作者在 2021-06-18 10:03:44 发布以下内容
第一部分 发现错、漏、多
批改就是把“打字文本”和“样张文本”进行比对。
批改的最起码的要求，就是在2个文本中，每个字都须定性为“正确”或“不正确”（样张中的“不正确”，意思是指“没有被正确地打出来，”，就是“被漏打”和“被打错”）。（例3中的绿色“带儿子”），（例4中的红色“莫斯科去”）；在录入中，不正确的字也可以分为2类：，一类叫做“多打”（例2中的蓝色“的”），另一类叫做“打错”（例4中的红色“墨西哥”）
“正确”的3个原则是：1.两个文本中的正确字一一对应。 2.不能颠倒顺序。3.选“给分最多”的方案。
例1：样张是“他叫英白罗”，打字是“他叫罗英白”。正确（给分）字是4个：“他叫英白”。“罗”不给分，正是符合了这3个原则。
这样一来，就必须注意：为了符合第1、2原则，两个文本中已经“定性”的字符，不可以再参与比对。其左边的字，也不可再参与比对。
文本比对的基本操作，其实是单个文字（字符）的比对，而这种比对，只能判断两个字“是否相同”（并非“是否正确”，见“罗”字）。怎样才能批改出“正确”与“不正确”，甚至“对、错、漏、多”呢？我觉得，按怎样的规则来取出比对的“字”（出字顺序），是关键。
我的方法是：把“录入文本”中的每一字(zn2) ，按从先到后（就是从左到右）的顺序,拿出来与样张中的字(zn1)比对。必须等到zn2定性后，才可以取出下一个来（n2+1,其中n2表示zn2的位置）。
那么，样张中的zn1是按什么顺序来取出的呢？
zn1 是样张里“还没有定性的、最左面的字”。或者说，zn1左面的字都是已经定性了的字；zn1及其的右面都是还没有定性的字。
比对的语句，在不同的编程语言里会不同，但意思都是：如果 zh1 与 zn2 相同，那么怎样怎样；否则怎样怎样。 （不同的编程语言中，“从字串中取出字符”的方法各不相同，在VB里有现成的函数。）
zn1与zn2比对时，会有以下四种情况：（①、②、③1、③2）
如果zn1与zn2相同，那么，2个都是正确字。这种情况是大多数，除非打得“一塌糊涂”。我称之为“第一种情况”，我会在插图中zh2的下面用①标出来。
如果zn1与zn2不相同，那么，接着把zn2与“zn1右面的字”顺序、逐个地进行比对，这过程中，又有2种情况，一种是：直至样张结束，都没遇到与zn2相同的字，这时，zn2肯定是不正确的字，而zn1不能肯定。我用②来标志。这种情况是少数。典型的例子就是“全中文的样张却打了一个拼音或英文字母”。
★而比较复杂的是，在zn1右面（移过了若干个字，我用K来计数）找到了与zn2相同的字我称为“第3种情况”（比如例1“罗”，还有例3、例4） 。
那么，例3中的“到”（和例4中的“旅”）是否是正确的字呢，这里正是需要依据“正确字”的第3个原则（“给分最多”），这就需要进一步的“计算”，在这里由于比较简单，可以知道“到”、“旅”是正确字（样张里的字“到”、“旅”我标为z3），我用“③1”标志这个结果。而在“例1”中，“罗”却不是正确字我标为③2。
注意★：如果是“第3种情况”，就必须要进一步计算究竟是③1还是③2，这正是比对中的难点。（在我以前的博文中，有比较详细的叙述，）由于这涉及到“最长公共子序列”、“动态规划”、“递归函数”等等问题，叙述起来有很大的篇幅。这里不再赘述。
★这里特别要指出的是，根据原则2.不能颠倒顺序。 ，例3样张中的“带孙子”就定性为“不正确”了，我用K来记录其字数，例3中K=3，例4中K=4。
如果经过进一步的计算，样张中找到的这个字并不是zn2的对应字（例1的样张中的“罗”），那么就把这个字【当作是“与zn2不同的字”】（不能称为z3），继续往样张的后面找，找到，就再计算……。如果直到样张的最后都不能得到③1的结论，那么zn2就定性为“不正确”，zn1不能肯定，就跟②一样，我标志为③2。“③2”与②的效果★完全一样。
