Simpatie.ro - matrimoniale
Forum Romania Inedit
Romania Inedit - Resursa ta de Fun
Nou pe simpatie:
angela31
Femeie
23 ani
Buzau
cauta Barbat
24 - 60 ani
Forum Romania IneditReguliInregistrareLoginPozeNu sunteti logat. Lista Forumurilor Pe Tematici
Forum Romania Inedit / Totul despre cărți - About e-books /

AutoCorect versiune pentru Romania-Inedit

Pagini:  1 2 3 4 5 ... 52 Moderat de Seven, Stelevadris, cuculean, naid, uncris
#26
Seven
Moderator
Din: Ţara Perfectului Simplu
Probă AutoCorect

     Am făcut mai multe probe de convertire de la text clasic la contemporan cu AutoCorectul de azi, atât pe texte corectate, cât şi pe OCR-uri brute.
     Nu am constatat nicio problemă sau eroare; am urmărit în special cuvinte cu cratimă.
     Am verificat textele şi în Word şi nu a apărut vreo situaţie în care corectorul Word să afişeze vreo problemă în plus. Am pentru textul pe care l-am folosit pentru teste şi un dicţionar word suplimentar, astfel că există un număr foarte mic de cuvinte necunoscute, fapt ce-mi permite să vizualizez foarte uşor erorile.


     Despre rezolvarea majusculelor accidentale...
     E foarte important faptul că se poate implementa.
     Unde anume?  În momentul ăsta nu sunt pregătit pentru răspuns. Mă mai uit în meniul AutoCorect şi revin cu o propunere.
     Foarte important: uneori apare la sfârşit de propoziţie sau frază majuscula L. Aici este vorba de altceva: L apare în loc de l... sau în loc de !..., deci e altceva.


     Ideea mea este următoarea:
        Există câteva acţiuni, conversii, opţiuni sau oricum s-ar numi ele, care ţin doar de erori ale OCR, deci sunt specifice dogotalizării cărţilor; aceasta pe de o parte, iar pe de altă parte acestea trebuie să ruleze textul cap coadă fără comenzi sau intervenţii intermediare. Exact cum funcţionează "Conversia de la text clasic la contemporan".

       Din acest motiv, mă gândesc că aceste "instrumente" ar putea ocupa un loc grupat în meniul "Editare" sau în meniul "Instrumente".

       În afară de problema majusculelor ar mai fi cel puţin două probleme:
        - cuvintele de 2, 3 şi 4 litere despre care am vorbit tangenţial.
        - problema cifrei 1; pe scurt litera l [L mic] aflată într-o poziţie lipită de cratimă, este considerat de Abbyy ca fiind cifra 1; mai rar, Abbyy scrie şi ! în loc de l [L mic].

       După părerea mea, cam acestea ar fi cam tot ce merită efortul implementării; restul erorilor de recunoaştere a Abbyy se poate rezolva cu dicţionare de înlocuiri multiple de tip imd.

       LE: acum am văzut completarea ta la mesajul anterior. Se pare că deja suntem de aceeaşi părere. Ceva separat mi se pare mai bine.


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#27
ciuperca_cosmin
VETERAN
Din: Bacau
O mica problema.
Cateodata se intalnesc nume proprii "compuse" ca de exemplu: "Yellow-Stone". Programul n-are cum sa stie 100% sigur ca e nume propriu si deci sa-l "sara" dar totusi sa le semnaleze pe cele ca "da-Mi".
Acu, tu stii mai bine decat mine daca cele ca "da-Mi" se intalnesc rar sau des. In primul caz as putea face ca codul sa nu mai semnaleze deloc aceste cazuri si pe ansamblu ar merge mai bine.
Ca o paranteza: am testat cu cartea care am corectat-o recent si m-a exasperat cu cate nume proprii de acest gen a gasit

PS: sau as putea face sa "sara" peste cele care au majuscula la inceput si dupa fiecare liniuta iar in rest au litere mici. Ce parere ai..?


 
   
#28
Seven
Moderator
Din: Ţara Perfectului Simplu

Seven a scris:

   Există câteva litere care au aceeaşi formă atât ca majuscule cât şi ca minuscule; le diferenţiază doar mărimea, iar Abbyy face confuzii.
   Este vorba despre: C-c, O-o, P-p, S-s, Ş-s, U-u, V-v, Z-z dar uneori şi despre [F-f, I-i, J-j, K-k].


