Upload main.py

main.py

@@ -46,22 +46,25 @@ def smart_clean_arabic_text(text: str) -> str:
     text = re.sub(r"[:\-_/]", " ", text)
 
     # شيل باقي الرموز
-    # -------------------- التنظيف الذكي للمسافات --------------------
-    # 1. إضافة مسافة بعد الحروف التي لا تتصل بما بعدها إذا تبعتها كلمة أخرى
-    # الحروف هي: ا، أ، إ، د، ذ، ر، ز، و
-    # يتم البحث عن هذه الحروف متبوعة بحرف عربي آخر (باستثناء مسافة) وإضافة مسافة بينهما
-    text = re.sub(r"([اأإدذرزو])([ء-ي])", r"\1 \2", text)
+    # -------------------- التنظيف الذكي للمسافات والحروف المتلاصقة --------------------
+    # 1. معالجة تفتيت الكلمات: إزالة المسافات بين الحروف العربية المتتالية
+    # مثال: "ا لعمل" تصبح "العمل"
+    text = re.sub(r"([\u0600-\u06FF])\s+([\u0600-\u06FF])", r"\1\2", text)
 
-    # 2. إزالة المسافات الزائدة حول علامات الترقيم الشائعة (اختياري، لكن يحسن القراءة)
+    # 2. معالجة "ال" التعريف الشائعة: إزالة المسافة بين الألف واللام
+    # مثال: "ا ل" تصبح "ال"
+    text = re.sub(r"([اأإ])\s+([ل])", r"\1\2", text)
+
+    # 3. تنظيف الرموز غير المرغوب فيها (قد تكون ناتجة عن أخطاء OCR)
+    text = re.sub(r"[«»“”‘’]", "", text)
+
+    # 4. إزالة المسافات الزائدة حول علامات الترقيم الشائعة (اختياري، لكن يحسن القراءة)
     text = re.sub(r"\s*([.,;?!])\s*", r"\1 ", text)
     text = re.sub(r"\s*([()])\s*", r" \1 ", text)
 
-    # 3. إزالة المسافات الزائدة حول الشرطة (قد تكون فاصلة أو جزء من كلمة)
+    # 5. إزالة المسافات الزائدة حول الشرطة (قد تكون فاصلة أو جزء من كلمة)
     text = re.sub(r"\s*-\s*", r"-", text)
 
-    # 4. تنظيف الرموز غير المرغوب فيها (قد تكون ناتجة عن أخطاء OCR)
-    text = re.sub(r"[«»“”‘’]", "", text)
-
     # -------------------- التنظيف الأساسي --------------------
     text = re.sub(r"[^\u0600-\u06FF0-9\s]", "", text)