confusable-vision

أول مجموعة بيانات للمتشابهات الخط بخط في العالم. أي محرف يونيكود يشبه أي محرف، مقيسًا من مخططات الخطوط الخارجية بدلًا من البكسلات. الإصدار الحالي، 2026.09.26، يقارن كل حرف ورقم يرسمه كل خط من 322 خطًا، بالحجم وموضع خط الأساس الذي يكون لكل محرف في النص المتصل. ثم تُفحص نظائر حروف و أرقام ASCII في موضعها: تُوضع بين حروف أخرى في خطوط شائعة بالحجم الذي يقرأه الناس، وتُقارن بأزواج يقبلها الجميع كمتشابهة، مثل 0 و O.

addons.mozilla.org يستخدم محارف من confusable-vision لفحص أسماء الإضافات بحثًا عن نظائر، موثّق في مصدر Mozilla؛ انظر المستخدمون.

المستخدمون

• Mozilla addons-server، الكود الذي يشغّل addons.mozilla.org، يضيف محارف من مخرجات confusable-vision إلى الجدول الذي يستخدمه لطيّ النظائر إلى ASCII عند فحص أسماء الإضافات: src/olympia/amo/confusables.py، طلبات السحب #24468، #24541، #24612 و #24665 (فبراير إلى مارس 2026).
• disarm (raeq/disarm)، الذي يوحّد اليونيكود العدائي قبل وصوله إلى المصنّفات والفهارس والمعرّفات، يضيف أزواجًا مقيسة من confusable-vision إلى جداول المتشابهات لديه: data/confusables_supplement.tsv، data/confusables_vision.tsv.
• SilverSpeak (ACMCMC/silverspeak)، مكتبة Python لتنفيذ هجمات المتجانسات على النصوص وتحويلها إلى محايدة، يبني الجيران البصريين في رسم المتجانسات البياني من ملفات الاكتشاف الخاصة بـ confusable-vision (docs/hkb.md).
• namespace-guard يوزّع الأزواج المقيسة، ومن خلاله تصل إلى agent-sanitizer، الذي يستخدم namespace-guard كمحرّك افتراضي لطيّ المحارف المتشابهة في مدخلات استدعاء أدوات وكيل الذكاء الاصطناعي إلى ASCII (deps.dev).

أخذت هذه المشاريع بياناتها من مخرجات confusable-vision لفبراير ومارس 2026.

نوقش على Hacker News: قدّمت 1,418 متشابهًا عبر 230 خطًا و Confusables.txt و NFKC يختلفان على 31 محرفًا.

الإصدار 2026.09.26 بالأرقام:

• 322 خطًا: كل خط على macOS، بما في ذلك ما يُنزّله عند الطلب مثل PingFang، بالإضافة إلى Roboto و Noto Sans و Noto Serif و Noto Sans CJK و DejaVu. 64,751 نقطة كود في 140 نظام كتابة.
• 11,517 زوجًا متشابهة في خط واحد على الأقل أو تركيبة خطوط، منها 5,975 تجتاز العتبات المقترحة.
• 719 زوجًا من محرف وتسلسل ASCII من حرفين، مثل ǁ و ll، أو Ы و bl.
• 3,055 نظيرًا مرشحًا لحروف وأرقام وتسلسلات ASCII فُحصت في موضعها: 646 متشابهة في المستوى الصارم، و358 أخرى في المستوى الواسع، و101 أخرى تطابق تصميم خط شائع آخر للحرف. 224 من الصارمة ليست في confusables.txt الخاص بيونيكود.

تُنشر البيانات كإصدار مُرقّم في data/release/2026.09.26/ (CC-BY-4.0). namespace-guard و d0ma1n مبنيان عليه.

ما تغيّر من الإصدار 2

الإصدار 2 (2026.09.24، و2026.09.25 لبيانات TLD) قارن فقط الأزواج والخطوط التي قارنتها التشغيلات السابقة. وجد تدقيق للمحارف المتطابقة أنه التقط 637 من 2,654 حالة يرسم فيها خط محرفين بالمخطط نفسه. الإصدار 3 يصلح ذلك ويضيف ثلاثة أشياء:

• التغطية. يُقارن كل حرف ورقم يرسمه كل خط بكل آخر في ذلك الخط، بما في ذلك Han و Hangul. أخذ الإصدار 2 محارفه من قائمة ثابتة، فلم يصل إلى معظم Yi أو Canadian Aboriginal أو Ethiopic أو النصوص الهندية، وفاته الخطوط الخاصة بنص واحد و PingFang.
• الوجوه الصحيحة. تُحمّل مجموعات الخطوط بالوجه الذي يستخدمه المتصفح لنص المتن. أخذت التشغيلات السابقة الوجه الأول، الذي كان لبعض المجموعات عريضًا أو أسود أو مائلًا.
• المحيطات المتداخلة، كما في الخطوط المتغيرة مثل San Francisco، تُقاس كاتحاد خطوطها، كما يراها القارئ.
• تسلسلات من حرفين. كل تسلسل من حرفين ASCII أو رقمين (3,844) يُضبط كما يضبطه كل خط، مع تقنينه وربطاته، ويُقارن كمحرف.
• عتبة العبور بين الخطوط يحددها الربيع الأعلى لخطوط الصفحة، فإضافة خطوط إلى المسح لا يمكن أن تحرّكها.
• الفحص في الموضع (أدناه).