     Dacă te referi la problema asta, şi cred că la aşa ceva te referi, atunci propunerea mea este să nu modifice literele de după cratimă.
     Este suficient să eliminăm majusculele din interiorul cuvintelor obişnuite.
     Adică numai în situaţia: literă-MAJUSCULĂ-literă.

     Susţin acest lucru din două motive:
          - primul - exact aceste cazuri de nume proprii compuse; noi am lucrat pe forum multe cărţi din literatura franceză, unde astfel de nume sunt foarte-foarte multe; şi, bineînţeles nu este numai cazul limbii franceze... şi în alte limbi apar frecvent.

          - al doilea - Prelucrările automate şi semiautomate de text, fie ele cu AutoCorect, Word sau alt program trebuie să ne ajute cât mai mult, dar ele nu pot şi nu trebuie să rezolve toate problemele. Singura corectură adevărată rămâne cea prin citire-cap coadă a cărţii; încercăm să facem ca această corectură să fie cât mai comodă, dar nu va fi niciodată eliminată, indiferent ce program se va folosi, indiferent cât va fi acesta de puternic.


     Personal nu aş fi de acord nici cu schimbarea majusculei finale dintr-un cuvânt, pentru că în cazul unei majuscule finale e posibil să fie altă cauză a erorii, aşa cum am amintit că un L final, poate fi în realitate L mic urmat de trei puncte, dar şi I mic urmat de 3 puncte, dar şi ! urmat de 3 puncte.

     Deci, propun să se rezolve numai majusculele din interiorul cuvintelor simple, obişnuite... aşa cum am spus mai sus, doar în gruparea:
     literă-MAJUSCULĂ-literă


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#29
Seven
Moderator
Din: Ţara Perfectului Simplu
***
     Am văzut mai târziu PS-ul tău.
     Cred că ar fi foarte bună variantă de lucru să "sară" peste cuvintele compuse care încep cu majusculă...
     Problema este cât de complicat este codul şi apoi, viteza de rulare a opţiunii...

     Varianta ar fi bună pentru că:
     Toate cuvintele compuse care încep cu literă mică e normal să nu aibă majuscule în componenţă; Nu văd cum ar putea să existe un cuvânt compus care să înceapă cu literă mică şi care să aibă majusculă după cratimă;
     Dacă vor exista cuvinte compuse în care prima literă este majusculă dar litera de după cratimă este în mod corect literă mică, dar programul "sare" peste ea... vor fi foarte puţine cazurile şi se rezolvă la corectura prin citire.

     Concluzia finală este: ori numai gruparea literă-MAJUSCULĂ-literă, ori această ultimă variantă propusă, dacă ea nu este prea complicată.

     Sincer, nu aş vrea să abuzăm foarte tare de amabilitatea şi bunăvoinţa voastră.
     Oricum rămân la convingerea că AutoCorect este o mare reuşită, iar tu şi Daniel Morlova meritaţi tot respectul nostru.

     Toată stima,
     Seven


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#30
ciuperca_cosmin
VETERAN
Din: Bacau
Am implementat deocamdata ideea mea; daca da prea multe semnalizari false si nu gasim o metoda eficienta de a le reduce, vom utiliza ideea ta.
http://www.mediafire.com/?9956it7vtmlkll6
Functia e in meniul Editare >> OCR >> Verifica probleme majuscule.
Deocamdata e doar pentru testare nu de folosit in corectare - pina se constata ca merge bine. Eu am testat pe cateva texte si n-a facut probleme dar sunt de preferat mai multe testari...


 
   
#31
Seven
Moderator
Din: Ţara Perfectului Simplu
***
     Am făcut download la ultima versiune şi am făcut doar o probă scurtă ca să văd cum funcţionează.
     În seara asta nu mai am foarte mult timp să mai fac probe, dar revin mâine cu siguranţă.

     Ştiu că am o carte al cărei OCR conţine foarte multe majuscule interioare, dar în acest moment nu ştiu sigur despre ce carte e vorba, dar până mâine după amiază am să rulez mai multe OCR-uri.

     Am constatat o situaţie şi trebuie să mai discutăm...
     În cartea la care lucrez în prezent, există un nume Trencavel. În OCR apare frecvent scris sub forma TrencaveL în loc de Trencavel,; deci virgula după l, a făcut să fie recunoscut ca L mare.

     În acest moment nu există posibilitatea editării în text ca la opţiunea "Ortografie...", şi niciuna dintre opţiuninile la dispoziţie nu-mi permite rezolvarea problemei.

