Продвинутый обратный транслит (с английского на русский)

Статья будет интересна тем, кому мало обычной транслитерации в Excel.

Обратная транслитерация — это одна из самых сложных задач. Казалось бы, просто: «вернуть кириллицу из латиницы». Но на практике всё превращается в настоящий квест. Сотни исключений, десятки языков, тысячи неоднозначностей.

Почему обратный транслит – это сложно

Проблема обратной транслитерации заключается в отсутствии универсальных правил соответствия между латиницей и кириллицей. Одни и те же буквосочетания передаются в русском языке по-разному в зависимости от позиции в слове, фонетического окружения и даже языка-источника.

Например:

• y это обычно «и» (Tiffany → «ТиффанИ»), но может быть и — «ай» (fly → «флай»).
• ch обычно транслитерируется как «ч» (Charles → «Чарльз»), но может быть «х» (charon – харон), «ш» (Chanel – «Шанель») или «к» (Chrysler → «Крайслер»).
• i чаще соответствует «и», но иногда «ай» (Ironman → «Айронмен»).
• man – это и “мен” (супермен, бэтмен) и “ман” (обычно в фамилиях, как Морган Фриман)
• c может читаться как «к» (Canada → «Канада»), «с» (Cinema → «Синема») или даже «ц» (Cerato – «Церато»).
• мягкий знак фактически берется “из ниоткуда” – у него нет эквивалентов в западных языках. Paul – Поль
• Слова французского происхождения – отдельная песня. Renault, Peugeot, Louis, Leroy… Точно не Ренаулт, Пеугеот, Лоуис и Лерои :)

Таким образом, одна и та же комбинация латинских символов не имеет однозначного соответствия в кириллице. Выбор зависит от:

• позиции буквосочетания (начало, середина или конец слова);
• типа слога (открытый или закрытый);
• языка-источника (английский, французский, итальянский и др.);
• устоявшейся традиции написания в русском языке.

Именно поэтому простая подстановка символов «один к одному» даёт результат с множеством ошибок и не соответствует реальному русскоязычному написанию.

К сожалению, инструмент всё еще не работает с контекстом, и поэтому не всегда даст вам идеальный результат. Например, одному Богу известно, почему Эмма – Уотсон, а доктор – Ватсон. Фамилия у них одна – Watson.

И всё же я сделал то, чего раньше в Excel не было. Я собрал все правила и исключения, проработал самые частотные варианты на основе Wordstat, протестировал на реальных данных: английские имена, автотранспорт, интерьер, бытовая техника, программное обеспечение и т.д..

Результат уже очень хорош — слова восстанавливаются в привычное русскоязычное написание с удивительной точностью. И это подходит не только для этих сфер: алгоритм работает с любой тематикой, где есть термины на латинице.

Теперь это часть !SEMTools. Вы можете за секунды превратить слова на латинице в нормальный читаемый текст, без ручной правки и бесконечных проверок. Никаких аналогов (кроме использования нейросетей, конечно же) у этой процедуры нет.

Кому будет полезен инструмент

• Вебмастерам — для локализации и уникализации контента, работы с метатегами.
• Контент-менеджерам — для массовой транслитерации названий товаров, брендов, географических названий и т.д.
• SEO-специалистам — для кластеризации семантики, составления Title, H1, Description.
• Специалистам по контекстной рекламе — для аналитических задач, для генерации текстовых объявлений, ключевых слов, поиска синонимов.
• Всем остальным, кому нужен обратный транслит :)