Cómo está hecho
Leer y votar
Dos ejemplares de la misma impresión (Madrid, Joachín de Ibarra, 1771), en dos escaneos distintos, leídos por el taller con Kraken (el modelo CATMuS-Print). El escaneo principal repite ocho hojas (las págs. 258-265): las repetidas no se leen. Se casaron página a página por su número (348 páginas) y se votaron letra a letra: donde las dos lecturas dicen lo mismo, eso; donde no, la que da una palabra del léxico de su época; si solo se distinguen por una tilde, la del ejemplar principal, que está escaneado a más resolución. Los preliminares y el índice no llevan número de página y van con la lectura del principal sola.
Medir
Contra cinco páginas copiadas a mano en la imagen (págs. 12, 62, 120, 200 y 334; 3.996 letras), el texto votado se equivoca en un 2,75 % de las letras. Casi todo el error está en la pág. 120, una tabla de la conjugación de acostar (17,7 %), por el orden en que la máquina lee las columnas; en las cuatro páginas de prosa, entre el 0,44 % y el 2,01 %. El ejemplar principal solo, 3,38 %; el segundo solo, 2,75 %.
| texto | CER | pág. 12 | pág. 62 | pág. 120 (tabla) | pág. 200 | pág. 334 |
|---|---|---|---|---|---|---|
| el voto (lo publicado) | 2,75 % | 0,96 | 0,72 | 17,72 | 0,44 | 2,01 |
| el ejemplar principal solo | 3,38 % | 0,96 | 0,96 | 22,09 | 0,98 | 2,01 |
| el segundo ejemplar solo | 2,75 % | 1,06 | 1,20 | 17,72 | 0,66 | 1,23 |
Trocear
Por reglas que se leen, sin modelos de lenguaje (`herramientas/gramaticas-libro/`, con tests). Las reglas solo quitan o juntan lo que la máquina o el impresor ponen fuera del texto; no se corrige ninguna palabra.
- El reclamo: al pie de cada página el impresor repite la primera palabra de la siguiente («la segunda del A ór» | «órden y concierto»). Fuera, y con él la signatura del pliego (218).
- El párrafo que sigue en la página siguiente se junta, y la palabra partida entre dos páginas se escribe entera (172).
- Los capítulos, de la «Tabla de los capítulos» del propio libro: en su página se busca su título y se parte ahí. Los artículos, donde la lectura trae «ARTICULO» y su número (45); alguno que la máquina leyó mal no sale en el índice y su texto va con el artículo de antes.
| partes | capítulos | párrafos | páginas leídas | palabras |
|---|---|---|---|---|
| 4 | 19 | 1953 | 413 | 44.541 |
Lo que queda mal y se ve: las tablas de la conjugación y la lista de los verbos que rigen preposición, donde la máquina mezcla las columnas y los puntos de relleno; alguna capital adornada que no se lee («ON Francisco» por DON Francisco); y algún reclamo que no casó con la página siguiente (unos veinte párrafos acaban sin punto).
El texto entero, en TXT. Todo es de dominio público; lo nuestro (el troceado, las cuentas, estas páginas), CC BY 4.0, Karb and Sil.