផ្គុំបៃពីរ ឬបី ដែលតារាងបៃតែមួយធ្វើឱ្យវង្វេង — បន្ទាប់មកទើបប្រើតារាងបៃតែមួយ។ បៃទាំងនោះបកចេញតាមលំដាប់បង្ហាញ ខណៈ Unicode ទាមទារលំដាប់ឡូជីខល ដូច្នេះជំហានរៀបលំដាប់ឡើងវិញ (reorder.ts: unicodeReorder) រៀបជុំស្ករមួយៗទៅតាមលំដាប់ដែល Unicode កំណត់ — អក្សរជើង ស្រៈ និងស្ញ្ញាផ្សេងៗចុះកន្លែងត្រឹមត្រូវសម្រាប់ការស្វែងរក។ តួអក្សរដែលតារាងមិនកំណត់ ឆ្លងកាត់ដោយមិនផ្លាស់ប្ដូរ និងបង្ហាញក្នុងប្លាករាប់តួអក្សរគ្មានក្នុងតារាងក្រោមលទ្ធផល។ អត្ថបទលើស ១០ KB បម្លែងក្នុង Web Worker ដើម្បីទំព័រនៅរលូន អត្ថបទតូចរត់លើខ្សែស្រឡាយមេ។ អត្ថបទរបស់អ្នកមិនចេញពីកម្មវិធីរុករកទេ — ទិន្នន័យបង្ហាញការប្រើប្រាស់ដែលផ្ញើទៅមានតែចំនួនរាប់ដូចជាប្រវែងអត្ថបទ និងចំនួនតួអក្សរគ្មានក្នុងតារាង មិនមែនខ្លឹមសារអត្ថបទទេ។

ករណីប្រើប្រាស់

• បើកឯកសារ .doc ឬ .pdf ចាស់ ហើយឃើញអក្សរវង្វេងដូចជា sYsþI bgb¥Ún — បិទភ្ជាប់អត្ថបទចាស់ ហើយទទួលបាន «សួស្តី បងប្អូន» ស្អាតត្រឡប់មកវិញ។
• បណ្ណារករម្នាក់ធ្វឌីជីថ្លក់បោះពុម្ពកម្ពុជាមុនឆ្នាំ ២០១០ ដែលឯកសារដើមជា Limon ហើយឃ្លាំងទិន្នន័យទាមទារអត្ថបទ Unicode។
• មន្ត្រីរាជការម្នាក់ផ្ទេរគំរូបែបបែនដែលកូដជា Khek ទៅប្រព័ន្ធឯកសារ Unicode សម័យថ្មី។
• អ្នកអភិវឌ្ឍដែលនាំចូល CSV ចាស់មួយដែលជួរឈ្មោះខ្មែររក្សាទុកជាបៃ Limon ត្រូវការ Unicode សម្រាប់សន្ទស្សន៍ស្វែងរកសម័យថ្មី។
• ក្រុមគេហទំព័រមួយផ្ទេរប្លក់សម័យ Limon ទៅ CMS បច្ចុប្បន្ន ដែលទាមទារ Unicode សម្រាប់ការស្ទាក់ចូលសន្ទស្សន៍ និងការបង្ហាញត្រឹមត្រូវ។
• អ្នកបកប្រែទទួលឯកសារប្រភពខ្មែរកូដ ABC-Zwsp ត្រូវការ Unicode ស្អាតសម្រាប់បិទភ្ជាប់ចូលឧបករណ៍បកប្រែ CAT។
• អ្នកស្រាវជ្រាវដំណើរការបណ្ដុំអត្ថបទសារព័ត៌មានខ្មែរទសវត្ស ១៩៩០–២០០០ ដែលអត្ថបទធ្វើតាមកូដ Limon ដើម។

គំរូបម្លែងដែលបានផ្ទៀងផ្ទាត់

សំណួរដែលគេសួរញឹកញាប់

• តើកូដ ABC-Zwsp ជាអ្វី?

