校对方面：关于文字查找（已解决）

edennow

無愛 发表于 2024-3-17 15:31
好，下次校对书，试试脚本。
新增词库是不是如下图所示进行操作？

是的，直接增删改这些条目即可，可以一对一设置，也可以多对一设置，不过就是这个文件里有好几个 map 变量，最好是能比较明确这几个 map 的区别和作用。

另外就是这个词库的一些替换逻辑可能不是很符合直觉，那个帖子里有提到几个词条设置的规则，可能得多操作几遍验证下。

感觉比较简单的做法就是多校正几本书（暂时来讲挺快的，电脑配置不太差两三百万字估计就十秒左右），根据 bc 对比的结果把自己不需要的删掉，也基本上是只操作一次就行了。现在里面有一些词条可能设置得比较严格，有些词条后面也有一些注释说明，大概率是比需要的会多改一点，看着删改就行了。

無愛

edennow 发表于 2024-3-17 15:44
是的，直接增删改这些条目即可，可以一对一设置，也可以多对一设置，不过就是这个文件里有好几个 map 变 ...

这是个大工程呀，有时间整理一下记的笔记。
这些代码看着头疼，弄的话，还是按照截图的那个位置增加吧，会写一些注释。到时候回帖上传艾特你，你若有空看着着手处理不合理的进行删减吧。

無愛

edennow 发表于 2024-3-17 15:44
是的，直接增删改这些条目即可，可以一对一设置，也可以多对一设置，不过就是这个文件里有好几个 map 变 ...

例句：
他磕着瓜子
他磕着桌子上的瓜子
他磕着昨天放到桌子上的瓜子

以上例句有没有办法形成相关的词条？或者有没有正则可以实现？
就是在“磕瓜子”的“磕”后面能增减字符数量的正则表达外加“瓜子”形成一条能查找的正则。
如果有的话，相关的错字遗漏概率会低很多。

edennow

無愛 发表于 2024-3-17 19:23
例句：
他磕着瓜子
他磕着桌子上的瓜子

可以拉到最下面看看 regexmap 里面那些正则，目前比较简单粗暴地限定了类似“磕”和“瓜子”之间不出现任何截断句子的句号逗号等标点。比如可以看看“噘”和“嘴”之间是怎么限定的，还有更复杂一点的“幅副”的判断。

不过还是建议不要太依赖用堆太多正则的方式来校正（除非是实在看不下去，类似幅副这种，不好拆分的），还是尽量把一些词拆分，用词条的形式堆到 normalmap 里面（看你上个截图那个位置应该是 preprocessmap，里面是预处理的词条，好像位置不太对），这样可以比较好地维持效率，这些在那个帖子里基本都有提到，可能得花点时间详细区分一下那些不同的 map 了（建议打开 emeditor 的大纲视图，或者直接在文件里搜 map 查找下），不然可能无法实现你预期的效果。

另外这个词库确实维护起来有点麻烦的，可以先试用看看效果（建议常备 beyond compare 工具，不管是用来比对这个脚本的校正结果，还是比对任何工具的修改结果以及不同书源之间的差异都很有用），如果觉得能理解这种批量替换的一些效率提升，再详细啃一下那篇帖子。如果和你的预期偏差较大或者觉得不好怎么操作，也不一定需要硬用的哈，毕竟能用自己熟悉且能有效操作的方式来校正感觉才比较合适。

無愛

edennow 发表于 2024-3-17 21:01
可以拉到最下面看看 regexmap 里面那些正则，目前比较简单粗暴地限定了类似“磕”和“瓜子”之间不出现任 ...

呃，看了下，这正则太复杂了，表示看不懂
大神直接给个作业抄一下呗。

edennow

無愛 发表于 2024-3-17 22:09
呃，看了下，这正则太复杂了，表示看不懂
大神直接给个作业抄一下呗。

如果比较简单的实现我会写成：

【查找】磕([^\n，。…？！；、—\-～~（）：]*?)(瓜子|药)
【替换】嗑\1\2（在脚本里应该写成 嗑$1$2）

这里就用到了“分组替换”，分别用 \1 \2 来引用上面两个括起来的部分，(瓜子|药) 这部分可任意扩充至 (瓜子|药|xxx|aaa|bbb) 。

其实基本的正则应该只需要了解 (){}[] 三种括号分别有啥用和 *+? 分别代表重复几次，以及一些元字符，很多就能自己写了。
比较复杂的断言（也称环视）可以后面再看。
建议还是先看看正则那篇帖子，或者另外找些通俗易懂的教程巩固一下，其他就是日积月累了。
我写在脚本里的正则都是很简单粗暴的，可能看着比较长，但结构是相对简单的，如果能掌握正则的一些基础应该是能看懂的。

無愛

edennow 发表于 2024-3-17 22:23
如果比较简单的实现我会写成：

【查找】磕([^\n，。…？！；、—\-～~（）：]*?)(瓜子|药)

感谢大神，已记笔记。这下校书方便多了。