至此，我们可以归纳一下“正确字”、“不正确字”的“来历”：
“正确字”----------①、③1。
“不正确字”----：
打字文本那里“不正确字”--------由②、③2情况产生，连续的不正确字数可以通过一个一个累加而得到（我用Tmp来表示，见流程图）。
这些字（Tmp）有2个转变，在例1、例2中转为“多（蓝色）”；在例4中转为“错2（红色）”；
样张那里“不正确字”--------由③1情况产生，（例3样张中的“带孙子”）每次连续的部分用K记录，见“第3种情况”的例3的说明。
这些字（K）也有2个转变，在例3中转为“漏（绿色）“带孙子””；在例4中转为“错1（红色）”（“莫斯科去”）。
那么，“不正确字”又是怎么转变为“多、漏、错”的呢？转变是在“差异结束”的时候发生的。我们借助于彩色图 例1-例4，可以得出规律来：
多----见图例1（只在录入文本）： 遇到①时, 如果有 Tmp>0。打字文本的“差异结束”，（Tmp>0,K=0）就是（纯多）。请看流程图中的“差异结束a”。
漏----见图例3（只在样张文本）： 遇到③1时,如果有 Tmp=0。只有样张“差异产生又结束”， (Tmp=0,K>0) 就是（纯漏）。请看流程图中的“差异结束b”。
错----见图例4（两边文本都有）： 遇到③1时,如果有 Tmp>0。两个文本都发生“差异结束”，(Tmp>0,K>0)，习惯就说是错（又多又漏就是错。把“鳌”错打成“鳖”，也可以说“漏打了‘鳌’”、“多打了‘鳖’”）。请看流程图中的“差异结束b”。
我们再梳理一下两个文本的“出字顺序”：（用n1、n2来表示zn1和zn2的位置）
对于打字文本，我们已经说过了：定性一个，取出下一个，都是 n2+1。（看流程图）
而对于样张，要看3种情况：（看流程图）
情况① ----zn1、zn2 都正确，下一个字是：n1+1; n2+1
情况②或③2----zn2“不正确”,n2+1。 而zn1不能肯定，不取出下一个字： n1不动，不做 n1+1。
情况③1----zn2、z3正确，zn1和它到z3之前共有K个字都不正确。下一个字是: ★n1+K+1 ，n2+1。（漏打、打错，正是由情况③1而来）
要是你能把各个例子中的两行文本，放到流程图里走一遍的话，你就会对此主题有更好的理解。而且对于我第二部分中的“左右正误对照”，阅读起来会更容易一些。
第二部分 应用----分类统计、标注颜色和左右正误对照
分类统计由于比较简单，就不说了。
我们先看一下程序批改后的界面。一是“错、漏、多”字符标上了不同的颜色，二是★“左右正误对照”的那个“下拉列表”。当选择某一项时，会自动找到相应的字并★选中。就可以很“醒目”地左右对照了。
这2件事（标上颜色和左右选中对照）都需要2个数据：1.发生差异的起始位置QS（长整型SelStart，例子中的 zn1和zn2位置），2.不正确字串（差异）的长CD(SelLength，例子中的连续的红、绿、蓝色字符串的长度)，就是前面提到的Tmp、K（整型）。因为在不同的文本（样张、录入）和不同的差异点，这2个数据都不同，所以2个都是二维的数组。
数组QS() 和 CD() （中文“起始”和“长度”的拼音首字母）
第一维的值只有0和1，分别表示“样张”和“打字”。第二维是发生差异的次数mn，由于不能预先确定，所以采用“动态数组”，并将“差异次数mn”放在最后一维（第2维）。
1.起始点(QS)：请看流程图中的“差异开始”位置,就是“zn1 与 zn2 不同，而且之前‘Tmp=0’ ”,（由‘正确’转为‘不同’）的时候。
VB 代码：
