Hướng dẫn Soát lỗi chính tả với phần mềm hỗ trợ

Mình cũng hay dùng Notepad++. Nếu có script thay hàng loạt như này thì quá tốt rồi.

 

Cảm ơn bạn nhiều
Vấn đề là mình có file Word (gọi là X.docx đi) khoảng 100-200 nghìn từ có định dạng in nghiêng, in đậm và có nhiều cụm từ sai lỗi chính tả.
Có file Excel (gọi là Y.xlsx đi) có 2 cột, một cột chứa cụm từ lỗi (cột A), một cột chứa cụm từ đúng (cột B). Tổng cộng mỗi cột có khoảng 18 nghìn cụm từ.
Mình cần phần mềm đọc lần lượt từng ô trong cột A so sánh xem có cụm từ nào trong file X.docx giống vậy thì thay bằng cụm từ tương ứng trong cột B.
Hiện nay mình chưa tìm thấy phần mềm nào thích hợp để làm việc này nên mới phải xử lý lòng vòng qua TextCrawler.
Ngoài ra thì mình không thạo về lập trình có phần mềm nào có sẵn thì mình sử dụng thôi

 

Cái này dường như là thích hợp.
Ví dụ mình có file dict.txt (đính kèm bên dưới) chứa hơn 13 nghìn cụm từ, cụm từ đúng và cụm từ sai nằm trên cùng 1 dòng và cách nhau bởi dấu tab.
sau đó mình có file X.docx hoặc X.txt (khoảng 200 nghìn từ) là văn bản cần thay thế hàng loạt cụm từ.
Bạn có thể hướng dẫn chi tiết cho trường hợp này được không?

 

Bạn gửi luôn một file X.docx của bạn qua đây, mình sẽ thử rồi hướng dẫn lại...

Gửi luôn mình file dict mà theo dạng excel của bạn..., mình thử bằng Sigil luôn

 

Script này mình cũng tìm trên mạng thôi. Thật ra, nếu dùng Emeditor thì đơn giản hơn. Nhưng phải dùng phần mềm bẻ khóa, không thì phải mua phần mềm. nên mình cũng ngại.

 

Tối mình gửi nha. Cảm ơn bạn.

 

Đây bạn.
File Excel trong file rar.
file X.docx có khoảng 230 nghìn từ và có khoảng 2200 cụm từ in nghiêng trong đó.
File X.txt tạo từ file X.docx và thêm thẻ p, i.
Nếu bạn dùng Sigil thì mình tạo sẵn file X.epub để bạn dùng được luôn.

 

Hướng dẫn sử dụng Notepad++

1. Cài Python Scipt: làm như trong hình. Chỉ thay vì vào chổ "Installed" thì vào chổ tab "Available". Không thì vào cái link nó ghi trong cái hình này để tải.


2. Cài Script:
a. Tải cái file MassReplace_Code.txt bên dưới. Sau đó, đổi nó thành MassReplace_Code.py
b. Thêm New script vào Python Script bằng cách chép nó vào
C:\Program Files\Notepad++\plugins\PythonScript\scripts

Sau đó, tắt Notepad++ và mở lại

3.Lưu file Dict.txt mình đã sửa bên dưới (file định nghĩa những từ cần sửa) và file cần sửa (trong trường hợp này là file X.txt của bạn) vào cùng một folder. Có thể lưu nhiều file cần sửa vào chung folder này. Script sẽ chạy hết tất cả các file txt, html, log trong folder này. Script này chấp nhận cả sub folder nếu muốn. Nhưn chạy sẽ lâu thêm.

4. Mở file Dict.txt và chạy mã như hình dưới



Sau đó cứ bấm ok 4 lần, hoặc chọn tùy theo cái bạn muốn script làm. Nó sẽ tự động mở file X.txt lên sửa. Đừng làm gì nó, cứ để nó chạy. Khi nào nó xong. nó sẽ hiện lên một cái cửa sổ "done". File X của bạn mình chạy 5 phút. Nếu có nhiều file hơn, thì sau khi sửa hết 1 file, nó sẽ chạy file khác sửa tiếp...

 

Đây là file X.txt mình đã chỉnh theo cách trên, bạn xem được không. Vì bị hạn chế số file đính kèm, nên phải gửi thêm thread mới..

 

Mình cũng đã test 2 ý tưởng kia.

Cách 2: Search theo Group Search trên Sigil. Chạy được nhưng quá chậm. 10' mà chưa xong. Nên thôi bỏ.

Nhưng được cái là làm trực tiếp trên Sigil. Và cho phép bạn kiểm tra trước khi sửa. Nên phù hợp với việc kiểm tra và sửa trực tiếp những tư dễ sai: "gợi lên" vs "gọi lên"

Cách 3: Đã test luôn cách QT Translate. Phần mềm này chạy nhanh khá nhanh. Kích thước file dic.txt bự hơn cũng không sao.

