AhmedAbdoulahi/Tamasheq
Domain:
natural language processingRecord type:
software
Creator:
Ahm
Host:
# Tafsir en tamasheq — site public
Site statique Astro publiant le tafsir du Coran en langue tamasheq de Cheikh
Mohammed Al-Hanafi (Abalak, Niger) : 1 899 pages, une URL par sourate, texte OCR
indexable, recherche plein texte, PDF téléchargeables.
Source de référence : `_دمج_التفسير_الرائق_باللغة_تماجق_٢٠٢٦٠٨١٩_١٦٤٤٣٧.pdf`
(1 899 pages) — corps du tafsir pages 1-1886, sommaire 1887-1898, colophon 1899.
Le colophon est la seule page nativement textuelle du fichier ; tout le reste est
scanné à 131 ppp.
```
pipeline/ transformation du PDF source en données du site
01-render.sh PDF -> PNG 300 dpi (OCR) + WebP 1080 px (web)
02-ocr.sh OCR arabe parallélisé (Tesseract)
03-build-data.py rattachement page -> sourate, génération des JSON
04-split-pdf.py découpage du PDF en 6 parties téléchargeables
suras.json les 114 sourates (nom arabe, translittération, slug)
toc.json sommaire du manuscrit transcrit à la main (référence)
site/ projet Astro 5
src/pages/ accueil, [...path] sourates, recherche, téléchargement, à propos
src/data/ pages.json et suras.json — générés par le pipeline
```
## Architecture
**Hébergement séparé.** Cloudflare Pages sert le HTML (bande passante illimitée
sur le plan gratuit, mais 25 Mo par fichier maximum). Les 1 886 images et les
6 PDF vont sur **R2** : 10 Go de stockage gratuit et surtout **zéro frais
d'egress**, ce qui est le point décisif pour diffuser 45 Mo de PDF vers l'Afrique
de l'Ouest sans plafond.
Le site ne référence les médias que par `PUBLIC_ASSETS_URL`, donc le déploiement
Pages reste léger (~120 fichiers HTML) et rapide.
**Une URL par sourate**, pas par page scannée. Personne ne cherche « page 900 » ;
en revanche « tafsir sourate Al-Baqara tamasheq » est une requête réelle. Les
sourates longues sont découpées par tranches de 24 pages (`/sourate/2-al-baqara/page-3/`)
pour que les documents restent d'un poids raisonnable. Chaque page scannée reste
atteig …