If zn1 <> zn2 Then
If Tmp = 0 Then'差异起点
mn = mn + 1' 新的差异点。增加（mn）发生差异的次数
ReDim Preserve QS(1, mn)' 重定义，扩大起始点最后一维mn的上限，并且保留数据。
ReDim Preserve CD(1, mn)' ..........长度，……
QS(0, mn) = n1' 记录在样张的起始点n1
QS(1, mn) = n2' 记录在打字的起始点n2
End If
End If
2.差异长度(CD)：在（两个）差异结束的位置（由‘差异’转‘正确’）就可以得到差异的长度（Tmp、K）。请看流程图中的两个位置：“差异结束a、差异结束b”。
在位置a：情况①（这里是“正确”位置）
If Tmp > 0 Then'由不正确转为正确
CD(0, mn) = 0' 第一下标0表示记录在样张的差异长度是0。 因为这个地方只有“多”的差异。
CD(1, mn) = Tmp' 第一下标1表示记录在打字的差异长度是Tmp。
ComErr.AddItem "No." & Right("0" & Trim(Str(mn)), 2) & " 多" & Tmp ' & " 字"
'上面这句是在下拉列表ComErr中添加项： “No.05 多 8 字”（假设这时mn=5,Tmp=8）
Tmp = 0
End If
★左右2个文本文字的关联，就是“差异序号 mn”,下拉列表其实就是选某个序号。
在位置b：情况③1（这里也是“不正确转为正确”位置） 前面说过，当 Tmp>0 而且 K>0 时，就是打错；当 Tmp=0 而且 K>0 时，就是漏打。
因为b是在“情况③1的位置（看流程图），所有必定有 K>0。
VB 代码： CD(0, mn) = K ' 记录样张的差异长度K
If Tmp > 0 Then' 错
CD(1, mn) = Tmp '记下录入的差异长度
ComErr.AddItem "No." & Right("0" & Trim(Str(mn)), 2) & " 错" & K & "--" & Tmp ' & " 字"
Tmp = 0
K = 0
Else' 因为Tmp=0，就是漏
CD(1, mn) = 0 ' 记下录入的差异长度是0。
ComErr.AddItem "No." & Right("0" & Trim(Str(mn)), 2) & " 漏" & K '& " 字"
End If '
★通过上面的 1.和 2.，就把数据储存到2个数组 QS()、CD() 以及 下拉控件ComErr中保存起来了。
只要在下拉列表中选择某一项（mn=ComErr.ListIndex + 1），就会自动找到差异点位置，可以完成这个“差异点”的左右两边的选中、对照了。
有了这2个数据，就可以在不正确的字符上标志颜色了。可以用循环的方法。循环次数就是最大差异数mnMAX。
'下面的VB代码中，RT3是样张文本框， RT4是打字文本框。
Private Sub cmdCol() '用颜色标示差异。
Dim i%
For i = 1 To mnMAX
RT3.SelStart = QS(0, i) - 1
RT3.SelLength = CD(0, i)
If CD(1, i) = 0 Then
RT3.SelColor = RGB(0, 128, 0)'漏-绿
RT3.SelUnderline = True
RT3.SelBold = True
Else
RT3.SelColor = RGB(255, 0, 0)'错-红
RT3.SelUnderline = False
RT3.SelBold = False
End If
Next i
......
