AfterScan

Что делать, если при распознавании текста OCR-система допустила много ошибок? Например, если распознавался текст с плохо отсканированных изображений. Да и вообще, как исправить «грязный» текст, в котором полно орфографических ошибок, переносы понаставлены там, где им быть не положено, пробелы понатыканы вместо абзацных отступов и не соблюдены элементарные законы типографики? Ответ, казалось бы, один: засучивать рукава, заваривать кофе и приступать к ручной обработке текста, используя проверку орфографии в том же MS Word . Но есть и более удобный альтернативный вариант: использование интеллектуальной программы, «авто-редактора» AfterScan. Возможности программы поистине огромны, причем в разные версии продукта встроены различные функции. Однако вначале поговорим о том, чем отличается работа с любой версией AfterScan от проверки орфографии в текстовом редакторе.

Модуль проверки орфографии делает одну простейшую операцию: подчеркивает незнакомые ему слова, чтобы привлечь внимание пользователя и заставить его исправить ошибку. Отсюда возникает две проблемы. Во-первых, пользователь может и не знать, как правильно пишется помеченное спелл-чекером слово. Во-вторых, даже при совершении опечатки может получиться правильное слово, и спелл-чекер его не отметит. Например, вместо слова статьи может быть набрано слово стати . Модуль проверки орфографии не обратит внимания на такую опечатку.

AfterScan действует по-другому. Он не просто сверяет слова со своим словарем, он использует более 60 алгоритмов анализа текста и 5 000 правил коррекции. В результате AfterScan не ограничивается отмечанием подозрительных слов, он автоматически исправляет их.

Еще одна проблема спелл-чекера заключается в том, что все неизвестные ему слова он помечает как ошибочные. AfterScan, встретив несколько раз в тексте неизвестное слово, всегда написанное одинаково, предполагает, что слово вполне правильное, и включает его в словарь. Кроме того, AfterScan с помощью особых алгоритмов обнаруживает в тексте сокращения, аббревиатуры и формулы, имена и фамилии, и не вносит их в список ошибок.

Однако хорошо известно, что чрезмерная автоматизация до добра не доводит, во всем нужно знать меру. Пользователь всегда может проконтролировать работу AfterScan благодаря Журналу исправлений , который программа ведет во время обработки текста. Все сделанные исправления, а также слова, с которыми не удалось справиться своими силами, AfterScan вносит в этот журнал. Таким образом, пользователю не нужно перелистывать весь многостраничный документ в поисках ошибок, как это происходит при использовании спелл-чекера. Ему достаточно просмотреть Журнал и прямо в нем внести необходимые исправления. Во всех версиях программы (кроме Express ) Журнал исправлений может быть сохранен вместе с документом. Таким образом, появляется возможность вносить и подтверждать исправления в любой удобный момент.

Наконец, модули проверки орфографии частенько не справляются с большими объемами работы, заявляют, что в тексте слишком много ошибок и прекращают автоматическую проверку. AfterScan обрабатывает тексты любого объема, да и размер его словарей не ограничен.

Еще одна важная особенность программы состоит в том, что AfterScan использует различные алгоритмы для работы с текстами различного происхождения.

• Текст в современной орфографии после OCR . Программы распознавания текста часто совершают одни и те же ошибки. Например, если качество печати текста было не ахти, есть вероятность, что вместо буквы д в получившемся после распознавания тексте мы увидим л , а вместо е обнаружим с . Эти и другие ошибки, появившиеся в результате оптического распознавания, AfterScan исправит без труда, ведь недаром его название переводится с английского как « после сканирования ».
• Текст после ручного набора или коррекции. В текстах, набранных или редактируемых вручную, наблюдается совсем другие ошибки. Как правило, происходит нажатие не той (соседней) клавиши или просто орфографическая ошибка в силу неграмотности. Специальный алгоритм обработки таких текстов встроен в версии Professional , Antique и Webmaster , и недоступен пользователям версии Express . В ходе работы над такими текстами AfterScan анализирует встречающиеся формулы, а также адреса веб-страниц и электронной почты.
• Текст без формул и адресов Интернет. Этот алгоритм обработки текстов абсолютно аналогичен предыдущему, за исключением того, что анализаторы формул и адресов отключаются, что ускоряет работу. Алгоритм поддерживается в тех же версиях, что и предыдущий.
• Древний язык с переводом в современный. Если отсканирован и распознан текст в старой орфографии, AfterScan сможет привести его к нормам современного письма. При этом все текстовые фрагменты, заключенные в скобки или кавычки, а также выделенные курсивом, будут восприняты как цитата и их старое написание будет сохранено. Алгоритм доступен в версии Antique .
• Древний язык с сохранением орфографии . Алгоритм аналогичен предыдущему в том смысле, что «старорежимное» написание будет сохранено для всего текста, а не только для цитат. Этот алгоритм также поддерживается только в версии Antique .
• HTML-документ . Этот алгоритм поддерживается только в версии Webmaster и именно вебмастерам пригодится в первую очередь. С помощью алгоритма HTML-текст будет приведен в соответствие нормам экранной типографики: различные знаки препинания (кавычки «елочкой», длинные и короткие тире и т. д.) будут заменены спецсимволами, лишние пробелы и жесткие переносы будут убраны. Будут обнаружены ошибки ручного ввода, когда, например, вместо русской буквы р введена латинская р . Несмотря на то, что последняя ошибка визуально никак не портит текст, она затрудняет нормальную индексацию содержимого сайта поисковыми системами. Кроме того, в этой версии поддерживается пакетная обработка множества файлов, то есть, можно составить пакет из всех веб-страниц сайта, да и проверить их все скопом.

Во всех версиях программы поддерживаются функции переформатирования текста. Например, удаляются лишние пробелы между словами и лишние переводы строк, примененные для выравнивания абзацев в старых текстовых редакторах. Еще более ценная опция – «склеивание» слов с переносами. Если в тексте с помощью дефисов вручную расставлены переносы, это может сильно подпортить внешний вид документа. AfterScan, обрабатывая текст и встречая слово, разбитое дефисом на две части, сверится со своим словарем. Если окажется, что данное слово – сложное и должно писаться с дефисом (например, по-русски ), оно останется без изменений. Если же выяснится, что дефис вставлен ради принудительного переноса, он будет удален.

Необходимо заметить, что во всех версиях программы, кроме Express , поддерживается функция ручной защиты фрагментов текста от изменений. Открыв файл и отметив фрагменты, которые должны остаться «как есть», пользователь может начинать процедуру проверки и редактирования: AfterScan не тронет помеченные отрывки.

В заключение скажу, что работа с программой не вызовет никаких затруднений, поскольку интерфейс понятен, а множество дополнительной информации об AfterScan можно почерпнуть в справочной системе или на сайте разработчиков. Главное, что необходимо сделать – правильно выбрать одну из версий программы, максимально подходящую для нужд конкретного пользователя.