Dokumentstruktur mit Jev wiederherstellen und dabei den Quelltext bewahren

Ziel

Wahrscheinliche Überschriften, Absätze und Listengrenzen aus beschädigter Formatierung rekonstruieren, ohne dass aus einer strukturellen Reparatur eine nicht nachverfolgte Neufassung des Dokuments wird.

Voraussetzungen

Für die Dauer des Auftrags eine unveränderliche Referenz auf die Eingabe, Zeilenkennungen und einen Renderer mit einer expliziten Positivliste zulässiger struktureller Änderungen bereithalten. Vor dem Versand privater Dokumenttexte an einen externen Dienst eine Erlaubnis einholen.

Schritte

1. Sichtbare strukturelle Anhaltspunkte von mehrdeutigen Grenzen trennen. Explizite Code-Einrückung, Markierungen und Leerzeilen gemäss der Anwendungsstrategie bewahren; einen Klassifikator nicht bitten, Tatsachen zu überschreiben, die dem Parser bereits vorliegen.

2. Für unsichere Zeilenverbindungen eng gefasste Fragen verwenden, gefolgt von der Blockklassifikation, nachdem die Verbindungen geklärt sind. Das Cookbook des Anbieters arbeitet mit aufeinanderfolgenden Durchgängen, weil die spätere Blockbestandsaufnahme von früheren Antworten abhängt.

3. Die Darstellung per Code aus den ursprünglichen Textabschnitten erzeugen. Festhalten, welche Zeilenkennungen zu welchem Ausgabeblock beigetragen haben und welche Strukturmarkierungen eingefügt wurden. Rechtschreibkorrekturen aus diesem Vorgang heraushalten.

4. Eingabe und Ausgabe anhand der präzisen Transformationsregeln vergleichen. Zulässige Leerzeichen und Markierungen berücksichtigen, ohne bedeutungstragende Interpunktion, Zeichen, Kennungen oder Code-Einrückung zu ignorieren.

5. Mehrdeutige Blöcke überprüfen und Prosa testen, die codeähnlichen Text, nummerierte Kennungen, verschachtelte Listen und zitierte Anweisungen enthält. Unsichere Struktur als Vorschlag anzeigen, statt sie als wiederhergestellte ursprüngliche Absicht darzustellen.

Erwartetes Ergebnis

Das Ergebnis ist formatierter Text mit einer Zuordnung von Quelle zu Block und einer Liste der strukturellen Entscheidungen. Eine überprüfende Person kann nachvollziehen, ob der Vorgang den Inhalt verändert hat oder nur die zulässigen Darstellungsmerkmale.

Grenzen und Prüfbasis

Diese Methode wurde hier nicht getestet. TypeSafe beschreibt die Strukturwiederherstellung, aber die Klassifikation kann einen Satz weiterhin in die falsche Rolle einordnen. Die blosse Bewahrung des Textes stellt keine semantische Äquivalenz her, wenn die Struktur Bedeutung trägt. Die zugrunde liegende Schnittstelle bzw. das Muster ist in Structure recovery beschrieben; der obige Arbeitsablauf ist eine vorgeschlagene Anpassung.