     Dacă nu este foarte complicat de lucrat, mă gândesc totuşi şi la o opţiune de înlocuire automată doar a secvenţei "literă mică - MAJUSCULĂ - literă mică...
     Am putea face probe cu ambele opţiuni ca să vedem care este cea mai practică.

     Revin cu constatările aici sau pe privat.
     Toate cele bune!
     Seven


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#32
ciuperca_cosmin
VETERAN
Din: Bacau
Vad ca pe privat nu mai te vad...

Nu inteleg ceva la TrencaveL - nu poti sa apesi pe primul buton (Prima majuscula) ca sa ti-l faca Trencavel?


 
   
#33
ciuperca_cosmin
VETERAN
Din: Bacau
Am facut o functie complet automata ce inlocuieste grupurile [litera mica][majuscula][litera mica] cu [litera mica][litera mica][litera mica].
Acelasi link de descarcat.


 
   
#34
Seven
Moderator
Din: Ţara Perfectului Simplu
Salutare, Cosmin!

     Am făcut download la varianta de azi şi am făcut şi probe.
     Funcţionează perfect la secvenţa: literă-MAJUSCULĂ-literă.

     Între timp m-am gândit dacă nu ar exista posibilitatea să apară texte în care să apară şi
         secvenţa: literă-MAJUSCULĂ-MAJUSCULĂ-literă
         sau chiar secvenţa: literă-MAJUSCULĂ-MAJUSCULĂ-MAJUSCULĂ-literă

      Am pregătit un fragment de text din Zevaco, care cuprinde următoarele situaţii:
            - o singură majusculă intercalată [deci, exact secvenţa propusă "literă-MAJUSCULĂ-literă"]
            - două majuscule consecutive;
            - trei majuscule consecutive.

      Majusculele în interioarul cuvintelor sunt cazuri rare, dar cred că ar trebui extinsă opţiunea şi pentru 2 şi 3 majuscul consecutive. Nu cred că e cazul să luăm în calcul 4 majuscule consecutive sau mai multe, dar 2 şi 3 ar putea să apară din când în când.

      Textul pentru probe se află la adresa: http://www.mediafire.com/?gi1ilgqe88mezzj


      Rog colegii de pe forum să participe la discuţii, pentru că sigur există şi alte situaţii, probleme şi puncte de vedere diferite decât cele expuse de mine!

      Dacă avem posibilitatea să discutăm direct cu unul dintre autorii programului şi să propunem completarea AutoCorect cu opţiuni speciale pentru noi, atunci să facem acest lucru cât mai bine posibil...
      Cu cât vor fi mai mulţi useri participanţi la discuţii, cu atât mai mult avem şansa să găsim propunerile cele mai bune, iar Cosmin să nu fie nevoit să revină asupra unei propuneri de mai multe ori.

      Toate cele bune!
      Seven


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#35
ciuperca_cosmin
VETERAN
Din: Bacau
Cred ca ar fi mai usor sa fac o functie recursiva care sa mearga pentru orice numar de majuscule intre litere mici decat sa fac inca doua functii separate pentru 2 si 3 majuscule (in aceeasi functie de corectare vorbesc).
E bine asa sau ar putea apare probleme la numar mare de majuscule..?


 
   
#36
Seven
Moderator
Din: Ţara Perfectului Simplu
***
     Nu cred că ar putea să apară probleme cu un număr mare de majuscule.
     Dacă e mai simplu o singură funcţie care să meargă pentru orice număr de majuscule cuprinse între litere mici, atunci e bine să fie o singură funcţie.

     Problema apariţiei majusculelor e întâlnită în special la cărţile vechi şi cu scanare de calitate mai slabă.
     De fapt problema poate să apară doar la cele amintite mai sus: C-c, O-o, P-p, S-s, Ş-s, U-u, V-v, Z-z; - şi mult mai rar la alte litere.
     Pot apărea grupuri şi de două majuscule dintre acestea şi poate chiar trei, dar nu în număr foarte mare.

     Bucata de text pe care am urcat-o mai sus conţine un număr de majuscule exagerat de mare; nu ar putea exista un OCR cu atâtea majuscule interioare, dar l-am făcut astfel încât să nu existe ceva mai dificil de atât.


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#37
menssana1984
Vizitator



A... si nu ar fi posibil sa se rada din text absolut toate chestiile de genul #$%^&*\?>| etc.?

