Редактура украинского текста: 80 маркеров и 3 шкалы

Украинский текст на двуязычном сайте часто оказывается переводом: слова верные, синтаксис русский, тон как у анкеты 2011 года. Редактура украинского текста исправляет это списком шаблонов, а не вкусом.

Код: humanizer-ua, лицензия MIT.

В навыке 30 жёстких запретов, 12 нормативных правил и 80 маркеров в восьми группах. Сканер без зависимостей оценивает текст по трём шкалам: норма, стиль и структура.

Три шкалы, потому что одно число врёт

Оценка нормы ловит ошибку: дефис вместо тире, русская буква, сломанный апостроф. Оценка стиля ловит канцелярит, кальки и клише. Оценка структуры ловит ровные абзацы, вступление из чата и заголовок, повторённый в первом предложении.

У нормы есть вето. Текст с ошибкой не становится чистым оттого, что стиль идеален, и сканер пишет это в своём же выводе.

Запреты, которые делают работу

«У сучасному світі» и «варто зазначити» открывают абзац ничем. «Даний» вместо «цей» это калька. «Являється» это русский глагол «быть». «Відіграє ключову роль» заменяет факт оценкой.

У каждого запрета есть замена, и замена не является ещё одной красивой конструкцией. Обычно исправление это удаление.

Факт-замок раньше стиля

Числа, даты, имена, цитаты, условия и модальность заморожены. Если правка потеряла «до 5000» или превратила «може» в «робить», правка провалена, даже когда абзац читается лучше.

Это правило и делает навык пригодным для коммерческого сайта. Редактор, который улучшил ритм и потерял цифру, испортил страницу, и восстановить её дороже, чем переписать заново. Цифра в тексте это ещё и обещание, которое кто-то проверит.

Жанр меняет границу

Восемь регистров: маркетинг, экспертный текст, деловое письмо, новости, наука, документация, юридика, художественный текст. Что дефект в блоге, то норма в научной статье, и матрица говорит это прямо вместо одного стандарта на всё.

Юридический текст получает только фактические и языковые правки. В художественном остаются ритм автора, повторы и речь героев.

Сканер это эвристика, и он так себя называет

python scan.py article.txt --genre marketing печатает три оценки, находки по правилам и строку факт-риска. Нужен Python 3.9 и больше ничего.

Автоматически проверяются 33 маркера из 80, остальные агент проходит по каталогу глазами. Поэтому сто из ста означает «чисто по правилам сканера», и README говорит это в той же фразе.

Сканеру нужен только Python, без установки пакетов. Это важно на чужой машине, где ничего нельзя ставить, и в CI, где каждая зависимость это ещё один шаг.

Чего навык не обещает

Что текст пройдёт детектор ИИ. Навык не вставляет опечатки, не подменяет буквы и не имитирует человека. Его утверждение скромнее: текст перестаёт звучать как машинный перевод пресс-релиза.

Честность здесь важна для клиента, потому что продавец невидимости продаёт лотерейный билет с ежемесячным счётом.

Что проверить перед правкой

Откройте текст сканером и прочитайте три оценки до того, как трогать слово. Структура в восьмидесяти при норме в шестидесяти значит, что сначала ошибки, а стиль после.

Потом прочитайте вслух. Предложение, на котором вы спотыкаетесь, сканер не отметит никогда.

Третья проверка это источник. Текст, переведённый с русского, часто несёт русский порядок слов, и тогда правка идёт по предложению, а не по словам.

Куда это встроить

До публикации, с --genre под нужный регистр. При переносе сайта, чтобы почистить десять лет текстов, переведённых с русского. И в CI, где балл ниже порога валит сборку.

Репозиторий проверяет и себя: пример аудита в README сверяется с настоящим сканером скриптом, поэтому документация не может разойтись с поведением.

Рядом: убрать следы ии для русского и английского и читаемость текста о слое формул, который оценивает результат.