Các loại bất thường trong văn bản ​

Hệ thống kiemtratailieu.vn có khả năng phát hiện các kỹ thuật che giấu nội dung trùng lặp thông qua việc phân tích định dạng văn bản ở cấp độ ký tự. Dưới đây là bốn loại bất thường phổ biến mà hệ thống nhận diện và cách xử lý từng loại.

Bất thường về màu sắc ​

Định nghĩa: Là những ký tự có màu sắc trùng hoặc gần như tương đồng với màu nền, khiến người đọc bằng mắt thường không thể nhìn thấy được.

Cách xử lý:

  • Loại bỏ các ký tự ẩn này ra khỏi từ gốc.
  • Xem xét và chủ động tách thành các từ mới nếu cần thiết để đảm bảo đúng nghĩa văn bản.

Minh hoạ bất thường màu sắc: ký tự được đổi màu trùng với màu nền văn bản, nhìn bằng mắt thường không phát hiện được

Bất thường về kích thước ký tự ​

Định nghĩa: Ký tự có kích thước siêu nhỏ, nhỏ hơn 1/2 kích thước trung bình của các ký tự khác trong cùng một từ.

Cách xử lý: Tiến hành xóa bỏ ký tự siêu nhỏ đó khỏi từ gốc.

Minh hoạ bất thường kích thước ký tự: dấu chấm siêu nhỏ được chèn giữa các ký tự trong từ, chỉ nhìn thấy được khi điều chỉnh về chung một kích thước

Bất thường về khoảng cách ký tự ​

Định nghĩa: Khoảng trắng giữa các chữ quá nhỏ, nhỏ hơn 1/3 kích thước của các khoảng trắng bình thường khác trên cùng một dòng.

Cách xử lý: Xóa bỏ khoảng trắng bất thường này và gộp hai từ liền kề lại với nhau để tạo thành một từ hoàn chỉnh.

Minh hoạ bất thường khoảng cách ký tự: dấu cách kích thước siêu nhỏ được chèn vào giữa các từ, chỉ phát hiện khi điều chỉnh về cùng kích thước

Bất thường về bảng mã ​

Định nghĩa: Sử dụng các ký tự thuộc bảng mã khác (nhưng có hình dáng bên ngoài giống hệt ký tự Latinh thông thường) dễ gây nhầm lẫn.

Cách xử lý: Chuyển đổi các ký tự lỗi này về đúng định dạng chuẩn trong bảng chữ cái Latinh.

Minh hoạ bất thường bảng mã: ký tự Cyrillic (ví dụ: В, К, М, Р, Н) trông giống hệt chữ Latin nhưng máy tính nhận diện là ký tự khác, khiến tìm kiếm thất bại