Робота з великими обсягами тексту: що варто знати

Підготовка тексту перед транслітерацією

Якість результату залежить від якості вихідного тексту більше, ніж від алгоритму. Найтиповіше джерело проблем — копіювання з PDF: там слова часто розірвані переносом рядка, між літерами зустрічаються нерозривні пробіли, а замість звичайного дефіса стоїть довге тире. Транслітератор обробить це буквально, і на виході ви отримаєте розірвані слова.

Перед вставкою варто пройтися по тексту пошуком і заміною: прибрати подвійні пробіли, звести всі варіанти апострофа до одного символу, перевірити відсутність переносів усередині слів. Пʼять хвилин на підготовку економлять годину на вичитуванні результату.

Змішані алфавіти — прихована пастка

У текстах, які довго живуть у різних системах, трапляється неприємна річ: усередині кириличного слова стоїть латинська літера, візуально не відрізнима від української. Літери а, е, о, і, с, р, х мають однакове накреслення в обох алфавітах. Слово «Роcія», де с — латинська, виглядає нормально, але транслітератор залишить цю літеру без змін, і в результаті зʼявиться дивний гібрид.

Якщо в готовому латинському тексті раптом трапляються кириличні символи або окремі слова виглядають неправильно транслітерованими — причина майже завжди саме в цьому. Перевірити можна пошуком по кириличних літерах у результаті: їх там не має бути жодної.

Узгодженість у межах одного документа

Головна вимога до транслітерованого документа — не абсолютна відповідність стандарту, а внутрішня узгодженість. Якщо прізвище директора зустрічається на пʼятьох сторінках, воно має виглядати однаково в усіх пʼятьох місцях. Автоматична обробка гарантує це автоматично, ручна — ні.

Окремий випадок — документи, де частина імен уже має усталений латинський запис із паспортів. Тоді правильний порядок такий: спочатку транслітерувати весь текст автоматично, потім точково замінити ті прізвища, для яких є офіційний паспортний варіант. Робити навпаки — гірше: легко пропустити входження.

Пакетна обробка таблиць

Для стовпчика в таблиці найнадійніший підхід — транслітерувати його цілком і вставити результат поруч, не замінюючи оригінал. Так ви завжди зможете звірити пари «до і після» і не втратите вихідні дані, якщо щось піде не так. Ключова перевірка — кількість рядків до і після має збігатися.

Якщо у комірках трапляються складені значення на кшталт «Іванченко Іван Іванович», транслітеруйте їх як єдиний рядок: кожне слово обробиться окремо, а пробіли збережуться. Розбивати ПІБ на три колонки заради транслітерації не потрібно.

Коли текст містить назви, що вже мають усталене написання

Міжнародні бренди, назви іноземних компаній і власні назви, запозичені з інших мов, транслітерувати не потрібно — їх повертають до оригінального написання. «Нова Пошта» в англомовному документі зазвичай подається як Nova Poshta, а не Nova Poshta через транслітерацію кожної літери, і в цьому випадку результати збігаються. А от «Ай-Ті Компані» краще записати як IT Company, а не Ai-Ti Kompani. Автоматична обробка таких випадків не розпізнає — їх правлять вручну після загальної транслітерації.

Чого транслітерація не робить

Вона не перекладає. Після обробки текст залишається українським — просто записаним іншими літерами. Іноземець, який читає Dohovir vid 12 bereznia, не зрозуміє змісту, хоча зможе це вимовити. Якщо документ потрібен для розуміння, а не для ідентифікації, потрібен переклад, а не транслітерація. Транслітерують, як правило, лише власні назви, реквізити та адреси — те, що має лишатися впізнаваним, а не зрозумілим.