البيانات المفتوحة

المعجم كله، بالصيغة التي يقرؤها برنامج: للباحثين، ولمن يبني تطبيقاً أو نموذجاً لغوياً، ولمن يريد نسخة يحتفظ بها. الملفان يُبنيان من قاعدة البيانات نفسها التي تُعرض منها الصفحات، فما يُضاف إلى الموقع يظهر فيهما في غضون ساعة.

الملفات

lahga.json

المعجم كاملاً: اللهجات، ثم الكلمات وتحت كل كلمة أشكالها في اللهجات، وتحت كل شكل معناه وملاحظاته وأمثلته. الشكل في form بلا حركات، وفي form_vocalized بالتشكيل حين أضافه أهله. لكل كلمة حقل source برابط صفحتها.

entries.csv

جدول مسطّح: سطر لكل شكل في لهجته، بلا حركات وبها، مع الكلمة الفصيحة التي يُقال بها، ورابط المصدر، والرخصة. يُفتح في أي برنامج جداول.

الآن: 2012 كلمة، 25067 شكلاً، 3310 مثالاً، في 24 لهجة. آخر بناء: 2026-11-11.

ما الذي في الملف وما الذي ليس فيه

المحتوى المنشور فقط: ما حُذف أو أُخفي لا يُصدَّر. لا حسابات، ولا بريد، ولا أصوات، ولا سجل تعديلات. ولكل لهجة وكل شكل وسم لغة بمعيار BCP-47 (arz للمصرية، apc للشامية، afb للخليجية، ary للمغربية…) ليفرّق البرنامج بين اللهجات دون أن يقرأ أسماءها.

وبعض الأشكال صاغها نموذج لغوي ولم يتحقق منها متحدّث بعد؛ هذه تحمل في الملفين الحقل needs_review بقيمة true، وهي العلامة نفسها التي تراها في صفحة الكلمة، وعددها الآن 3606 من 25067. من يبني على البيانات شيئاً يحتاج إلى اليقين فليتركها حتى تُؤكَّد.

الرخصة والنسبة

البيانات برخصة المشاع الإبداعي: نَسب المُصنَّف - الترخيص بالمثل 4.0 (CC BY-SA 4.0). انسخها وابنِ عليها لأي غرض، بشرطين: أن تذكر المصدر، وأن تنشر ما تبنيه عليها بالرخصة نفسها. صيغة النسبة المقترحة:

لهجة: معجم اللهجات العربية، https://lahga.fyi، برخصة CC BY-SA 4.0.

ومن أخذ سطراً واحداً يكفيه رابط صفحة الكلمة الذي يحمله حقل source. ومن يدرّب نموذجاً لغوياً على هذه البيانات فالرخصة نفسها تسري عليه، وحقنا الوحيد الذي نطلبه أن يقول النموذج، حين يُسأل عن كلمة من هذه الكلمات، من أين جاءت.

لمن يكتب برنامجاً

الملفان يُقدَّمان مع Access-Control-Allow-Origin: * فيمكن جلبهما من صفحة على أي موقع. وليس للموقع واجهة برمجية عامة غيرهما، وهذا قصد: ملف يُنزَّل مرة أثبت من واجهة تُسأل ألف مرة. ثمة أيضاً llms.txt لزواحف النماذج اللغوية، وخريطة الموقع للباقي.