Насколько это так, мы сейчас посмотрим. Почему речь зашла о кислотном тесте (acid test [2])? Дело в том, что совершенно бесполезно тестировать современные программы распознавания знаков на свеженьких текстах, отпечатанных типографским способом либо на лазерном принтере. Результат будет заведомо безупречен. Поэтому, если вам приходится иметь дело только с такими документами, то создавать электронный архив можно с любой программой OCR — разницы вы не почувствуете. Другое дело — документы экстремального характера…
14 лет назад из-под тонких пальчиков профессиональной машинистки выскочили 219 страничек моей диссертации. Как водится, первый экземпляр перекочевал к научному руководителю, второй — на кафедру, третий — в Ленинскую библиотеку в архивный отдел, а вот четвертый я зажал на память. Все эти годы я периодически возвращался к этим желтым и жухлым страничкам и всякий раз убеждался, что они — лучшее, что я создал в этой жизни. Вполне естественно, что желание перевести свою диссертацию в электронный вид не покидало меня ни на одно мгновение. Я набрасывался на всякий новый пакет OCR, но вот что из этого получалось, я вам сейчас продемонстрирую.
Перед вами типичный образец оригинального текста:
По большому счету, ничего тут героического нет: ну бледненько все, ну буквы неравномерно отбились — эка невидаль! Машинистка у меня была профессиональная — брала по восемьдесят копеечек за страницу, поэтому опечаток и замазок — самая малость. Не тут-то было! Этот «исходник» оказался не по зубам всем OCR без исключения.
То, как распознал этот отрывок FineReader предыдущей версии (4.64 Professional), достойно музея Гугенхайма:
Я насчитал только пять правильно распознанных слов (из двадцати девяти). Сами понимаете, «оцифровывание» моей диссертации пришлось отложить до лучших времен — проще все по новой перепечатать.
Приблизительно таким же был результат у CuneiForm 96 и CuneiForm 97, и CuneiForm 98… В какой-то момент я окончательно решил, что — не судьба. Как вдруг на свет появился CuneiForm 2000. Прорыв налицо:
Почувствуй, как говорится, разницу! Не беда, что «вещи с самом совой» и гарантия в четыре слова — «р их га антий». Тут уже можно было работать. И я принялся не спеша, неделя за неделей, разгребать авгиевы конюшни ультрасовременных технологий.
Но, как оказалось, я переоценил свое терпение. Потому что через месяц мне вся эта процедура обрыдла выше крыши. И я опять остался сидеть у самого синего моря в ожидании золотой рыбки.
В минувшее воскресенье я подставил свою диссертацию под FineReader 5.0. В успех не верил. Вот что получилось:
Нужны ли какие-нибудь комментарии? Нужны ли мои традиционные «эмоции взахлеб»? Думаю — нет. Факты, господа, одни только факты. Говорят, «аббисты-файнридерцы» переписали код программы с нуля. Если это так, то перед нами лишнее доказательство того, что русский человек не может ничего построить без того, чтобы сперва не развалить!
Помнится, дорогие аббийцы на меня за тот текст тогда обиделись, даже прислали письмо в редакцию с предложением провести независимое тестирование, давая понять, что мои результаты по четвертой версии - следствие мною же криво выставленных настроек. Я оправдывался: писал, что никаких настроек вообще не настраивал, а просто запускал процесс распознания текста по умолчанию, что говорится, из коробки. Детство отечественной айти-журналистики, чего уж там ☺
_________________________
За 11 лет много воды утекло: канула в Лету добрая «Кунейка» (CuneiForm) - единственный достойных конкурент Abbyy (не считать же конкурентом жуткий американский IRIS). Файнридер, однако, в нарушение всех законов и канонов бизнеса, оказавшись в гордом монопольном одиночестве, не то что не испортился-зазнался-остановился-в-развитии-деградировал, как чаще всего и бывает в бесконкурентном пространстве, а продолжил реально набирать обороты, превратившись в абсолютный мировой стандарт (с мировым же именем) и достигнув акурат маяковского состояния: «Мы говорим OCR - подразумеваем Файнридер, и наоборот».
Но даже не это самое главное. Мало того, что FR стал стандартом, так он еще и сохранил молодость технологического порыва, совершенствуя движок OCR, а не только рюшки-ряшки пользовательского интерфейса!
Именно эту уникальную способность FineReader к самосовершенствованию я и хочу сегодня продемонстрировать читателям. Я взял ту же самую историческую страничку своей диссертации и скормил ее одиннадцатой версии программы. Смотрите, что получилось: