C4.5算法是在ID3算法基础上进行改进的决策树算法，以下是C4.5对ID3算法的主要改进方面：

1. **用信息增益率来选择属性 (A)**：
ID3算法使用信息增益来选择分裂属性，而C4.5算法使用信息增益率。这是因为信息增益在属性较多取值时可能偏向于选择取值多的属性，信息增益率通过引入"分裂信息"来规避这一问题，使得选择的属性更加合理。

2. **在树构造过程中进行剪枝 (B)**：
C4.5在构造决策树的过程中引入了剪枝机制，这帮助减少过拟合，提高对未知数据的泛化能力。ID3不具备这一功能，构造的树可能会过于复杂。

3. **能够完成对连续属性的离散化处理 (C)**：
ID3不能直接处理连续属性，而C4.5可以通过选取一个最佳分割点来将连续属性离散化，从而扩展了算法的适用性。

综上所述，正确的选择是：A、B、C。

### 专业分析：

- **信息增益率 vs 信息增益**
使用信息增益率可以避免信息增益对多值属性的偏好，使得属性选择更加平衡和合理。

- **剪枝的引入**
剪枝可以降低决策树的复杂性，从而提高模型对新数据的预测准确性。C4.5采用了后剪枝策略，通过先构建完全树，再通过剪枝简化。

- **连续属性处理**
C4.5通过在每个节点上为连续属性找到一个最佳分割点进行二分，融入到决策树的构建过程，实现了对连续变量的支持，扩展了应用场景。

- **扫描和排序**
C4.5对数据集进行多次顺序扫描和排序以找到最佳分割点，因此D选项关于无需多次扫描和排序是不准确的。数据扫描和排序是连续属性处理的必要步骤。

通过这些改进，C4.5相较于ID3在灵活性和模型准确性上有了显著提升，并广泛应用于实际问题的解决。