 
   
#38
Seven
Moderator
Din: Ţara Perfectului Simplu
***
     Răgăliile de genul #$%^&*\?>| pot fi doar răgălii pentru că Abbyy a găsit nişte puncte şi alte pete în imagine şi le-a considerat caractere, dar...
     de multe ori aceste răgălii semnalează text care nu a fost corect recunoscut... adică e un semnal al lui Abbyy care s-ar putea traduce în genul: "Şefu' vezi matale că pacilea lipseşte text... mai uită-te mata pe original şi treci la editat!"

     Din cauza asta părerile sunt împărţite între cei ce le "rad" complet şi cei ce le păstrează până la corectura manuală.

     De exemplu uneori $ poate fi un Ş-ş sau S-s, alteori ^ poate fi în locul unui î sau â; de foarte multe ori / se află în locul unui z.

     Deci?... personal nu ştiu cum e mai bine.. deocamdată le cam păstrez...


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#39
menssana1984
Vizitator



Chestia asta o aplic doar in cazul ocr-urilor facute dupa un scan clar.
Alminteri poate aparea problema cu text lipsa, asa cum e la marginile de text ce sunt incetosate.


 
   
#40
ciuperca_cosmin
VETERAN
Din: Bacau
Am implementat corectarea problemelor cu majuscule pentru orice lungime a zonelor de majuscule.
Am modificat si functia de reparare text rupt sa fie automata.
La ambele am creat o singura fereastra de configurare din care se pot rula toate sau o parte. Meniul Editare >> Corectare automata dupa OCR
In aceasta fereastra se pot face imbunatatiri si se mai pot adauga si alte functii - daca mai sugereaza cineva...
http://www.mediafire.com/?huncp8jmmwmd2pu


 
   
#41
menssana1984
Vizitator



De ce ultima optiune e debifata ca default?

Eu am Win7 de ce nu imi apar diacriticele in fereastra?
http://www.mediafire.com/?dvd1v2vuzv2g0dx


Crezi ca ai putea ajunge la o intelegere in privinta unui dictionar general de inlocuiri?


 
   
#42
ciuperca_cosmin
VETERAN
Din: Bacau
Ultima e debifata deoarece sunt unele situatii in care paragrafele nu trebuie unite.
De exemplu:

Code:

a)text;
b)text;
c)text;

In aceste cazuri (intalnite de mine chiar si in beletristica), nu ar trebui activata.

In ce priveste diacriticele cred ca de vina era setarea componentelor de pe fereastra pe charset-ul implicit al Windows-ului, nu pe cel Est Europen. Am schimbat, vezi daca merge bine la tine: http://www.mediafire.com/?v3papdcw6j2a0lb

Vorbesti de un dictionar de inlocuiri pentru Corectarile automate dupa OCR (de facut optiune cu bifa in fereastra) ?

PS: daca nici asa nu se vad diacriticele bine o sa le fac Unicode...


 
   
#43
ciuperca_cosmin
VETERAN
Din: Bacau
La cererea lui Seven am implementat 2 noi optiuni la Inlocuire multipla: se poate seta ca sirul de caractere sa fie cautat la inceputul unui paragraf respectiv la sfarsitul unui paragraf.
Descarcati versiunea noua de aici: http://www.mediafire.com/?q98z285ajqd44t9


 
   
#44
Seven
Moderator
Din: Ţara Perfectului Simplu
***
      Mulţumim, Cosmin!

      Opţiunile noi de la "înlocuiri multiple", ca şi celelalte implementate în ultimul timp sunt foarte utile.

      Cred că la momentul ăsta e timpul să fie explicate ceva mai în detaliu toate îmbunătăţirile ce au apărut pe în ultima perioadă.
      Pentru că am făcut textări cu fiecare din variantele noi de AutoCorect, încerc să mă ocup eu de treaba asta.
       Voi încerca să reiau fiecare nouă opţiune mai detaliat, adăugând şi imagini din AutoCorect, pentru a înţelege toţi userii despre cum se pot accesa şi cum funcţionează aceste noi opţiuni.

      Avându-te alături, sigur vei interveni dacă, eventual vreo opţiune nu am înţeles-o în mod corect sau nu vpi reda toate posibilităţile.

      Seven


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#45
Seven
Moderator
Din: Ţara Perfectului Simplu

      De ce să folosim AutoCorect?



     Răspunsul ar putea fi simplu: pentru că este folositor, chiar foarte folositor.
     Cu toate acestea, nu mă voi limita la un răspuns simplu.