For i = 1 To mnMAX
RT4.SelStart = QS(1, i) - 1
RT4.SelLength = CD(1, i)
If CD(0, i) = 0 Then
RT4.SelColor = RGB(0, 0, 255)'多-蓝
RT4.SelUnderline = True
RT4.SelBold = True
Else
RT4.SelColor = RGB(255, 0, 0)'错-红
RT4.SelUnderline = False
RT4.SelBold = False
End If
Next i
RT3.SelStart = 0
RT4.SelStart = 0
End Sub
★当在文本中选中某个彩色字符时，程序可以由其位置来算出其所处的差异序号，从而自动求出另一个文本框的对应差异位置，自动选中，实现“左右正误对照”。
（当然，为使两边都显示“选中”，那两个文本框的 HideSelection 属性都要设置为 False）。
（题外话：“错、漏、多”字符，其实就是“两个字符串的 LCS 问题”中的“应该剔除的字符”，也可以叫“不参与的字符”。）
不好意思，博文中插入了一些 VB 代码。即使是自己写的代码，时间久了，都会忘记初衷。不熟悉VB的更会“云里雾里”。
批改就是把“打字文本”和“样张文本”进行比对。
批改的最起码的要求，就是在2个文本中，每个字都须定性为“正确”或“不正确”（样张中的“不正确”，意思是指“没有被正确地打出来，”，就是“被漏打”和“被打错”）。（例3中的绿色“带儿子”），（例4中的红色“莫斯科去”）；在录入中，不正确的字也可以分为2类：，一类叫做“多打”（例2中的蓝色“的”），另一类叫做“打错”（例4中的红色“墨西哥”）
“正确”的3个原则是：1.两个文本中的正确字一一对应。 2.不能颠倒顺序。3.选“给分最多”的方案。
例1：样张是“他叫英白罗”，打字是“他叫罗英白”。正确（给分）字是4个：“他叫英白”。“罗”不给分，正是符合了这3个原则。
这样一来，就必须注意：为了符合第1、2原则，两个文本中已经“定性”的字符，不可以再参与比对。其左边的字，也不可再参与比对。
文本比对的基本操作，其实是单个文字（字符）的比对，而这种比对，只能判断两个字“是否相同”（并非“是否正确”，见“罗”字）。怎样才能批改出“正确”与“不正确”，甚至“对、错、漏、多”呢？我觉得，按怎样的规则来取出比对的“字”（出字顺序），是关键。
我的方法是：把“录入文本”中的每一字(zn2) ，按从先到后（就是从左到右）的顺序,拿出来与样张中的字(zn1)比对。必须等到zn2定性后，才可以取出下一个来（n2+1,其中n2表示zn2的位置）。
那么，样张中的zn1是按什么顺序来取出的呢？
zn1 是样张里“还没有定性的、最左面的字”。或者说，zn1左面的字都是已经定性了的字；zn1及其的右面都是还没有定性的字。
比对的语句，在不同的编程语言里会不同，但意思都是：如果 zh1 与 zn2 相同，那么怎样怎样；否则怎样怎样。 （不同的编程语言中，“从字串中取出字符”的方法各不相同，在VB里有现成的函数。）
zn1与zn2比对时，会有以下四种情况：（①、②、③1、③2）
如果zn1与zn2相同，那么，2个都是正确字。这种情况是大多数，除非打得“一塌糊涂”。我称之为“第一种情况”，我会在插图中zh2的下面用①标出来。
如果zn1与zn2不相同，那么，接着把zn2与“zn1右面的字”顺序、逐个地进行比对，这过程中，又有2种情况，一种是：直至样张结束，都没遇到与zn2相同的字，这时，zn2肯定是不正确的字，而zn1不能肯定。我用②来标志。这种情况是少数。典型的例子就是“全中文的样张却打了一个拼音或英文字母”。
★而比较复杂的是，在zn1右面（移过了若干个字，我用K来计数）找到了与zn2相同的字我称为“第3种情况”（比如例1“罗”，还有例3、例4） 。
那么，例3中的“到”（和例4中的“旅”）是否是正确的字呢，这里正是需要依据“正确字”的第3个原则（“给分最多”），这就需要进一步的“计算”，在这里由于比较简单，可以知道“到”、“旅”是正确字（样张里的字“到”、“旅”我标为z3），我用“③1”标志这个结果。而在“例1”中，“罗”却不是正确字我标为③2。
注意★：如果是“第3种情况”，就必须要进一步计算究竟是③1还是③2，这正是比对中的难点。（在我以前的博文中，有比较详细的叙述，）由于这涉及到“最长公共子序列”、“动态规划”、“递归函数”等等问题，叙述起来有很大的篇幅。这里不再赘述。
