تبدیل متن بین حروف بزرگ، حالت عنوان، camelCase و snake_case

این ابزار چه می‌کند

یک متن را با حالت حروف متفاوتی بازنویسی می‌کند. هفت حالت: حروف بزرگ، حروف کوچک، حالت عنوان، حالت جمله، camelCase، snake_case و kebab-case. هر خط عنوان، جمله یا شناسهٔ مستقل خودش تلقی می‌شود، بنابراین فهرستی از سرستون‌ها در یک نوبت تبدیل می‌شود و هر عنوان قواعد خودش را نگه می‌دارد.

بخشی که ارزش توضیح دارد حالت عنوان است، چون تقریباً هر مبدل دیگری آن را اشتباه انجام می‌دهد. گذاشتن حرف بزرگ روی هر واژه «The Lord Of The Rings» می‌دهد و هیچ سبک‌نامهٔ منتشرشده‌ای با آن موافق نیست. سبک تیتر حروف تعریف، حروف ربط هم‌پایه و حروف اضافه را کوچک می‌کند، مگر وقتی یکی از آن‌ها عنوان را آغاز یا تمام کند. همین یک قاعده، تفاوت میان عنوانی است که حروف‌چینی‌شده به نظر می‌رسد و عنوانی که خودکار به نظر می‌رسد.

روش

حالت عنوان یک فهرست به‌علاوهٔ چهار قاعدهٔ موقعیتی است. فهرست واژه‌هایی را دارد که کوچک می‌مانند؛ هر چه در آن نباشد بزرگ می‌شود، از جمله فعل‌های «is»، «be» و «are» که مردم بیش از همه انتظار کوچک شدنشان را دارند. این‌ها واژه‌هایی هستند که شیکاگو کوچک می‌کند:

articles       a  an  the

conjunctions   and  but  for  nor  or

named by rule  as  to

prepositions   about  above  across  after  against  along  amid  among
               around  at  atop  before  behind  below  beneath  beside
               besides  between  beyond  by  concerning  despite  down
               during  except  from  in  inside  into  like  near  of  off
               on  onto  opposite  out  outside  over  past  per  regarding
               round  since  than  through  throughout  till  toward
               towards  under  underneath  unlike  until  unto  up  upon
               versus  via  with  within  without

AP همان واژه‌ها را به کار می‌برد، اما فقط سه‌حرفی‌ها و کوتاه‌ترها را، چون AP هر واژهٔ چهار حرفی یا بلندتر را بزرگ می‌کند. کل تفاوت این دو تنظیم همین است: شیکاگو می‌نویسد «A Walk through the Woods»، AP می‌نویسد «A Walk Through the Woods».

چهار قاعدهٔ موقعیتی این‌هاست: واژهٔ اول خط بزرگ می‌شود، واژهٔ آخر بزرگ می‌شود، اولین واژه پس از دونقطه بزرگ می‌شود، و واژه‌ای که بلافاصله پس از خط تیره می‌آید از دو قاعدهٔ اول معاف است. همین آخری است که ترکیب‌های خط‌تیره‌دار را درست رفتار می‌دهد: «run-in with the law» به «Run-in with the Law» تبدیل می‌شود نه «Run-In with the Law»، در حالی که «state-of-the-art» به «State-of-the-Art» تبدیل می‌شود، چون «art» اسم است و اصلاً در فهرست نیست.

