تایپوگرافی فارسی

فارسی چه چیزی دارد که لاتین ندارد؟

تفاوت اصلی این است که در فارسی، شکل هر حرف به همسایه هایش بستگی دارد. یک حرف می تواند تا چهار شکل داشته باشد: تنها، اول کلمه، وسط کلمه و آخر کلمه. حرف «ب» در «برف» و «ابر» و «کتاب» سه شکل متفاوت روی صفحه دارد و در حافظه کامپیوتر یک کدپوینت است.

این یک جمله، منشا بیشتر مشکلات فنی تایپوگرافی فارسی است. قلم لاتین یک نگاشت ساده از کدپوینت به گلیف دارد؛ قلم فارسی به یک لایه قاعده احتیاج دارد که تصمیم بگیرد در هر جایگاه کدام گلیف کشیده شود. بخش بعدی درباره همان لایه است.

سه تفاوت دیگر که روی طراحی اثر مستقیم دارند. اول، فارسی حرف بزرگ ندارد؛ پس یکی از رایج ترین اهرم های سلسله مراتب در لاتین اینجا اصلا وجود ندارد و جایش را وزن و اندازه و فاصله می گیرند. دوم، نقطه ها معنادارند و تفاوت چهار حرف فقط نقطه است، پس قلمی که نقطه ها را کوچک یا چسبیده می کشد در اندازه کوچک خطرناک است. سوم، بخش زیادی از حروف زیر خط زمینه می روند و همین باعث می شود متن فارسی در فاصله سطری که برای لاتین کافی است شلوغ به نظر برسد.

و یک تفاوت که کمتر گفته می شود و در چیدمان خودش را نشان می دهد: عرض حروف فارسی خیلی بیشتر از لاتین با هم فرق دارد. در قلمی که همین سایت استفاده می کند، عرض شکل منفرد حروف الفبا از ۲۰۹ تا ۱۲۲۳ واحد از یک em هزار واحدی متغیر است. یعنی دو کلمه فارسی با تعداد حرف برابر می توانند عرض کاملا متفاوتی داشته باشند، و هر تخمینی که بر پایه «تعداد کاراکتر» زده شود در فارسی کم دقت تر از لاتین است.

قلم فارسی وب باید چه چیزی داشته باشد؟

جواب کوتاه: جدول های شکل دهی. در فرمت OpenType اینها را «ویژگی» می نامند و هر کدام یک برچسب چهار حرفی دارد. سه تای حیاتی برای فارسی init و medi و fina هستند: شکل اول، وسط و آخر. کنارشان rlig که ترکیب های اجباری مثل لام الف را می سازد، و ccmp که ترکیب و تجزیه لازم را انجام می دهد.

وقتی این جدول ها نباشند، مرورگر خطا نمی دهد. متن را می نویسد، ولی حرف ها را به هم نمی چسباند و نتیجه چیزی می شود که هر فارسی زبانی در نگاه اول می فهمد غلط است، بی آنکه بتواند بگوید چرا. این دقیقا همان چیزی است که وقتی یک قلم لاتین را روی متن فارسی می گذارید یا وقتی قلم ساب ست شده ای می گیرید که ویژگی هایش حذف شده اند، اتفاق می افتد.

قلمی که همین صفحه با آن نوشته شده، در فایل خودش این ویژگی ها را دارد: ccmp، init، medi، fina، rlig، calt، locl، به اضافه چند ویژگی اختیاری. این را با کتابخانه fontTools از خود فایل خوانده ایم و نه از توضیحات سازنده. اگر قلمی را ارزیابی می کنید، همین کار قابل تکرار است و پنج دقیقه وقت می گیرد.

سه شرط دیگر که قبل از انتخاب باید چک شوند. اول، وزن های واقعی؛ قلمی که فقط یک وزن دارد یعنی مرورگر برای متن ضخیم مجبور می شود ضخیم مصنوعی بسازد و در فارسی نتیجه اش بد است. دوم، عدد فارسی داخل خود قلم، که بخش پنجم همین درس است. سوم، پروانه وب، که برای پروژه مشتری یک موضوع حقوقی است و نه یک جزئیات فنی.