★这里特别要指出的是，根据原则2.不能颠倒顺序。 ，例3样张中的“带孙子”就定性为“不正确”了，我用K来记录其字数，例3中K=3，例4中K=4。
如果经过进一步的计算，样张中找到的这个字并不是zn2的对应字（例1的样张中的“罗”），那么就把这个字【当作是“与zn2不同的字”】（不能称为z3），继续往样张的后面找，找到，就再计算……。如果直到样张的最后都不能得到③1的结论，那么zn2就定性为“不正确”，zn1不能肯定，就跟②一样，我标志为③2。“③2”与②的效果★完全一样。
至此，我们可以归纳一下“正确字”、“不正确字”的“来历”：
“正确字”----------①、③1。
“不正确字”----：
打字文本那里“不正确字”--------由②、③2情况产生，连续的不正确字数可以通过一个一个累加而得到（我用Tmp来表示，见流程图）。
这些字（Tmp）有2个转变，在例1、例2中转为“多（蓝色）”；在例4中转为“错2（红色）”；
样张那里“不正确字”--------由③1情况产生，（例3样张中的“带孙子”）每次连续的部分用K记录，见“第3种情况”的例3的说明。
这些字（K）也有2个转变，在例3中转为“漏（绿色）“带孙子””；在例4中转为“错1（红色）”（“莫斯科去”）。
那么，“不正确字”又是怎么转变为“多、漏、错”的呢？转变是在“差异结束”的时候发生的。我们借助于彩色图 例1-例4，可以得出规律来：
多----见图例1（只在录入文本）： 遇到①时, 如果有 Tmp>0。打字文本的“差异结束”，（Tmp>0,K=0）就是（纯多）。请看流程图中的“差异结束a”。
漏----见图例3（只在样张文本）： 遇到③1时,如果有 Tmp=0。只有样张“差异产生又结束”， (Tmp=0,K>0) 就是（纯漏）。请看流程图中的“差异结束b”。
错----见图例4（两边文本都有）： 遇到③1时,如果有 Tmp>0。两个文本都发生“差异结束”，(Tmp>0,K>0)，习惯就说是错（又多又漏就是错。把“鳌”错打成“鳖”，也可以说“漏打了‘鳌’”、“多打了‘鳖’”）。请看流程图中的“差异结束b”。
我们再梳理一下两个文本的“出字顺序”：（用n1、n2来表示zn1和zn2的位置）
对于打字文本，我们已经说过了：定性一个，取出下一个，都是 n2+1。（看流程图）
而对于样张，要看3种情况：（看流程图）
情况① ----zn1、zn2 都正确，下一个字是：n1+1; n2+1
情况②或③2----zn2“不正确”,n2+1。 而zn1不能肯定，不取出下一个字： n1不动，不做 n1+1。
情况③1----zn2、z3正确，zn1和它到z3之前共有K个字都不正确。下一个字是: ★n1+K+1 ，n2+1。（漏打、打错，正是由情况③1而来）
要是你能把各个例子中的两行文本，放到流程图里走一遍的话，你就会对此主题有更好的理解。而且对于我第二部分中的“左右正误对照”，阅读起来会更容易一些。
第二部分 应用----分类统计、标注颜色和左右正误对照
分类统计由于比较简单，就不说了。
我们先看一下程序批改后的界面。一是“错、漏、多”字符标上了不同的颜色，二是★“左右正误对照”的那个“下拉列表”。当选择某一项时，会自动找到相应的字并★选中。就可以很“醒目”地左右对照了。
这2件事（标上颜色和左右选中对照）都需要2个数据：1.发生差异的起始位置QS（长整型SelStart，例子中的 zn1和zn2位置），2.不正确字串（差异）的长CD(SelLength，例子中的连续的红、绿、蓝色字符串的长度)，就是前面提到的Tmp、K（整型）。因为在不同的文本（样张、录入）和不同的差异点，这2个数据都不同，所以2个都是二维的数组。
数组QS() 和 CD() （中文“起始”和“长度”的拼音首字母）
第一维的值只有0和1，分别表示“样张”和“打字”。第二维是发生差异的次数mn，由于不能预先确定，所以采用“动态数组”，并将“差异次数mn”放在最后一维（第2维）。
1.起始点(QS)：请看流程图中的“差异开始”位置,就是“zn1 与 zn2 不同，而且之前‘Tmp=0’ ”,（由‘正确’转为‘不同’）的时候。
VB 代码：
If zn1 <> zn2 Then
If Tmp = 0 Then'差异起点
mn = mn + 1' 新的差异点。增加（mn）发生差异的次数
ReDim Preserve QS(1, mn)' 重定义，扩大起始点最后一维mn的上限，并且保留数据。
ReDim Preserve CD(1, mn)' ..........长度，……
QS(0, mn) = n1' 记录在样张的起始点n1
QS(1, mn) = n2' 记录在打字的起始点n2
End If
End If