أرقام مارس 2026 (249,976 زوجًا من محرف واحد و2,524,275 زوجًا من ثنائيات عبر 245 خطًا) جاءت من قياسات تجاهلت الحجم وخط الأساس. وهي مُستبدلة؛ تبقى ملفات تلك التشغيلات في data/output/ للمرجعية.

كيف يعمل

قياس المحارف

RaySpace يقذف أشعة متوازية عبر مخطط كل محرف عند 36 زاوية، 50 شعاعًا لكل زاوية، ويسجّل خمسة أشياء لكل شعاع: كم مرة يعبر المخطط، وأين، وبأي زاوية، وكم يقطع عبر الحبر في كل مرة (نبضته، عرض الخطوة على طول الشعاع)، وأوسع فجوة بين الخطوات. يُقاس كل محرف مرتين: في صندوقه الخاص، للشكل، وفي إطار ثابت على خط الأساس، فيُحتسب الحجم والموضع. يكون محرفان متشابهين في خط عندما تكون مسافة الشكل أقل من 0.5 والمسافة المرتكزة على خط الأساس أقل من 0.2. تُشغّل المقارنة في Rust (native/cv-pairs)، على كل نواة.

• داخل خط واحد: كل زوج من الحروف والأرقام يرسمه الخط.
• عبر الخطوط: محرف في خطه الخاص، كما يرسمه احتياطي المتصفح، مقابل 62 حرفًا ورقمًا من ASCII لكل من 26 خط صفحة تفتقر إليه. يُحتسب عندما يكون حرف ASCII هو الأقرب، ويكون المحرف قريبًا منه بقدر ما يكون ذلك الحرف قريبًا من نفسه في الربيع الأعلى لخطوط الصفحة الأخرى.
• التسلسلات: كل محرف مقابل 3,844 تسلسل ASCII من حرفين، كما يضبطها كل خط (Core Text؛ HarfBuzz يضبطها بشكل مطابق عدا تقنين خط النظام).

الفحص في الموضع

قد يبرز نظير مقيس بمعزل عن السياق في سطر نص. لذا يُوضع كل نظير مرشح لحرف أو رقم أو تسلسل ASCII بين جيرانه (pa_nel، 20_5) في خمسة سياقات، خط النظام عند 13 بكسل و Helvetica و Arial و Times New Roman و Georgia عند 16 بكسل، كل منها بنسبة بكسل جهاز 1 و2، مع احتياطي الخطوط للمنصة. لا يُعاد تحجيم أي شيء: يُقارن النظير حيث يستقر في السطر.

تأتي العتبة في كل سياق من أزواج يقبلها الجميع كمتشابهة، 0 و O، 1 و l، و I و l، محسوبة فقط حيث يرسمها ذلك السياق بالحجم والموضع نفسهما. يكون النظير:

• صارمًا عندما يكون متشابهًا بقدر وسيط تلك الأزواج ويجتاز كل فحص أدناه؛
• واسعًا عندما يكون متشابهًا بقدر الأقل تشابهًا منها، مع السماح باختلاف زاوية واحدة وبدون فحص ميل؛
• تصميميًا عندما يطابق الحرف كما يرسمه خط شائع آخر (J بشريط في الأعلى، في سطر لا شريط لحرفه J).

الفحوص، على كلا المحرفين المرسومين بنقطية عند أربعة أضعاف دقة الجهاز: العدد نفسه من القطع والثقوب بعد إغلاق الفجوات الأضيق من بكسل جهاز؛ العدادات مربعة أو مستديرة بشكل متشابه، في الموضع نفسه وبحجم متقارب؛ التباعد عن الجيران؛ أعلى الحبر وأسفله وعرضه؛ المحارف من اليمين إلى اليسار التي تعيد ترتيب الأرقام حولها؛ وزن الخطوة؛ شكل كل جانب (الانعكاس)؛ مدى وصول الحبر إلى كل زاوية؛ الميل؛ ساق في الوسط (Y مقابل V)؛ وشريط عبر ساق (Ŧ مقابل T). يُفحص تسلسل من حرفين حرفًا حرفًا.

ضُبطت المستويات مقابل أحكام بصرية على عينات مرسومة ورُسّخت على الأزواج المقبولة. لم تُجرَ دراسة مع قرّاء بعد.

ما وجده

ستة من النظائر الصارمة غير الموجودة في confusables.txt الخاص بيونيكود، كل منها متشابه في السياقات الخمسة جميعها. يرسم macOS كل واحد منها بخط احتياطي من Noto: