ما الذي يستطيع القارئ المنقّى استخراجه وما حدوده؟

مراجعة المحتوى: 25 أكتوبر 2026. سُجّلت الملاحظات أدناه في 20 سبتمبر 2026؛ وليست اختبارات جديدة أو نسب نجاح تنطبق على جميع مقالات ناشر معين.

ابدأ بما أرسله الناشر

يستخرج القارئ المنقّى الفقرات من استجابة الناشر ويحذف عناصر الصفحة المحيطة بالمقال. ولا يحسّن القراءة إلا إذا كانت الاستجابة تحتوي على النص. قد يحجب جدار الدفع المرن نصًا وصل بالفعل إلى المتصفح. ويسمح النظام القائم على حصة قراءة بعدد محدود من المقالات، ثم يغيّر ما يمكنك عرضه أو استقباله. أما جدار الدفع الصارم فيحجب المقال عادةً حتى يُصرَّح بالوصول إليه. هذه فروق مفيدة، لكنها لا تصف جميع صفحات الناشر بالضرورة؛ فقد تختلف الاستجابة حسب المقال والموقع الجغرافي والزيارة.

إزالة طبقة تغطي النص واستعادة نص مفقود عمليتان مختلفتان. إذا أرسل الخادم عنوانًا ومقتطفًا فقط، فلن تضيف إعادة التنسيق بقية المقال. وقد تكون النتيجة قصيرة وأنيقة لكنها تظل ناقصة.

القارئ المنقّى وGooglebot يستخدمان أداة الاستخراج نفسها

تختار الطريقتان فقرات تبدو كمحتوى مقال من HTML الأولي دون تشغيل JavaScript. يغيّر خيار Googlebot ترويسة user-agent في الطلب؛ لكنه ليس زاحف Google موثَّقًا، ولا يستخدم هوية شبكة Google، ولا يمنح صلاحية مشترك. قد يعيد الناشر النص نفسه أو نصًا مختلفًا أو يرفض الطلب.

يحفظ المستخرج الفقرات القصيرة والعناوين والقوائم والاقتباسات ككتل نصية متميزة. ويقيّم الصينية واليابانية دون الاعتماد على المسافات بين الكلمات، فلا يرفض خبراً قصيراً لمجرد قلة عدد الكلمات. تساعد بيانات العنوان والمؤلف والتاريخ والمصدر في التحقق من الهوية، لكنها لا تثبت الاكتمال.

يمكن للقارئ المنقّى الاحتفاظ بملفات ارتباط الناشر مؤقتًا في الذاكرة أثناء عملية جلب واحدة، لإتمام تبادل اعتيادي لملفات الارتباط. ولا يستورد ملفات تسجيل الدخول من متصفحك. تُمسح تلك الحالة عند انتهاء الجلب، حتى عند الفشل. للجلب الحالي مهلة تبلغ 14 ثانية، ويسمح بما يصل إلى ست عمليات إعادة توجيه؛ ومع ذلك قد تؤدي حلقة توجيه أو صفحة تحقق إلى الفشل. هذه ليست جلسة متصفح كاملة.

لتجنب جلب النص نفسه مجدداً عند فتح القارئ، قد يبقى النص المفحوص حديثاً في ذاكرة المتصفح حتى 120 ثانية. يُحذف عند مسح البحث أو تغييره أو انتهاء صلاحيته. لا يحفظ هذا التسليم المقال في تخزين المتصفح الدائم.

للتجربة داخل المتصفح، اتبع الخيارات اليدوية التي تجمع تعليمات JavaScript. تشرح وثائق Chrome الرسمية التحكم عبر DevTools ومدة سريانه في علامة التبويب. قد يؤدي تعطيل JavaScript أيضًا إلى اختفاء محتوى عادي أو تعطل التنقل؛ أعد تفعيله بعد الفحص.

افحص النتيجة، لا التصنيف وحده

قارن عنوان المصدر وعنوان المقال والكاتب وتاريخ النشر بالمقال المطلوب. اقرأ الفقرات الأولى والأخيرة. ابحث عن مقال مترابط، وليس قوائم تنقل أو أخبار ذات صلة أو عرض اشتراك أو تعليمات لملفات الارتباط. عدد الكلمات لا يثبت الاكتمال: قد تزيد النصوص غير المتعلقة بالمقال طول استخراج غير مناسب.

الثقة العالية تعني وجود مؤشرات أقوى على نص مقال، وليس أن النص الكامل تحقق منه مصدر مستقل. والمتوسطة تعني أدلة أضعف أو نتيجة مرشحة تحتاج إلى فحص. وغير المعروفة تعني أن الفحص لم يثبت قابلية القراءة، مثل انتهاء المهلة أو مواجهة تحقق من الوصول. لا يمثل أي منها نسبة نجاح مئوية. وقد تخفض عبارات الاشتراك مستوى الثقة حتى عند وصول فقرات مفيدة.

ما الذي أظهرته الفحوص المسجلة؟

في 20 سبتمبر 2026، أنتج مقال The Register العام عن استدعاء سيارات Cybertruck من Tesla الكلمات الـ700 نفسها في القارئ المنقّى وGooglebot، وتطابقت قيم تجزئة الفقرات. يثبت ذلك تكافؤ الاستخراج لمقال عام واحد، ولا يثبت تحسن الوصول إلى محتوى الاشتراكات.

في حالة Courier Mail المسجلة، أعقب تبادل ملفات الارتباط رد HTTP 403. عرض PrintFriendly دعوة للاشتراك أو مقتطفًا، بينما أعاد smry مساعدة عن ملفات الارتباط. لذلك لم يكن تحميل صفحة دليلًا على استرجاع المقال المطلوب. وقد تتغير الظروف بعد الاختبار المسجل.

خطوات عملية لمعالجة المشكلات

توقف عن تكرار أدوات قراءة متكافئة إذا أعادت المقتطف أو التحقق نفسه. للنسخ المحفوظة، راجع دليل موثوقية الأرشيف. ولطرق الوصول المشروعة، راجع الوصول عبر المكتبات والناشرين.