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