Làm thế nào để tìm kiếm một từ tiếng Ả Rập trong văn bản mà không có dấu phụ / dấu của nó?

Trong tiếng Ả Rập cũng như với một số ngôn ngữ khác, có những gì được gọi là dấu phụ để tăng cường phát âm. Không có quy ước về số lượng dấu phụ nên được viết cho một từ. Một số sử dụng mức tối thiểu (mà tôi thích) chỉ đủ để phân biệt phát âm, trong khi một số sử dụng chúng một cách thừa thãi hoặc chỉ cho mục đích thư pháp thẩm mỹ. Do đó, có một sự khác biệt lớn về những gì và bao nhiêu dấu phụ được liên kết với một từ. Khi tôi thực hiện isearch-forward/backwardbằng cách nhấn C-s/r, vấn đề phát sinh khi tôi gõ nó vào bộ đệm tìm kiếm nhỏ mà không có dấu phụ, nó sẽ không khớp với cùng một từ trong văn bản nếu nó có dấu phụ, khiến nhiệm vụ tìm từ này với dấu phụ tiềm năng của nó không đạt yêu cầu.

Có cách nào để làm cho tìm kiếm / tìm kiếm regrec không biết về dấu phụ? Tôi hy vọng sẽ có một câu trả lời có thể được mở rộng để bao gồm regexp C-M-s/rvà greptìm kiếm mà tôi sử dụng khá thường xuyên trong helm-projectile để tìm kiếm một từ trong các dự án latex nhiều tệp.

Cập nhật
Thật tuyệt khi thấy Emacs trong tất cả các chức năng tìm kiếm của nó thực hiện bước tước trên văn bản (từ dấu / diacritics / bạn đặt tên cho nó) trước khi khớp với bước như một hành vi mặc định có thể bị tắt bởi tiền tố theo yêu cầu không có vấn đề gì trong ngôn ngữ Thông thường, khi tôi tìm kiếm thứ gì đó tôi không mong đợi từ trình soạn thảo tốt nhất (Emacs) sẽ thất bại trong việc vặt vãnh này chỉ vì một số dấu phụ hoặc dấu mà hiếm khi cần để thực hiện các công việc văn bản trần tục.

Đây là một khởi đầu khó khăn, dựa trên danh sách các ký tự kết hợp trong câu trả lời này (và sau đó được mở rộng). (Đánh dấu đây là wiki cộng đồng - vui lòng chỉnh sửa và cải thiện điều này!)

(defconst arabic-diacritics '(#x064b #x064c #x064d #x064e #x064f #x0650 #x0651 #x0652 #x0653 #x0654 #x0655 #x0670)
  "Unicode codepoints for Arabic combining characters.")
(defconst arabic-diacritics-regexp (regexp-opt (mapcar #'string arabic-diacritics)))

(defconst arabic-equivalents
  '(
    ;; "alef" is equivalent to "alef with hamza above" etc
    (#x0627 #x0623 #x0625 #x0622)))

;; (require 'cl-lib)    
;; (defun arabic-strip-diacritics (string)
;;   (cl-reduce (lambda (s c) (remove c s)) arabic-diacritics :initial-value string))

(defun arabic-search-without-diacritics (string)
  (interactive (list (read-string "Search for: " nil nil nil t)))
  (let ((regexp
         (apply #'concat
                (mapcar (lambda (c)
                          (let ((equivalents (assq c arabic-equivalents)))
                            (concat
                             (if equivalents
                                 (regexp-opt (mapcar #'string equivalents))
                               (regexp-quote (string c)))
                             arabic-diacritics-regexp "*")))
                        string))))
    (search-forward-regexp regexp)))

Vì vậy, nếu một bộ đệm có chứa "Tiếng Việt", và tôi đánh giá (arabic-search-without-diacritics "الحمد لله رب العالمين"), nó sẽ tìm thấy văn bản. Nó cũng hoạt động tương tác, như M-x arabic-search-without-diacritics.

Cách tiếp cận khác:

Dưới đây là một ví dụ mã đầy đủ chứng minh làm thế nào các dấu phụ (thuộc Mntính) không dấu cách khác có thể được loại bỏ khỏi các chuỗi được chuẩn hóa trong các kết hợp regrec. Nó hoạt động với các ví dụ đã cho và IMO là phương pháp phù hợp.

(defun kill-marks (string)
  (concat (loop for c across string
                when (not (eq 'Mn (get-char-code-property c 'general-category)))
                collect c)))

(let* ((original1 "your Arabic string here")
      (normalized1 (ucs-normalize-NFKD-string original1))
      (original2 "your other Arabic string here")
      (normalized2 (ucs-normalize-NFKD-string original2)))
  (equal
   (replace-regexp-in-string "." 'kill-marks normalized1)
   (replace-regexp-in-string "." 'kill-marks normalized2)))