قلم را سبک کنیم، بدون اینکه بشکند

قلم فارسی از قلم لاتین معادلش بزرگ تر است، چون برای هر حرف چند گلیف دارد و نه یکی. راه استاندارد سبک کردنش ساب ست کردن است: حذف بخش هایی از قلم که این سایت هرگز به آنها نیاز ندارد.

عددهای واقعی همین سایت، خوانده شده از خود فایل ها: نسخه کامل قلم در وزن معمولی ۴۲۷۰۸ بایت است، یعنی حدود ۴۱.۷ کیلوبایت، با ۷۲۶ گلیف و ۶۵۲ کدپوینت. نسخه ساب ست شده ۲۵۲۷۲ بایت است، یعنی حدود ۲۴.۷ کیلوبایت، با ۵۹۹ گلیف و ۵۲۷ کدپوینت. سه وزنی که این سایت واقعا بارگذاری می کند روی هم ۷۶۳۶۴ بایت می شوند، حدود ۷۴.۶ کیلوبایت.

حالا چیزی که حذف شده، و همین جاست که ساب ست کردن از حدس زدن جدا می شود. ۱۲۵ کدپوینت کم شده و ۱۰۷ تای آنها حرف های لاتین با علامت اند، از آ با ماکرون تا سی با هاچک؛ یعنی الفبای زبان هایی که این سایت به آنها نمی نویسد. پانزده تای دیگر علامت های ترکیبی اند. هیچ حرف فارسی، عربی یا ترکی حذف نشده و حروف مخصوص ترکی هم کامل مانده اند، چون این سایت به چهار زبان نوشته می شود و همه با یک قلم.

و تله ای که بیشتر از هر چیز دیگری در این کار خرابکاری می کند: ساب ست کردن بر اساس «کاراکترهایی که در صفحه استفاده شده اند». روزی که نویسنده کلمه ای بنویسد که حرفی خارج از آن فهرست دارد، آن حرف با قلم دیگری رندر می شود. تله دوم بدتر است و مخصوص خط فارسی: اگر ابزار ساب ست را طوری تنظیم کنید که ویژگی های چیدمان را نگه ندارد، جدول های init و medi و fina با آنها می روند و حروف از هم می افتند. ابزار pyftsubset در حالت پیش فرض مجموعه ای از این ویژگی ها را نگه می دارد؛ خطر وقتی است که کسی فهرست را دستی و بر پایه نیاز لاتین بازنویسی کند.

یک تنظیم دیگر که به اندازه حجم اهمیت دارد: font-display. با swap مرورگر اول قلم جایگزین را نشان می دهد و وسط کار عوض می کند، و همان لحظه چیدمان تکان می خورد. با optional، اگر قلم به موقع نرسید همان جایگزین برای کل آن بازدید می ماند و هیچ سوئیچی رخ نمی دهد. برای فارسی که عرض حروفش با قلم جایگزین خیلی فرق می کند، این تفاوت روی جابه جایی چیدمان بزرگ است.

نیم فاصله دقیقا کجا لازم است؟

نیم فاصله یک کاراکتر نامرئی است، U+200C، که دو بخش یک کلمه را از هم جدا نگه می دارد بدون اینکه فاصله کامل بگذارد. در تایپوگرافی استاندارد فارسی درست است و جایش هم قاعده روشنی دارد.

قاعده این است: نیم فاصله فقط جایی لازم است که حرف آخر ریشه به حرف بعدی می چسبد. اگر ریشه به یکی از حروف ا د ذ ر ز ژ و ختم شود، آن حرف اصلا به بعدی نمی چسبد و شکل جدا خودش را دارد، پس شکل چسبیده از اول درست است و نیم فاصله لازم ندارد. برای همین کارها و بارگذاری و بالاتر درست اند و نباید شکسته شوند، در حالی که شکل استاندارد فعل مضارع، می‌شود، یک نیم فاصله بین «می» و بقیه دارد.