     Vreau să subliniez încă o dată:
     AutoCorect, alte editoare de text şi corectoare ori diferitele template [indiferent cât de complexe şi perfecţionate ar fi] nu fac altceva decât să îmbunătăţească şi să pregătească textul înainte de corectarea manuală.

     Toate aceste editoarele, corectoarele, template, macrocomenzi şi orice alte minuni cibernetice vor fi inventate, indiferent cât de mult vor fi perfecţionate, nu vor reuşi în viitorul apropiat să înlocuiască corectura manuală, pentru faptul că a face corectură manuală, înseamnă a trăi, a respira, a simţi povestea cărţii pe care o corectezi; corectura manuală se face cu răspundere, dar din plăcere şi cu pasiune; altfel rezultatele vor fi departe de aşteptări.
     Corectând manual simţi că o frază, o propoziţie sau un cuvânt e „de acolo”, ori dimpotrivă simţi că el „glodeşte, înţeapă, stă-n ochi, zgârie” şi că nu e nimerit în text.
     Doar cititorul poate alege între forme ale verbelor „a vrea”, „a voi” sau ale hibridului „a vroi”. Indiferent cât de mult vom dori să eliminăm forma incorectă „vroiam”, vor exista multe situaţii în care acesta va trebui să rămână, pentru că aşa a voit autorul ca personajul lui să vroiască ceva.

     Deci, toate aceste editoare şi corectoare au rolul de a pregăti textul pentru corectura manuală.
     Mai mult decât atât, corecturile automate şi semiautomate se fac numai şi numai înainte de corectura manuală prin citire cap-coadă a textului şi, sub nicio formă după aceasta. După corectura manuală se mai pot face doar câteva înlocuiri automate, care ţin de formatare şi nu de corectarea textului.

     Pe de altă parte este ineficient, greoi, enervant şi obositor să corectezi un text OCR brut, rezultat din scanarea nu foarte bună sau, de-a dreptul de proastă calitate a unei cărţi vechi şi să te chinui să corectezi sau să ştergi toate răgăliile, erorile şi alte kirilicisme pe care Abbyy sau alt program de tip recognito le lasă în text.

     A corecta manual un OCR brut, neprelucrat, seamănă cu a pleca la plimbare cu maşina, dar nu la volan, ci împingând-o cu forţa braţelor. Poate părea exagerat, dar comparaţia are tâlcul şi adevărul său. Se poate ajunge în acelaşi loc şi la volan şi împingând maşina, respectiv şi corectând un text prelucrat şi unul brut, dar timpul consumat, gradul de oboseală sau relaxare, plăcerea, satisfacţia… vor fi totdeauna diferite.

     E păcat să nu beneficiem de ajutoarele pe care le avem la dispoziţie! Iar AutoCorect este unul dintre ele.

     E posibil ca unii dintre noi să nu fie tentaţi să folosească opţiunile AutoCorect pentru simplu fapt că nu ştiu foarte bine ce oferă acest program.

     Iată de ce cred că ar fi bine să revedem câteva dintre opţiunile pe care ni le oferă acest program.


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#46
Seven
Moderator
Din: Ţara Perfectului Simplu

        Conversie text clasic în text contemporan


   
     JUSTIFICARE:
     Există cărţi tipărite în text clasic [cu î în interiorul cuvintelor şi formele verbului a fi: sînt, sîntem, sînteţi] şi cărţi tipărite în text contemporan [cu â în interiorul cuvintelor şi formele verbului a fi: sunt, suntem, sunteţi].

     Părerile sunt împărţite în legătură cu faptul că o carte tipărită în text clasic, trebuie sau nu digitalizată în text contemporan sau păstrat textul clasic, ca în original.
     Indiferent de părerea în legătură cu varianta textului final, personal consider că pe timpul corecturii este mai uşor de lucrat cu text contemporan, pentru că există mai multe editoare care au sau cărora li se pot implementa corectoare de text contemporan şi mai puţine cele ce au şi versiuni de corectoare şi pentru text clasic.