  ABC-Zwsp គឺជាបំរែបំរួលមួយនៃគ្រួសារពុម្ពខ្មែរចាស់ ABC ដែលសម្គាល់ព្រំពាក្យដោយបៃផ្ដាច់ផ្ទាល់ខ្លួន ជំនួសឱ្យដកឃ្លាធម្មតា — អ្នកនឹងឃើញចំណុច ឬស្ញ្ញាវាណាពុម្ភចំឡែករវាងពាក្យក្នុងអត្ថបទ ABC-Zwsp ដ៏លាត។ វាចែករំលែកតារាងស្ញ្ញាជាច្រើនជាមួយគ្រួសារ ABC ដទៃ ដូច្នេះឯកសាររបស់វាជាប់ច្រើនក្នុងឃ្លាំងឯកសារដែលស្តង់ដារលើពុម្ព ABC។

• ហេតុអ្វីអត្ថបទ ABC ខ្ញុំបង្ហាញចំណុច ឬតួអក្សរចំឡែករវាងពាក្យ?

  ពួកនោះគឺជាស្ញ្ញាព្រំពាក្យ Zwsp ដែលកូដបញ្ចូលកន្លែងដែលដកឃ្លាគួរមាន — ទម្រង់ ABC-Zwsp រក្សាបៃច្បាស់សម្រាប់ព្រំពាក្យនីមួយៗ។ កម្មវិធីបម្លែងបកស្ញ្ញានីមួយៗជាដកឃ្លាពិត ដូច្នេះលទ្ធផល Unicode អានដោយដកឃ្លាធម្មតា ជំនួសឱ្យស្ញ្ញាផ្ដាច់ដែលពុម្ពប្រើខាងក្នុង។

• តើខ្ញុំបំបែក ABC-Zwsp ពីអត្ថបទ Limon ឬ Khek ដោយរបៀបណា?

  កូដទាំងបីជាន់គ្នាលើការកំណត់បៃជាច្រើន ដែលជាមូលហេតុទំព័រនេះផ្ដល់ការស្គាល់ស្វ័យប្រវត្តិ៖ វាបកអត្ថបទរបស់អ្នកក្រោមតារាងនីមួយៗ រួចវាយពិន្ទុថាលទ្ធផលមួយណាហាក់ជាជុំស្ករខ្មែរត្រឹមត្រូវ។ ABC-Zwsp លេចធ្លោដោយបៃផ្ដាច់ពាក្យរបស់វា — ចំណុចក្រាស់ ឬតួអក្សរសម្គាល់រវាងពាក្យនីមួយៗ — ហើយការស្គាល់ស្វ័យប្រវត្តិជាធម្មតាដោះស្រាយវាបានត្រឹមត្រូវលើកថាខណ្ឌមួយឡើង។

• តើស្ញ្ញាផ្ដាច់ពាក្យរួចផុតការបម្លែងឬទេ?

  ពួកវាមិនបាត់បង់ទេ — ពួកវាក្លាយជាដកឃ្លាធម្មតា ដែលជាអ្វីដែលពួកវាតំណាង។ ស្ញ្ញា ABC-Zwsp មានដើម្បីឱ្យពុម្ពចាស់បំបែកពាក្យដោយមើលឃើញ ដោយគ្មានតួអក្សរដកឃ្លាពិត។ Unicode ខ្មែរមានលក្ខណៈព្រំពាក្យផ្ទាល់ខ្លួន ដូច្នេះកម្មវិធីបម្លែងបង្កើតតួអក្សរព្រំត្រឹមត្រូវ ហើយទម្លាក់បៃស្ញ្ញាចាស់ចោល។

ទិន្នន័យ និងភាពជាក់លាក់

មាតិកាត្រូវបានពិនិត្យឡើងវិញចុងក្រោយ ថ្ងៃទី 8 វិច្ឆិកា 2026