حالت جمله یک دام دارد که دانستنش ارزشمند است. مرزهای جمله از پیاده‌سازی خود مرورگر از قواعد قطعه‌بندی یونیکد می‌آیند که علامت‌های نقل‌قول، پرانتزها، اعداد اعشاری و اختصارات را درست مدیریت می‌کند. اما قاعدهٔ SB۸ آن استاندارد وقتی حرف بعدی کوچک باشد شکست جمله را سرکوب می‌کند، با این استدلال معقول که در نثر عادی، نقطه‌ای که پس از آن حرف کوچک می‌آید یک اختصار است. ورودی یک مبدل حالت حروف دقیقاً متنی است که نمی‌توان فرض کرد حروفش درست است: قطعه‌بندی مستقیم «hello world. this is a test.» یک جمله برمی‌گرداند، بنابراین فقط اولین حرف بزرگ ظاهر می‌شود. از این رو قطعه‌بند روی نسخه‌ای از خط با همهٔ حروف بزرگ‌شده اجرا می‌شود، که آفست‌ها را سر جایشان می‌گذارد و چیزی برای سرکوب به استاندارد نمی‌دهد. علاوه بر آن، جمله‌ای که به یک حرف تنها یا به یکی از بیست اختصار فهرست‌شده ختم شود به جملهٔ بعدی می‌چسبد، بنابراین «e.g. this» به «E.g. This» تبدیل نمی‌شود. فایل آزمون این تعداد را تأیید می‌کند تا نتواند جابه‌جا شود.

camelCase، snake_case و kebab-case روی شناسه‌ها کار می‌کنند، نه واژه‌ها. آپاستروف‌های هر واژه حذف می‌شود، سپس واژه هر جا که بزرگی حروف تغییر کند شکسته می‌شود: یک حرف کوچک یا رقم که پس از آن حرف بزرگ می‌آید، و رشته‌ای از حروف بزرگ که پس از آن حرف کوچک می‌آید. سومی همان است که شکننده‌های ساده‌انگار از دست می‌دهند، و به همین دلیل «parseHTMLDoc» به‌صورت parse، HTML، Doc درمی‌آید، نه پنج جزء و نه یک جزء. هر چه حرف یا رقم نیست از پیش رفته است، بنابراین «Order # (net)» می‌شود order_net.

هیچ چیز در این‌جا به زبان محلی حساس نیست. حروف بزرگ و کوچک از نگاشت‌های پیش‌فرض یونیکد استفاده می‌کنند و قطعه‌بندها با یک زبان محلی ثابت ساخته می‌شوند، چون متن یکسان باید روی هر دستگاهی یکسان تبدیل شود و پیوند اشتراک‌گذاری‌شده نباید برای کسی که بازش می‌کند متفاوت تبدیل شود.

پیش از ادامهٔ مطلب

در حالت عنوان شیکاگو، run-in with the law به Run-in with the Law تبدیل می‌شود. state-of-the-art design چه می‌شود؟

• AState-Of-The-Art Design — خط تیره واژهٔ تازه‌ای را آغاز می‌کند.

  نه. واژه‌ای که بلافاصله پس از خط تیره می‌آید از قواعد بزرگ کردن اول‌وآخر معاف است.

• BState-of-the-Art Design — «art» اسم است و در فهرست واژه‌های کوچک نیست.

  بله — و A بزرگ استثنایی بر قاعدهٔ بالا نیست.

• Cstate-of-the-art Design — ترکیب یک واحد کوچک است.

  واژهٔ اول خط همیشه بزرگ می‌شود، با خط تیره یا بی‌ آن.

State-of-the-Art Design. این دو مثال به نظر متناقض می‌آیند و نیستند. واژه‌ای که بلافاصله پس از خط تیره می‌آید از قواعد واژهٔ اول و آخر معاف است، و به همین دلیل in در Run-in کوچک می‌ماند — اما art یک اسم ساده است که هرگز در فهرست واژه‌های کوچک نبوده، بنابراین هیچ چیز قرار نبود آن را پایین نگه دارد. یک قاعده تعیین می‌کند که واژه به‌اجبار بزرگ شود یا نه؛ فهرستی جداگانه تعیین می‌کند که کوچک نگه داشته شود یا نه.

1. first word of a line -> capital

   هر چه باشد. The Lord of the Rings با T بزرگ شروع می‌شود، هرچند the در فهرست واژه‌های کوچک است.

2. last word of a line -> capital

   همان استدلال در انتهای دیگر، تا عنوان هرگز با یک حرف اضافهٔ کوچک تمام نشود.

3. first word after a colon -> capital

   زیرعنوان از آن‌جا شروع می‌شود. این همان The در The Return of the King است.