     Pe de altă parte este foarte uşor de trecut din text contemporan în text clasic, aceasta realizându-se cu doar 5 înlocuiri: â–>î , –>Î, sunt–>sînt, suntem–>sîntem, sunteţi–>sunteţi, conversie ce poate fu făcut de orice utilizator, într-un timp foarte scurt.
     Conversia de la text clasic la text contemporan este mult mai dificilă, deoarece nu se face pur şi simplu o înlocuire a lui î cu â, ci conversia este mult mai complexă, fiindcă se păstrează scrierea cu î pentru prima literă şi ultima literă a unui cuvânt şi, în plus, există o mulţime de cuvinte compuse în care al doilea cuvânt component începe cu litera î, fapt pentru care se păstrează scrierea cu î, chiar dacă poziţia acestui î este în interiorul cuvântului.

     AutoCorect poate realiza conversia textului clasic în text contemporan în mod automat şi într-un timp record.
     Menţionez că pe timpul rulării opţiunii nu se face şi corectarea ortografică a cuvintelor, nu se rulează dicţionare, ci pur şi simplu se desfăşoară doar o conversie a celor trei forme ale verbului a fi şi trecerea lui î interior în â, conform regulilor stabilite de Hotărârea Academiei Române din 17.02.1993.
     Rezultă, deci că eventualele cuvinte scrise greşit intenţionat [limbaj în forme populare, arhaice, regionale, de jargon ori argou etc. etc.], vor fi păstrate în forma lor originală dar cu â în interiorul cuvintelor în loc de î.

     Pe forum o parte dintre noi am realizat această conversie cu ajutorul a 3 dicţionare de tip „Înlocuiri multiple”. S-a procedat astfel, pentru că la versiunile mai vechi de AutoCorect nu exista opţiunea directă.

     Varianta opţiunii „Editare –> Conversie text clasic în text contemporan” este mult mai rapidă decât varianta rulării dicţionarelor de tip „Înlocuiri multiple” şi are un înalt grad de corectitudine, deoarece se bazează pe existenţa unui dicţionar mai complex de cuvinte compuse de genul: bineînţeles, reîntoarcere, neîncepere, nemaiîntâlnit etc. etc. [vezi exemplele de prefixe la cuvintele care încep cu î, postate de Cosmin în pagina 1 a topicului].


     ACCESAREA OPŢIUNII „Conversie text clasic în text contemporan”

     Din meniul principal al programului se deschide submeniul Editare.
     În zona inferioară a submeniului există opţiunea „Conversie text clasic în text contemporan”, ca în imaginea de mai jos:



     La accesarea opţiunii apare fereastra explicativă şi de atenţionare următoare:



     În fereastra de atenţionare, acţionăm butonul „OK” şi din acest moment începe conversia.
     Fereastra de atenţionare se închide automat după accesarea butonului „OK”, programul revenind la fereastra principală.
     În bara de stare [situată în partea de jos a ferestrei programului AutoCorect] se arată în mod grafic şi numeric procentul de convertire a textului. Când conversia este terminată în bara de stare apare afişat 100%, fără apariţia altor ferestre de informare, aşa cum există la înlocuiri.
     În acest moment conversia este terminată; ea este realizată complet.


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#47
menssana1984
Vizitator



Multumesc pentru detalii 

 
   
#48
Seven
Moderator
Din: Ţara Perfectului Simplu

        Corectarea majusculelor eronate aflate în interiorul cuvintelor scrise cu minuscule



     JUSTIFICARE:

     Există câteva litere care au aceeaşi formă atât ca majuscule cât şi ca minuscule; le diferenţiază doar mărimea, iar Abbyy face adesea confuzii.
     Este vorba despre: C-c, O-o, P-p, S-s, Ş-s, U-u, V-v, W-w, Z-z dar uneori şi despre F-f, I-i, J-j, K-k .
     Datorită formei identice sau aproape identice a literelor, apar cuvinte în care unele din aceste litere sunt scrise cu majuscule în interiorul cuvântului.
     În funcţie de calitatea scanării, a tipurilor de font folosit la tipărirea cărţilor, de gradul de acomodare şi antrenament al Abbyy cu tipul caracterelor cărţii, pot apărea uneori cuvinte scrise astfel: mUlte, dUce, vădUVă, aCeeaŞi, aZUr, maJusCUle, minUSCUle, claSic…

     Dacă literele folosite la tipărirea cărţii pe hârtie sunt sans serif [fără rotunjiri, adică drepte – aşa cum ar fi Arial] erorile generale ale Abbyy sunt mai puţine; dacă literele tipărite sunt serif [adică rotunjite, cu elemente artistice – cum ar fi Bookman Old Style, cele de tip „Old” etc.], aceste erori, precum şi altele de alt tip pot fi cu frecvenţă mai mare.
     
