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.