و اشتباهی که از هر دو حالت بدتر است: حذف کردن نیم فاصله به جای جایگزین کردنش. اگر آن کاراکتر را بردارید و چیزی جایش نگذارید، دو کلمه به هم می چسبند و میشود در می آید که در فارسی معیار غلط است و در اندازه کوچک هم بدخوان. اگر به هر دلیلی نمی خواهید کاراکتر نامرئی در متنتان باشد، جایش یک فاصله معمولی بگذارید و نه هیچ.

موضع خود این سایت را هم صریح بگوییم، چون خواننده اش را روی همین صفحه می بیند: ما در متن های منتشر شده مان به جای نیم فاصله فاصله معمولی می گذاریم، یعنی می شود. این یک انتخاب سرمقاله ای است و نه ادعای درستی زبانی؛ دلیلش این است که کاراکتر نامرئی در متن، هم در جستجو و هم در ابزارهای متنی رفتار غیرقابل پیش بینی دارد و ما ترجیح می دهیم متنمان هیچ چیز نادیدنی نداشته باشد. اگر شما تصمیم دیگری بگیرید و نیم فاصله را نگه دارید، کاملا موجه است؛ چیزی که در هیچ حالتی موجه نیست، شکل چسبیده است.

نکته عملی برای تایپ: در چیدمان استاندارد فارسی، نیم فاصله روی شیفت به اضافه فاصله است. اگر تیم محتوایتان این را نمی داند، متن شما مخلوطی از هر سه حالت خواهد بود و آن بدترین نتیجه ممکن است، چون جستجوی داخلی سایت هم دیگر کلمه ها را پیدا نمی کند.

عدد فارسی، از دید تایپوگرافی

سه دسته رقم وجود دارد که به هم شبیه اند و یکی نیستند: ارقام لاتین 0 تا 9، ارقام فارسی ۰ تا ۹، و ارقام عربی هندی که در متن عربی به کار می روند. فارسی و عربی هندی در چهار رقم شکل متفاوت دارند و بقیه را مشترک، و همین شباهت باعث می شود اشتباه گرفتنشان راحت باشد.

از دید تایپوگرافی دو چیز مهم است. اول اینکه قلم شما باید ارقام فارسی را واقعا داشته باشد؛ اگر نداشته باشد مرورگر آنها را از یک قلم دیگر قرض می گیرد و در وسط یک جمله، عددها ناگهان ارتفاع و ضخامت متفاوتی پیدا می کنند. این را می شود در سی ثانیه دید: یک عدد فارسی کنار متن بنویسید و از نزدیک نگاه کنید.

دوم، عرض ارقام. در جدول ها و هر جایی که عددها زیر هم می آیند، ارقام باید عرض یکسان داشته باشند تا ستون به هم نریزد. بیشتر قلم های فارسی این را رعایت می کنند ولی همه نه، و راه چکش این است که چند عدد با ارقام مختلف را زیر هم بنویسید و ببینید لبه راستشان یک خط می ماند یا نه.

قلم همین سایت هر سه دسته رقم را دارد، هم لاتین، هم فارسی، هم عربی هندی، و همین است که اجازه می دهد نسخه فارسی و نسخه عربی سایت با یک فایل قلم کار کنند و هر کدام ارقام درست خودشان را داشته باشند.

و یک مرز که این درس عمدا از آن رد نمی شود: عدد فارسی در فرم ها یک مساله جداست و فنی است، نه تایپوگرافیک. الگوهای اعتبارسنجی استاندارد ارقام فارسی را رقم نمی شناسند و اگر برایش فکری نکنید، کاربری که شماره اش را با صفحه کلید فارسی وارد کرده پیام «شماره نامعتبر» می گیرد. آن بحث در اصول طراحی رابط کاربری با راه حلش آمده است.

حرف های عربی که در فارسی غلط اند

فارسی و عربی یک خط مشترک دارند و چند حرف جدا، و همین باعث می شود متن های فارسی پر از حرف های عربی باشند بدون اینکه کسی متوجه شود. مهم ترینشان سه تا هستند: ي عربی به جای ی فارسی، ك عربی به جای ک فارسی، و ة که در فارسی اصلا جایی ندارد و باید ه باشد.