     Din motivele descrise mai sus, apare necesitatea corectării majusculelor scrise în mod eronat în interiorul cuvintelor.


     ACCESAREA OPŢIUNII

     Din meniul principal se accesează submeniul „Editare”.
     În partea de jos a submeniului există opţiunea „Corectare automată după OCR” – ca în partea stângă a imaginii de mai jos.



     După accesarea acestei opţiuni, apare fereastra denumită „Corectarea automată după OCR”, fereastră redată în partea dreaptă a imaginii.
      După cum se poate constata, această opţiune este una complexă, dar o vom analiza pe secţiuni.
     Menţionez că marcarea cu careuri de culoare orange s-a făcut de subsemnatul pe imagine pentru a fi mai uşor de observat anumite detalii.
     
     În această fereastră se poate marca prima opţiunea [cea încadrată în orange] şi apoi se apasă butonul „Rulează”

     În timpul rulării opţiunii, în bara de stare a ferestrei principale AutoCorect, este afişat grafic şi numeric procesul de corectare.
     După terminarea executării înlocuirilor, se afişează fereastra informativă de mai jos:




     Să prezentăm un exemplu de text corectat cu această opţiune:

     În imaginile următoare avem un fragment de text aşa cum apare el înainte şi după rularea opţiunii „Schimbă grupurile de majuscule în litere mici atunci când sunt încadrate de litere mici”.






     Se constată următoarele două aspecte:
          — cuvintele scrise cu toate literele majuscule [all caps] – cuvintele pe fundal verde – nu au fost modificate; e cazul numelui de capitol şi a primelor două cuvinte din capitol;
          — cuvintele scrise cu litere obişnuite [minuscule, litere de rând] în care apar în mod eronat majuscule – cuvintele pe fundal galben – au fost corectate în totalitate.

          Menţionez că am propus lui Cosmin ca această opţiune să nu corecteze litera majusculă finală ca în cazurile: copiluL IoneL minunatL
– deoarece aceste cuvinte ar putea fi „corectate” în mod eronat ca fiind: copilul Ionel minunatl deşi, în realitate ele apar ca fiind: copilul… Ionel… minunat!...
     Şi astfel de exemple pot continua.
     Sper că informaţiile sunt suficiente şi nu foarte-foarte plictisitoare.   

_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#49
Seven
Moderator
Din: Ţara Perfectului Simplu

        Repararea rândurilor rupte

   

     JUSTIFICARE:

     Există situaţii în care într-un text, un paragraf [sau mai multe paragrafe, uneori întregul text] apare în mod eronat cu rândurile „rupte”.
     Este situaţia pe care a prezentat-o @lastiz pe topicul Formatarea minima a unui text – pag.9.



     Paragraful corect apare divizat în mai multe paragrafe, pe care în această explicaţie le vom numi „paragrafe false”.

     Motivele acestor erori pot fi următoarele:
          — În setările Abbyy este activată opţiunea: Options –> 3.Save –> Text settings –> Keep line breaks. [Acest aspect l-am arătat detaliat în topicul amintit mai sus];
          — Dacă textul este transferat în Word prin metoda Copy & Paste dintr-un pdf; în acest caz rândurile pot apărea exact ca în pdf, dar fiecare rând este interpretat de Word ca fiind un paragraf;
          — Dacă textul este transferat în Word prin metoda Copy & Paste dintr-o pagină Web; situaţia este similară cu cea de mai sus.
     Probabil că există şi alte situaţii, pe care nu le-am întâlnit ori le-am omis în acest moment.
     Cert este că pe net [subliniez: pe net, mai puţin pe acest forum] există foarte multe cărţi care prezintă astfel de erori.

     Indiferent de cauza acestor erori, se pune problema reparării situaţiei, adică a unirii „paragrafelor false” în paragraful corect.

      Rezolvarea în mod automat a acestei situaţii nu este de loc simplă, deoarece apar foarte multe tipuri de structură a rândurilor rupte, astfel: rândul rupt sau „paragraful fals” se poate sfârşi în literă mică, literă mică urmată de liniuţă, spaţiu liniuţă, literă mică urmată de virgulă, literă mică urmată de punct şi virgulă… etc. etc.
     Paragraful fals următor, cel cu care se face unirea/lipirea, trebuie în mod obligatoriu să înceapă numai cu literă mică.

