Редактура українського тексту: 80 маркерів і 3 шкали

Український текст на двомовному сайті часто виявляється перекладом: слова правильні, синтаксис російський, тон як в анкеті 2011 року. Редактура українського тексту виправляє це списком шаблонів, а не смаком.

Код: humanizer-ua, ліцензія MIT.

У навичці 30 жорстких заборон, 12 нормативних правил і 80 маркерів у восьми групах. Сканер без залежностей оцінює текст за трьома шкалами: норма, стиль і структура.

Три шкали, бо одне число бреше

Оцінка норми ловить помилку: дефіс замість тире, російська літера, зламаний апостроф. Оцінка стилю ловить канцелярит, кальки й кліше. Оцінка структури ловить рівні абзаци, вступ із чату й заголовок, повторений у першому реченні.

У норми є вето. Текст із помилкою не стає чистим від того, що стиль ідеальний, і сканер пише це у своєму ж виводі.

Заборони, які роблять роботу

«У сучасному світі» і «варто зазначити» відкривають абзац нічим. «Даний» замість «цей» це калька. «Являється» це російське дієслово «бути». «Відіграє ключову роль» замінює факт оцінкою.

У кожної заборони є заміна, і заміна не є ще однією гарною конструкцією. Зазвичай виправлення це видалення.

Факт-замок раніше за стиль

Числа, дати, імена, цитати, умови й модальність заморожені. Якщо правка загубила «до 5000» або перетворила «може» на «робить», правка провалена, навіть коли абзац читається краще.

Це правило і робить навичку придатною для комерційного сайту. Редактор, який поліпшив ритм і загубив цифру, зіпсував сторінку, і відновити її дорожче, ніж переписати заново. Цифра в тексті це ще й обіцянка, яку хтось перевірить.

Жанр змінює межу

Вісім регістрів: маркетинг, експертний текст, діловий лист, новини, наука, документація, юридика, художній текст. Що дефект у блозі, те норма в науковій статті, і матриця каже це прямо замість одного стандарту на все.

Юридичний текст отримує лише фактичні й мовні виправлення. У художньому лишаються ритм автора, повтори й мова героїв.

Сканер це евристика, і він так себе називає

python scan.py article.txt --genre marketing друкує три оцінки, знахідки за правилами й рядок факт-ризику. Потрібен Python 3.9 і більше нічого.

Автоматично перевіряються 33 маркери з 80, решту агент проходить за каталогом очима. Тому сто зі ста означає «чисто за правилами сканера», і README каже це в тій самій фразі.

Сканерові потрібен лише Python, без встановлення пакетів. Це важливо на чужій машині, де нічого не можна ставити, і в CI, де кожна залежність це ще один крок.

Чого навичка не обіцяє

Що текст пройде детектор ШІ. Навичка не вставляє одруки, не підмінює літери й не імітує людину. Її твердження скромніше: текст перестає звучати як машинний переклад пресрелізу.

Чесність тут важлива для клієнта, бо продавець невидимості продає лотерейний білет із щомісячним рахунком.

Що перевірити перед правкою

Відкрийте текст сканером і прочитайте три оцінки до того, як чіпати слово. Структура у вісімдесяти за норми в шістдесяти означає, що спершу помилки, а стиль потім.

Потім прочитайте вголос. Речення, на якому ви спотикаєтеся, сканер не позначить ніколи.

Третя перевірка це джерело. Текст, перекладений з російської, часто несе російський порядок слів, і тоді правка йде за реченням, а не за словами.

Куди це вбудувати

До публікації, з --genre під потрібний регістр. Під час перенесення сайту, щоб почистити десять років текстів, перекладених з російської. І в CI, де бал нижче порогу валить збирання.

Репозиторій перевіряє і себе: приклад аудиту в README звіряється зі справжнім сканером скриптом, тому документація не може розійтися з поведінкою.

Поруч: прибрати сліди ші для російської й англійської і читабельність тексту про шар формул, який оцінює результат.