چرا مهم است، وقتی روی صفحه تقریبا یک شکل دیده می شوند؟ چون برای کامپیوتر یک شکل نیستند. جستجوی داخلی سایت شما «کتاب» نوشته شده با کاف فارسی را با همان کلمه نوشته شده با کاف عربی یکی نمی گیرد، مرتب سازی الفبایی به هم می ریزد، و موتور جستجو هم دو رشته متفاوت می بیند. یک صفحه که عنوانش با ی عربی نوشته شده، برای عبارتی که کاربر با ی فارسی جستجو می کند، همان صفحه نیست.

و از دید تایپوگرافی هم اثر دارد: شکل آخر ی فارسی و ي عربی در بیشتر قلم ها متفاوت است، چون یکی دو نقطه دارد و دیگری نه. متنی که مخلوط باشد، در انتهای کلمه ها ناهماهنگ به نظر می رسد و کسی هم نمی فهمد چرا.

دسته دوم، شکل های همزه اند. در فارسی معیار، کلمه هایی مثل تاثیر و مبدا و جزو بدون همزه نوشته می شوند. و اضافه کردن همزه روی ه برای کسره اضافه، یعنی نوشتن خانۀ، شکلی است که در فارسی امروز جای بهتری دارد: فاصله و ی، یا اصلا هیچ.

منشا این حرف ها هم معمولا یک جای مشخص است: صفحه کلید. چیدمان های عربی و بعضی چیدمان های پیش فرض موبایل، حرف عربی تولید می کنند. اگر تیم محتوا دارید، این را یک بار سر جلسه حل کنید و نه صفحه به صفحه؛ مسیر سریع همین درس، دستوری دارد که هر سه دسته را در یک اجرا پیدا می کند.

کشیده و بولد جعلی: دو کاری که نباید کرد

اولی کشیدن حروف با کاراکتر تطویل است، U+0640، که کلمه را به شکل کـــتاب در می آورد. در خوش نویسی، کشیده یک ابزار واقعی و ظریف است و جای مشخصی دارد. در متن وب، تقریبا همیشه برای پر کردن عرض یا هم اندازه کردن دو خط استفاده می شود و همان جاست که به مشکل تبدیل می شود: کلمه دیگر همان رشته نیست، جستجو پیدایش نمی کند، صفحه خوان آن را جور دیگری می خواند، و اگر متن به موبایل برسد کشیدگی ای که برای دسکتاپ تنظیم شده بی معنا می شود.

دومی بولد جعلی است. وقتی قلمی وزن ضخیم ندارد و شما وزن ۷۰۰ می خواهید، مرورگر می تواند خودش حروف را ضخیم کند. برای لاتین نتیجه اش قابل تحمل است؛ برای فارسی نه، چون ضخیم کردن ماشینی، حفره های داخل حروف را پر می کند و نقطه ها را به بدنه می چسباند. راه درست این است که وزن واقعی داشته باشید، و اگر نداشتید تاکید را با اندازه یا رنگ بسازید و نه با وزنی که وجود ندارد.

و سومی که کمتر به عنوان اشتباه شناخته می شود: تراز کردن متن از دو طرف. در فارسی وسوسه اش بیشتر است، چون خط عربی امکان کشیدن دارد و به نظر می رسد می شود بدون فاصله های زشت تراز کرد. ولی مرورگرها این کار را با کشیدن حروف انجام نمی دهند، با باز کردن فاصله بین کلمه ها انجام می دهند، و نتیجه همان رودخانه های سفید است. معیار WCAG هم در بند ۱.۴.۸ صریح می گوید متن نباید از دو طرف تراز شود.

جمع بندی عملی این سه: هر سه شان تلاش برای حل یک مساله چیدمانی با ابزار تایپوگرافی اند. اگر یک بلوک متن بد به نظر می رسد، معمولا جواب عوض کردن عرض ستون یا فاصله سطر است، نه دستکاری خود حروف.