CSC - ContextSubCorrector - por epere4

DESCRIPCIÓN:
Este programa intenta corregir errores en subtítulos producidos por la extracción mediante OCR.
Corrige cuatro clases de error:
	* Espacios dentro de números.
	* Espacios antes de ciertos símbolos de cierre.
	* Espacios después de ciertos símbolos de apertura.
	* Confusión entre I (i mayúscula) y l (L minúscula).
DETALLES:
	* Espacios dentro de números:
		A veces los pequeños espacios entre dos dígitos son considerados como 
		espacio, así que el archivo de salida contiene números separados en 
		dos o más partes. Esto pasa mucho con el dígito 1 (uno).
		Si no sabés a lo que me refiero, te doy unos ejemplos:
			"1999" puede ser confundido y escrito como "1 999".
			"1,323" puede ser confundido y escrito como "1 ,323".
			"3.432" puede ser confundido y escrito como "3 .43 2".
		Se basa en el hecho de que un dígito no puede ir seguido por un espacio 
		y luego un número (por lo menos no en el idioma normal), o seguido por 
		un espacio y luego una coma o un punto.
	* Espacios antes de ciertos símbolos de cierre:
		Hay algunos símbolos que no deben tener espacios antes que ellos. El programa borra
		todos los espacios anteriores a los siguientes símbolos: 
			Signo de Interrogación de Cierre (?)
			Signo de Exclamación de Cierre (!)
			Coma (,)
			Punto (.)
			Dos Puntos (:)
	* Espacios después de ciertos símbolos de apertura:
		Algunos otros símbolos no pueden tener espacios después de ellos. El programa borra
		los espacios que vienen después de los siguientes símbolos:
			Signo de Interrogación de Apertura (¿)
			Signo de Exclamación de Apertura (¡)
	* Confusión entre I (i mayúscula) y l (L minúscula):
		Muchos subtítulos en DVD vienen en letra Arial. Así que la letras 'l' e 'I' son muy
		similares. Este programa toma ventaja del hecho de que hay algunos lugares dentro de una 
		palabra donde una 'l' puede ir, pero no una 'I', y lo mismo pasa con la 'I'.
		Estas son las reglas que el programa usa para detectar dónde hay una 'l' y debería ir 
		una 'I' y viceversa:
			mIm --> mlm
			MIm --> Mlm
			mIM --> mlM 
			MIM Válida

			_IM Válida
			_Im Válida
			mI_ --> ml_
			MI_ Válida

			MlM --> MIM
			mlM --> mIM  (caso raro, no lo corregimos)
			Mlm Válida
			mlm Válida

			_lM --> _IM
			_lm Válida
			ml_ Válida
			Ml_ Válida
			MMl_ --> MMI_

			_l_ --> _I_  (esta regla está hecha para el idioma inglés)
		Donde:
			m: letra minúscula
			M: letra mayúscula
			_: espacio
			I: letra I
			l: letra l
			

CUESTIONES CONOCIDAS:
Quizás haya veces en las que los dígitos han sido puestos con espacios intermedios
por alguna razón especial. Bueno, el programa no puede adivinar.

Hay algunos casos donde es imposible determinar si debería ir una 'l' o una 'I' sin un 
diccionarios (ejemplo: una 'I' al comienzo de una palabra cuando el resto de la misma
está en minúscula. "Internet" es una palabra válida, y también lo es "lampara", pero podrían
estar mal y ser "linternet" y "Iamp", y el programa no podría corregir nada).

SOLUCIONES:
CSC te da un archivo log que lista todos las líneas que han sido cambiadas junto con su número, 
para que puedas corregirlas manualmente.
Además, si no te gusta lo que NSC le ha hecho a tu archivo, puedes restaurarlo con la copia 
de respaldo que NSC hace para vos.
De todas maneras, luego de corregir el subtítulo con CSC deberías usar otro programa (como Word)
que pueda corregir utilizando diccionarios. Podrías haber usado ese programa desde el principio,
pero CSC hace la mayor parte del trabajo aburrido-repetitivo, con lo cual todo el proceso se te 
hace más rápido.

CÓMO USARLO:
El programa es una aplicación de consola, así que trabaja en línea de comandos, pero también 
funciona si arrastrás y soltás un archivo de sutítulo encima del programa. O mejor aún: Si
usas el instalador del programa, podrás hacer clic con el botón derecho en un archivo y 
tener la opción para corregir el subtítlo en el menú contextual.
El uso desde la línea de comandos es muy simple:
	CSC.exe [archivo de subtítulo]

LICENCIA:
Este programa es absolutamente gratuito y puede ser usado o distribuido de la forma que quieras
siempre que cites al sitio oficial y/o a su autor. 
El autor de NSC no es responsale de ningún daño que el programa pueda causar. El uso que el 
usuario le de al es de su absoluta responsabilidad.

CÓDIGO FUENTE:
Pedímelo y te lo daré :-)

CONTACTO
Cualquier comentario o sugerencia será bienvenida en epere4 [arroba] gmx . net
Visita mi sitio web http://home.no/epere4


Visita Doom9 para las guías más comprensibles sobre respaldo de DVD (http://www.doom9.org/)
Visita Doom9 esn Español para una traducción al español del sitio de Doom9 (http://spanish.doom9.org/)

DESARROLLO A FUTURO
-No se. ¿Qué me sugerirías?

LISTA DE CAMBIOS:
Version 0.2 beta - Junio 20, 2003
	El nombre: El programa se llama ahora ContextSubCorrector, y no NumSubCorrector.
	Corrección lI.
	Borra espacios anteriores a cualquiera de los siguientes símbolos: '?', ',', '.', ':', '!' 
	Borra espacios que vienen después de cualquiera de los siguientes símbolos: '¿', '¡' 
	Una pequeña mejora en la presentación del archivo de log.
	Bilingüe: Ahora el programa viene también en Español, y no sólo en Inglés. 
	Podés elegir el idioma desde el instalador.
Version 0.1 beta - Junio 16, 2003
	Primer Lanzamiento. Sólo corrige espacios entre números.