      De foarte multe ori am constatat că „paragraful fals” se poate termina cu spaţiu, astfel: literă mică urmată de spaţiu, cratimă urmată de spaţiu, virgulă urmată de spaţiu sau punct şi virgulă urmată de spaţiu. Aceste din urmă situaţii nu sunt încă implementate în opţiunea AutoCorect şi ele trebuie supuse discuţiilor pe forum.
      Voi reveni cu această problemă la sfârşitul postării.
     

     ACCESAREA OPŢIUNII

     Primii paşi sunt identici cu cei de la opţiunea „Schimbă grupurile de majuscule în litere mici atunci când sunt încadrate de litere mici”.

     Deci, din meniul principal se accesează submeniul „Editare”.
     În partea de jos a submeniului există opţiunea „Corectare automată după OCR” – ca în partea stângă a imaginii de mai jos.



     După accesarea acestei opţiuni, apare fereastra denumită „Corectarea automată după OCR”, fereastră redată în partea dreaptă a imaginii.

     În fereastra „Corectarea automată după OCR”, cea de-a doua opţiune este cea care rezolvă problema rândurilor rupte şi se numeşte „Uneşte textul rupt în următoarele situaţii:”. În acest moment, opţiunea are 5 subopţiuni aşa cum apare în imagine.

     Se impune o paranteză în legătură cu subopţiunea nr. 5, [punct şi virgulă][sfârşit de paragraf][literă mică].
     În cărţi de specialitate, dar uneori – e drept, foarte rar – şi în cărţile de beletristică există paragrafe reale şi corecte care se termină în punct şi virgulă şi încep cu literă mică.
     E vorba de enumerări, clasificări, exemplificări şi alte situaţii.
     La fel de adevărat este că acestea încep în multe cazuri cu liniuţă urmată de literă mică, dar de foarte multe ori liniuţa nu este caracter liniuţă, ci un bullet de diferite forme; asta înseamnă că primul caracter text este tot litera mică.
     Începuturile de paragraf pot fi şi de tipul: a) text… b) text… c) text… sau a-text…, b-text…, c-text… etc., deci primul caracter din paragraf este din nou, tot o literă mică.

     Din acest motiv se impune să acordăm o mai mare atenţie activării acestei subopţiuni şi numai după ce am vizualizat cât de cât textul de corectat ca să constatăm dacă există astfel de paragrafe, de tipul [punct şi virgulă][sfârşit de paragraf][literă mică] care sunt paragrafe reale şi corecte şi care nu trebuie unite…
     În beletristică situaţiile de mai sus sunt rare şi se poate activa opţiunea cu mai mare uşurinţă. Dacă vor exista paragrafe corecte care încep cu literă mică şi s-a făcut unirea lor, acestea vor putea fi recorectate şi aduse la structura reală cu ocazia corecturii manuale prin citire cap-coadă.

     După activarea subopţiunilor pe care le considerăm valabile pentru textul de corectat, se apasă pe butonul „Rulează” şi programul începe corectarea erorilor.

     Aşa cum am arătat în postarea anterioară, în timpul rulării opţiunii, în bara de stare a ferestrei principale AutoCorect, este afişat grafic şi numeric procesul de corectare.
     După terminarea executării înlocuirilor, se afişează fereastra informativă.


     Să prezentăm din nou un exemplu de text corectat cu această opţiune:

     În următoarele trei imagini, este afişat un fragment de text aşa cum apare el înainte şi după rularea opţiunii „Repararea rândurilor rupte”.







     Am marcat cu fond bleu începuturile de paragraf [deşi era mai corect sfârşiturile de paragraf – dar am realizat acest lucru după urcarea imaginilor pe host] care se încadrează în condiţiile arătate la primele 4 subopţiuni, şi cu fond verde varianta prevăzută la subopţiunea 5.

     Prima imagine prezintă textul înainte de repararea rândurilor rupte;
     A doua imagine prezintă textul după reparare, având active doar primele 4 subopţiuni;
     A treia imagine prezintă acelaşi text după reparare, având active toate cele 5 subopţiuni. Fiind vorba de beletristică, în acest caz este corectă activarea subopţiunii nr. 5.


      DEZBATERE: Pentru că postarea este deja foarte lungă, voi pune subiectul dezbaterii într-o altă postare.


_______________________________________

     Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.


     | TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
     | Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
     | Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
     | Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

 
   
#50
menssana1984
Vizitator



Astept lamuriri cu optiunea nebifata

 
   
Pagini:  1 2 3 4 5 ... 52  
Mergi la