Arreglar un word con problemas derivados del escaneado.

[ersott]

Tengo un libro en doc con bastantes errores supongo que provenientes del escaneo.

En concreto, todo el libro tiene este formato


"Desde su lecho ceremonial de colgaduras verdes, Valentina, duquesa
de Orléans, escuchaba el repicar de las campanas de Saint-Pol. La igle-
sia estaba cerca del palacio real, tan sólo a un tiro de piedra. Las voces
de las campanas, aún diferenciables por su tono y su volumen al au-
mentar su intensidad, se fundían en un torbellino de oscuros sonidos.
Valentina unió sus manos por encima del cendal verde del cobertor."

Es decir, no está justificado y el márgen derecho no coincide con el de la página.



Y si intento reducir el tamaño de la página, el texto se convierte en:

" Desde su lecho ceremonial de colgaduras verdes,
Valentina, duquesa
de Orléans, escuchaba el repicar de las campanas
de Saint-Pol. La igle-
sia estaba cerca del palacio real, tan sólo a un tiro
de piedra. Las voces
de las campanas, aún diferenciables por su tono y
su volumen al au-
mentar su intensidad, se fundían en un torbellino"




Y la pregunta es: ¿hay algún comando en el word que corrija estos errores "automáticamente"?, o al venir mal del escaneado no hay nada que se pueda hacer más que corregir mano a mano todos esos errores...

[cathermac]

Había un hilo sobre trucos varios.
Ahora te lo busco.
El tema es que lo que tienes es un intro manual en cada linea y lo que necesitas es una serie de pasos que con los comandos de word buscar y reemplazar te vaya eliminando todo eso.
Dame dos minutos que enciendo el ordenador, busco el hilo o busco el doc donde yo tengo la lista de trucos.

[jotam]

...
Y la pregunta es: ¿hay algún comando en el word que corrija estos errores "automáticamente"?, o al venir mal del escaneado no hay nada que se pueda hacer más que corregir mano a mano todos esos errores...

Si algo puede hacerlo, era esto:

Te dejo la solución para la limpieza de cualquier doc que han puesto en la página amiga eljosemi y otros foreros:

- Sustituir "espacio+espacio" por "espacio" hasta que diga que no ha encontrado ocurrencias. Eso elimina los dobles espacios.
- Sustituir "espacio+^p" por "^p". Eso elimina los espacios al final de una linea
- Sustituir "^p+espacio" por "^p". Eso elimina los espacios al principio de una linea.
- Sustituir "^menos+^p" por "nada". Eso elimina las palabras silabeadas en el original.
- Sustituir ",^p" por ",+espacio". Eso elimina los parrafos rotos en una coma.
- Sustituir ";^p" por ";+espacio". Eso elimina los parrafos rotos en una coma.
- Buscar todas las ocurrencias de "^$^p". Esto nos encontrara todas la lineas que no tiene un punto al final.
Normalmente seran:
a - Un titulo de un capitulo. En ese caso marcarlo con el estilo correspondiente (titulo 2)
b - Un parrafo que ha perdido su punto al final. Ponerselo.
c - Un parrafo partido en dos de forma indebida. Recomponerlo.
- buscar ^l y sustituir por un espacio (si rompe el parrafo) o por un ^p si el final de un parrafo

Espacio = un espacio en blanco
Menos = el simbolo menos, que encontraremos encima del + en el teclado numerico.
nada = dejar la casilla vacia.

[cathermac]

Para unir palabras partidas con guiones, petó dio aquí una solución.

Bueno, tienes que ver cómo aparecen los guiones. Pueden aparecer "a-sí", o "a -sí", o "a- sí" o
"a-
sí".

En cada caso has de usar la herramienta reemplazar de word de diferente manera.

"a-sí": reemplaza "-" por nada.
"a -sí": reemplaza " -" por nada.
"a- sí" : reemplaza "- " por nada.
"a-
sí": reemplaza "-^p" por nada.

etc.

Algo de los saltos de linea aquí cortesía de cidraque

Estás loco! Lo haces a mano?
Te dejo un par de trucos para hacerlo en un par de minutos (lo de los saltos de linea donde no tocan)
Primero tienes que pulsar el botón ese en word donde te salen todos los espacios y saltos de linea, etc que tienes.
Si observas, verás que en los falsos saltos de linea ocurre lo siguiente: "espacio"enter, mientra que en los verdaderos se cumple: "Punto"enter.
Pues bien, lo que tienes que hacer es sustitur los "punto"enter con la herramienta de sustituir por algun simbolo, por ejemplo $. Es se hace poniendo en buscar: .^p y sustituir por: $
Una vez hecho esto sutituyes todos los saltos de linea, eso es arriba pones ^p y en reemplazar lo dejas en blanco.
Entonces sólo te queda sustiturir los $ por ^p para que se queden sólo los verdaderos saltos de linea.