2.差异长度(CD)：在（两个）差异结束的位置（由‘差异’转‘正确’）就可以得到差异的长度（Tmp、K）。请看流程图中的两个位置：“差异结束a、差异结束b”。
在位置a：情况①（这里是“正确”位置）
If Tmp > 0 Then'由不正确转为正确
CD(0, mn) = 0' 第一下标0表示记录在样张的差异长度是0。 因为这个地方只有“多”的差异。
CD(1, mn) = Tmp' 第一下标1表示记录在打字的差异长度是Tmp。
ComErr.AddItem "No." & Right("0" & Trim(Str(mn)), 2) & " 多" & Tmp ' & " 字"
'上面这句是在下拉列表ComErr中添加项： “No.05 多 8 字”（假设这时mn=5,Tmp=8）
Tmp = 0
End If
★左右2个文本文字的关联，就是“差异序号 mn”,下拉列表其实就是选某个序号。
在位置b：情况③1（这里也是“不正确转为正确”位置） 前面说过，当 Tmp>0 而且 K>0 时，就是打错；当 Tmp=0 而且 K>0 时，就是漏打。
因为b是在“情况③1的位置（看流程图），所有必定有 K>0。
VB 代码： CD(0, mn) = K ' 记录样张的差异长度K
If Tmp > 0 Then' 错
CD(1, mn) = Tmp '记下录入的差异长度
ComErr.AddItem "No." & Right("0" & Trim(Str(mn)), 2) & " 错" & K & "--" & Tmp ' & " 字"
Tmp = 0
K = 0
Else' 因为Tmp=0，就是漏
CD(1, mn) = 0 ' 记下录入的差异长度是0。
ComErr.AddItem "No." & Right("0" & Trim(Str(mn)), 2) & " 漏" & K '& " 字"
End If '
★通过上面的 1.和 2.，就把数据储存到2个数组 QS()、CD() 以及 下拉控件ComErr中保存起来了。
只要在下拉列表中选择某一项（mn=ComErr.ListIndex + 1），就会自动找到差异点位置，可以完成这个“差异点”的左右两边的选中、对照了。
有了这2个数据，就可以在不正确的字符上标志颜色了。可以用循环的方法。循环次数就是最大差异数mnMAX。
'下面的VB代码中，RT3是样张文本框， RT4是打字文本框。
Private Sub cmdCol() '用颜色标示差异。
Dim i%
For i = 1 To mnMAX
RT3.SelStart = QS(0, i) - 1
RT3.SelLength = CD(0, i)
If CD(1, i) = 0 Then
RT3.SelColor = RGB(0, 128, 0)'漏-绿
RT3.SelUnderline = True
RT3.SelBold = True
Else
RT3.SelColor = RGB(255, 0, 0)'错-红
RT3.SelUnderline = False
RT3.SelBold = False
End If
Next i
......
For i = 1 To mnMAX
RT4.SelStart = QS(1, i) - 1
RT4.SelLength = CD(1, i)
If CD(0, i) = 0 Then
RT4.SelColor = RGB(0, 0, 255)'多-蓝
RT4.SelUnderline = True
RT4.SelBold = True
Else
RT4.SelColor = RGB(255, 0, 0)'错-红
RT4.SelUnderline = False
RT4.SelBold = False
End If
Next i
RT3.SelStart = 0
RT4.SelStart = 0
End Sub
★当在文本中选中某个彩色字符时，程序可以由其位置来算出其所处的差异序号，从而自动求出另一个文本框的对应差异位置，自动选中，实现“左右正误对照”。
（当然，为使两边都显示“选中”，那两个文本框的 HideSelection 属性都要设置为 False）。
（题外话：“错、漏、多”字符，其实就是“两个字符串的 LCS 问题”中的“应该剔除的字符”，也可以叫“不参与的字符”。）
不好意思，博文中插入了一些 VB 代码。即使是自己写的代码，时间久了，都会忘记初衷。不熟悉VB的更会“云里雾里”。
文中若有错误或不妥之处，欢迎指出。希望能与朋友商榷和交流。如有“没有说清楚”的地方，可向我提出疑问，我会尽力回复。
