Читабельність тексту: 17 формул для 86 мов
Перекладена сторінка може бути коректною, повною й удвічі важчою для читання, ніж оригінал. На вичитці цього не видно: рецензент вільно читає мову оригіналу й ввічливо читає мову перекладу.
Код: ReadSight, ліцензія MIT.
Це найтихіший дефект контенту з тих, що ми знаходимо на аудитах. Англійська сторінка тримається на зручному балі, українська йде на три класи вище, і відмови на перекладеній сторінці не пояснюються нічим в аналітиці.
Що вимірює бал читабельності
Кожна формула рахує дві речі: слова в реченні та склади в слові. Довгі речення й довгі слова піднімають клас, короткі опускають. Про правдивість, структуру й користь тексту бал не каже нічого.
Flesch Reading Ease іде від нуля до ста, де вище означає простіше. Gunning Fog і клас Flesch-Kincaid показують шкільний рік, де нижче означає простіше. Змішати їх на одному дашборді означає отримати графік, який читається як шум.
Ця різниця важлива, коли клієнт питає, чому німецька сторінка «гірша» за англійську. Вона не гірша. Її вимірюють іншою формулою з іншими коефіцієнтами, і чесне порівняння можливе лише між двома німецькими сторінками.
Чому переклад іде вгору
До зростання класу ведуть три звички.
Перша це калька: зберегти синтаксис оригіналу й замінити слова. Англійська терпить речення на чотирнадцять слів із двома підрядними, українська читається краще, коли воно стає двома.
Друга це номіналізація. Перекладачеві в поспіху простіше взяти іменник, і «реалізація оптимізації» замінює «ми оптимізували».
Третя це сталість термінів. Назва продукту латиницею посеред кирилиці рахується одним довгим словом у кожній формулі, і сторінка з назв API виглядає складнішою, ніж читається. Це артефакт вимірювання, і лікується він не перейменуванням продукту.
Одна бібліотека замість дев’яти реалізацій
ReadSight рахує текст 86 мовами за 17 формулами без залежностей у рантаймі, крім mbstring і json. Цікавий тут поділ між двома видами формул.
П’ять формул працюють будь-якою мовою: Gunning Fog, SMOG, Coleman-Liau, Automated Readability Index і LIX. Вони рахують символи, слова й речення, а це є в кожній мові.
Решта дванадцять залежать від мови й несуть опубліковані коефіцієнти. Flesch Reading Ease і Flesch-Kincaid покривають дванадцять мов. Wiener Sachtextformel відповідає за німецьку, Gulpease за італійську, OSMAN за арабську, родина Fernández-Huerta за іспанську.
Тому англійська сторінка отримує дев’ять формул, іспанська одинадцять, німецька вісім, а тайське речення ніколи не оцінюється метрикою лише для англійської. Одне це правило прибирає найчастіший спосіб зробити числа читабельності безглуздими.
Склади це місце, де все ламається
Підрахунок складів недооцінюють усі. Евристика «порахуй голосні й відніми одну» працює, доки не зустріне «queue», «fire» або власне ім’я, і помилка накопичується на тисячі слів.
Бібліотека бере алгоритм переносів TeX за Frank M. Liang із наборами шаблонів на кожну мову. Той самий підхід стоїть за переносами в TeX і LibreOffice, і він дає межі складів, які тримаються на живому тексті, а не на словникових словах.
Як цим користуватися
Бал читабельності корисний як коридор, а не як мета. Документація для розробників тримається близько десятого-дванадцятого класу. Маркетингові сторінки для широкої аудиторії нижче. Юридичний текст вище і має там лишатися.
Гонитва за «восьмим класом» усюди вирізає потрібну точність зі сторінки довідника й додає воду в коротку. Коридор це прапорець: текст, що вийшов за нього, читають удруге, і людина вирішує, чи потрібна правка.
Для перекладених сайтів корисніше порівняння оригіналу й перекладу всередині однієї мовної родини. Стрибок на три класи між англійською сторінкою та її українською версією означає, що потрібен прохід по довжині речень, а не переписування.
Бібліотека працює на PHP 8.2 і вище, поширюється за MIT, показує 257 тестів, що проходять, і PHPStan максимального рівня. Вона запускається в кроці збірки або командою WP-CLI, тому перевірка може блокувати викладку без мережевого виклику.
Поруч: SEO про те, що відбувається після того, як текст став читабельним, і веб-розробка про те, де перевірка стає в реліз. Ще один прохід перед публікацією: 20 когнітивних упереджень у копірайтингу, бо читабельний текст усе одно може просити читача про хибне рішення.
Що почитати: Readability у Вікіпедії та рекомендації WCAG щодо рівня читання.