4. word directly after a hyphen -> exempt from both

   بنابراین Run-in حرف i کوچک خود را نگه می‌دارد. بدون این، هر ترکیب خط‌تیره‌دار در ابتدا یا انتهای خط دو بار بزرگ می‌شد.

یک نمونهٔ کارشده

کادر ابزار با نمونه‌ای فارسی باز می‌شود که همین قواعد را روی واژه‌های لاتینِ درونش نشان می‌دهد. نمونهٔ کارشدهٔ زیر سه خط انگلیسی است که برای آزمودن هر چهار قاعده انتخاب شده‌اند:

the lord of the rings: the return of the king
HTML parsing for the rest of us
state-of-the-art design

به هفت شکل تبدیل‌شده، با قواعد شیکاگو و گزینهٔ سرواژه‌ها روشن:

Title Case      The Lord of the Rings: The Return of the King
                HTML Parsing for the Rest of Us
                State-of-the-Art Design

Sentence case   The lord of the rings: the return of the king
                HTML parsing for the rest of us
                State-of-the-art design

UPPER CASE      THE LORD OF THE RINGS: THE RETURN OF THE KING
                HTML PARSING FOR THE REST OF US
                STATE-OF-THE-ART DESIGN

lower case      the lord of the rings: the return of the king
                html parsing for the rest of us
                state-of-the-art design

camelCase       theLordOfTheRingsTheReturnOfTheKing
                htmlParsingForTheRestOfUs
                stateOfTheArtDesign

snake_case      the_lord_of_the_rings_the_return_of_the_king
                html_parsing_for_the_rest_of_us
                state_of_the_art_design

kebab-case      the-lord-of-the-rings-the-return-of-the-king
                html-parsing-for-the-rest-of-us
                state-of-the-art-design

در بلوک حالت عنوان چهار اتفاق افتاد. «of» و «the» کوچک شدند چون در فهرست‌اند. «The» پس از دونقطه بزرگ شد چون زیرعنوان از آن‌جا شروع می‌شود. «HTML» باقی ماند چون آن خط سراسر حروف بزرگ نیست، پس گزینهٔ سرواژه‌ها اعمال شد. و «State-of-the-Art» یک A بزرگ گرفت چون «art» در فهرست نیست، در حالی که «of» و «the» کنارش هستند.

ارقام گزارش‌شده در کنار نتیجه ۳ خط، ۲۲ واژه، ۱۰۱ نویسهٔ ورودی و ۱۰۱ نویسهٔ خروجی است. در camelCase خروجی به ۸۱ نویسه کاهش می‌یابد، چون فاصله‌ها و علائم نگارشی از بین رفته‌اند.

این‌ها همان اعدادی هستند که در فایل آزمون این ابزار تأیید می‌شوند، بنابراین اگر قواعد بدون تغییر این صفحه تغییر کنند، ساخت شکست می‌خورد.

کاری که انجام نمی‌دهد

دستور زبان را نمی‌فهمد. حالت عنوان جست‌وجویی در فهرست واژه‌های نقشی است، بنابراین حرف اضافه‌ای که کار قید را می‌کند — «Look up the Answer» — در جایی که شیکاگو بزرگش می‌کرد کوچک می‌شود، و با واژه‌ای مانند «so» یا «like» هر جا ظاهر شود یکسان رفتار می‌شود. اسم‌های خاص را در حالت جمله بازنمی‌گرداند، چون متن دیگر اطلاعات لازم را ندارد؛ ضمیر I تنها واژه‌ای است که برگردانده می‌شود. نویسه‌گردانی نمی‌کند، بنابراین «café» در snake_case همان «café» می‌ماند و به «cafe» تبدیل نمی‌شود. نمی‌داند نام چه شکلی است، بنابراین «o’brien» به‌صورت «O’brien» بزرگ می‌شود نه «O’Brien». و حروف بزرگ برگشت‌پذیر نیست: ß به SS تبدیل می‌شود و برنمی‌گردد.

و هیچ چیز را نمی‌شمارد. اگر می‌خواهید به‌جای تغییر حالت حروف بدانید متن چقدر بلند است، شمارش نویسه‌ها نیمهٔ دیگر همین کار است.