Предварительная обработка текстов учебников

1. Сканируем, распознаем и вычитываем текст в программе ABBYY FineReader.
2. Сохраняем текст в файл name.odt и просматриваем его в программе LibreOffice Writer на предмет ошибок с помощью спелл-чекера komi.oxt.
3. Копируем текст учебника в name.txt файл. > копия уходит в корпус коми языка.
4. В оставшейся копии, назовем ее name_kv.txt, проводим автоматическую разбивку на предложения скриптом pt.py (в Linux'е!).
5. Удаляем все строчки, содержащие поурочные словарики (в xed или gedit поиск по "—" хорошо их выделяет).
6. Включаем в xed / gedit коми спеллер и удаляем подчеркиваемый контент на русском языке.
7. Ищем по поиску все строки, не заканчивающиеся точкой, восстанавливаем единство предложений в стихотворных отрывках и удаляем все строки, не содержащие предложения / словосочетания.
8. Сортируем все строки по алфавиту с автоматическим удалением повторов.
9. Удаляем нумерацию и повторяющиеся начальные элементы строк.
10. Повторно сортируем и просматриваем весь текст.
11. Заполняем пропуски и восстанавливаем сознательно нарушенный порядок предложений и т.п. (для справки смотрим исходный файл name.txt или name.odt).
12. Проводим контрольную вычитку всех строк в name.kv.txt.
13. Делаем копию name.ru.txt, в которой все строки поочередно переводим, заменяя коми предложение / словосочетание русским.
14. В программе WinMerge, открыв name_kv.txt и name.ru.txt, проводим контрольную сверку оригинала и перевода, попутно выравнивания строки двух файлов (если случайно была нарушена последовательность строк).
15. Файлы с параллельными текстами name_kv.txt и name.ru.txt готовы для дальнейшей обработки программистами.