Y aquí cortesía de silicon.

Un pequeño truco que seguramente te ayude.

En un documento word suele haber dos tipos de "enter"

Uno de ellos es un salto de linea (se pasa a la linea siguiente) y otros es un salto de parrafo (se comienza un nuevo parrafo).
En la mayoria de estas conversiones los falsos ENTER suelen ser saltos de linea.

Para corregirlos vas al word y con la opcion reemplazar le dices que reemplace "^L" por " " (un espacio en blanco).
Tambien es probable que hay opciones de silabeo, pon lo que puedes decirle que reemplace "-^L" por "" (nada, es decir, en blanco sin espacio)

Despues te quedaran los saltos de pagina del libro original. Estos suelen ser saltos de parrafo.
Para sustituirlos cuando se hizo silabeo usas: "-^p" por "" (nada) y reemplazas todos.
Los que no tienen silabeo son mas complicados, pero son faciles de distinguir porque no acaban en un punto.
Por tanto buscas "^$^p" con lo que te los encontrara facilmente. Asi tambien te encontrara los capitulos, con lo que sera facil darles el formato adecuado (recomiendo marcarlos como TITULO2. La otra posibilidad es ",^p"

Pero sé que había un hilo completo y no lo encuentro.

PD./ Lo dejo todo escrito para la posteridad

[ersott]

Mil gracias

En cuanto tenga un rato lo pruebo

[cathermac]

Buscar no es lo mio pero el que yo suelo usar es este, asi los dejamos todos reunidos. En su día lo pasó Surqui en el hilo que os digo.

Eliminar saltos de página erroneos

Buscar: .^p (^p: marca de párrafo)
Reemplazar: .XXX
Reemplazar todo

Hacer lo mismo con: :^p !^p ?^p

Buscar: ^p (Fuente normal: sin negrita, sin cursiva)
Reemplazar: _ (un espacio blanco)
Buscar: XXX (Sin formato!!)
Reemplazar: ^p (marca de párrafo)

Para un repaso de algo que haya quedado (pinchar el icono ¶ en word para verlos). Pueden ser necesarios las siguientes búsquedas y sustituciones (hacer unas búsquedas de prueba sin sustituir aún):

Buscar: _^p (espacio en blanco y marca de párrafo)
Reemplazar: (en blanco y sin formato)

Buscar: -_ (guion corto y espacio en blanco)
Reemplazar: (dejar en blanco reemplazando por nada)
Esto debería eliminar guiones de separación silábica (comprobar que el guión de diálogo es el largo "-" y que los guiones de separación silábica tienen un espacio blanco después)

Buscar: —: (guión de diálogo y dos puntos)
Reemplazar: :^p— (dos puntos, marca Párrafo y guión diálogo)

[ersott]

Muchísimas gracias, que diferencia, ha quedado fetén


El problema es que ahora tiene muchos errores de palabras unidas, al quitar saltos de parrafo, se han creado como unos 35-40 por página y el libro no es pequeño precisamente

voy a seguir investigando


edito: creo que ya se donde está el problema


edito2: los errores de palabras unidas ya se han solucionado, pero el resto de errores de reconocimiento de escaneo siguen, y son muchos, muchísimos, no se si tendré paciencia para arreglarlos


El texto ha quedado genial con los cambios que comentabais, una maravilla

[jotam]

Supongo que ya lo habrás buscado hecho ¿no? Sería un error de principiante, pero viniendo de ti, sería raro. Aún así, y porsi.

[ersott]

Supongo que ya lo habrás buscado hecho ¿no? Sería un error de principiante, pero viniendo de ti, sería raro. Aún así, y porsi.

Si, de hecho yo no lo he escaneado, es un doc que he encontrado por ahí, es la única copia que he visto.

el libro en concreto es: "el bosque de la larga espera"


Te sorprenderías de los errores que soy capaz de cometer aún hoy en día

[Nem0]

Tengo un libro en doc con bastantes errores supongo que provenientes del escaneo.
[...]
Es decir, no está justificado y el márgen derecho no coincide con el de la página.

[...]
Casi seguro que ESO no es un problema de escaneo (por lo general suelen ser errores de ortografía).
Yo diría que es un problema de CONVERSION DE FORMATO, casi seguro que de PDF a DOC.

Y la pregunta es: ¿hay algún comando en el word que corrija estos errores "automáticamente"?

Hay TRUQUITOS que arreglan algunas cosas (ya te han mencionado varios), pero suelen tener un coste: des-arreglan otras cosas.

Mi consejo: busca por la red ese mismo título en otros formatos hasta dar con el original. Si tienes la mala suerte de que el original salió en PDF, entonces haz tu mismo la conversión lo mejor que sepas. (Yo suelo usar el SOLID CONVERTER, pero para todo hay gustos).