Nhưng mình cần kiểm tra lại, vì bản thân QT có tự động convert một số ký tự (thí dụ “ ” thành " "). Để xem có chổ nào tắt đi không. Nên vẫn chưa tự tin khuyến nghị.

Với lại, cách 1 chạy khá ổn và cho phép làm nhiều file, áp dụng cho nhiều trường hợp. Nên chắc không cần cách này.

 

Về phần này, mình đề xuất bạn một cách làm khác, có thể dễ dàng hơn và đỡ công chuyển cửa sổ qua lại.

Cách kiểm và đổi từng từ:
Bạn đổi cái danh sách từ "Khả Nghi" của bạn theo cấu trúc sau:
(\.|\s|\?|\*|,|\!|"|“|”|'|-)(Từ01|Từ02|Từ03...|Từ0N)(\.|\s|\?|\*|,|\!|"|“|”|'|-)

Sau đó, dùng tính năng search Regex của Sigil. Cứ search từng cái và sửa...

(\.|\s|\?|\*|,|\!|"|“|”|'|-) <- đoạn này ý nghĩa là chỉ lấy những từ bắt đầu và kết thúc bằng các dấu liệt kê trong đó (“ ”, ＊，。？！），hoặc khoảng cách (\s). Dấu gạch đứng | là dấu "hoặc", muốn thêm dấu nào khác vào thì cứ thêm dấu | vào trước...(trừ vài dấu đặc biệt phải thêm vào cần có dấu \ ở trước (như: . * ? ! )

Cách kiểm trước một loạt rồi sau đó đổi những chổ cần đổi:
Cũng dùng cái Regex search như ở trên. Nhưng ở phần Replace, bạn thay bằng mã: \1\2[Chính Tả]\3
Cái này ý là, tìm ra để ý như cũ, thêm vào [Chính Tả] làm dấu trang.
Xem hình để tham khảo:


Nhưng đừng search và replace gì cả. Mà vào Search và xài tính năng "Filter Replacement" như hình bên dưới:



Sau đó, nó sẽ chạy tìm hết những chữ có trong danh sách của bạn và liệt kê ra. Mình dùng danh sách trong file excel "Dict 230103" của bạn và chạy trên cuốn truyện Đường Chuyên 5.8MBs thì tốn tầm 3-4 phút nó sẽ chạy ra cái bảng này


Dựa trên bảng này, Đầu tiên bạn bỏ chọn hết (ở trên cái gốc trái trên cùng select/un-select all). Tiện thể sửa luôn cái số "Context" ở gốc phải cửa sổ sang 50. Sau đó, bạn đọc và chọn chổ nào bạn muốn sửa...

Khi chọn xong, bấm "Apply Changes"
Sau đó, những chổ cần sửa sẽ được thêm chữ [Chính Tả], bạn cứ search và sửa....

Mình cũng đính kèm mã search (SearchChinhTaCumTu.txt) mình đã đổi từ File Excel "Dict 230103" của bạn

 

Để mình thử xem sao. Cảm ơn bạn

 

cho mình hỏi, từ điển nào có 175K từ vậy, cho mình xin link với

 

Mình đặt tất cả các file ở C:\Download mà không chạy được.
Không biết có sai sót chỗ nào không nữa.

 

Lưu cái Massreplacement_code.py đó vào
C:\Program Files\Notepad++\plugins\PythonScript\scripts

 

Mình lưu hết vào C:\Download như video này vẫn không được.
Mình dùng Win 10, Notepad++ 8.7.7
Python Script cài cho Notepad++ là bản 2.0

 

Bạn chép file MassReplace_code.py vào chổ này, rồi tắt NotePad++ mở lại thử:

C:\Program Files\Notepad++\plugins\PythonScript\scripts

 

Mình làm như trên, đã có Massreplacing_Code trong Menu Script như không thay thế được từ nào.
Mình làm như video này:

 

Bạn làm ngược rồi: Bạn mở file Dict.txt rồi chạy script, chứ đừng mở X.txt

Nguyên tắt hoạt động của nó là: dựa vào định nghĩa trong file file đang mở (Dict.txt), thay đổi cho tất cả những file X.txt, X.html, X.log lưu trong cùng folder đó...

Và bạn không cần lưu file Dict.txt và X.txt vào trong folder Script của App đâu. Lưu ở chổ khác đi bạn, để tránh rối.

 

Cảm ơn bạn. Mình thấy chạy rồi đó. Thấy thay được mấy từ rồi mà không biết khi nào nó chạy xong. Khi chạy xong có dấu hiệu hay thông báo gì không bạn?