Meyers Konversationslexikon

Text archives Help


Re: [Meyers] ein paar Anregungen


Chronological Thread 
  • From: Karl Eichwalder <ke AT gnu.franken.de>
  • To: Schorschi <schosch AT snafu.de>
  • Cc: meyers AT lists.franken.de
  • Subject: Re: [Meyers] ein paar Anregungen
  • Date: Tue, 18 Nov 2003 17:03:21 +0100
  • List-id: Meyers Konversationslexikon <meyers.lists.franken.de>

Schorschi
<schosch AT snafu.de>
writes:

Hier meine pragmatische Sicht der Dinge.

> 1) entweder ich bin mal wieder mit Blindheit geschlagen (das wäre nicht
> das erste mal ;-), oder es gibt keine Information, was das Ziel des
> Projektes ist - soll der korrigierte Text den Rahmen für ein
> kommerzielles Ich-finanziere-mein-schönes-Leben-Projekt geben, oder soll
> es sozusagen gemeinnützig sein? (Ich denke, die leicht verständliche
> Erklärung dazu sollte einige Zweifler dazu einladen, gegebenenfalls bei
> dem Projekt mitzumachen).

Gute Frage. Die Texte als solche sind gemeinfrei; die Datenbank als
solche genießt bestimmt Leistungsschutz. Ich bin gerade dabei (mit
Christian Aschoffs Hilfe), den Band 15 (Stand Oktober) beim "Project
Gutenberg" einzuspeisen. Das ist alles nicht ganz einfach - man wollte
dort keine über 1000 Einzeldateien in einem .tar.bz2 haben. Also habe
ich eine simple HTML-Fassung, aufgeteilt auf 11 Dateien, hergestellt.
Wenn alles gut geht, sollte das Konvolut in den nächsten Tagen auf
ibiblio.org verfügbar sein.

Ich habe vor, dort regelmäßig Updates (quasi als Backup) abzulegen.

Dem Vernehmen nach wird bald die 5. Auflage in einer kommerziellen Form
von der Digitalen Bibliothek(?) angeboten werden.

> 2) es steht nichts auf der Seite zu eventuellen Problemen bei der
> Verwendung verschiedener Zeichensätze (iso-8859-1 oder iso-8859-9 oder
> Mac Roman oder ...) - was passiert, wenn ich die falsche Kodierung
> nehme? (es gibt mal wieder nur Windows-Bildchen ...)

Derzeit sollte alles iso-8859-1 sein (soweit ich weiß). Problematische
Stelle markiere ich ^[seit einiger Zeit wie hier]. Man kann wohl auch
HTML-Entities nehmen (&sigma; etc.) - da bin ich mir aber nicht
sicher. Im dritten Durchgang muß das dann endgültig festgelegt werden.

> Dazu gehört auch das Problem der Zeilenumbrüche!

Bitte Langzeilen verwenden - anders geht es beim derzeitigen
Projektstand wohl leider nicht. Absätze mit einer neuen Zeile beginnen
lassen; zwischen den Einträgen eine Leerzeile.

> 3) ich folgte dem Link für einen Korrekturvorschlag und wurde von einer
> Bemerkung begrüßt: "Die Seite wurde ausgekoppelt" - hm, das war
> ziemlich abrupt ... und entsprach nicht der Information in
> der Hilfe (vielleicht liegt es ja am Browser (Suse 8.2,
> Mozilla 1.2.1), oder ich habe mal wieder wild rumgeklickt ...)

Ich klinke immer aus und hole mir dann die Seite mit dem angehangenen
Script. Man kann damit auch eine ganze Serie holen:

fetch-meyer4 14 1 99

Holt Seite 1 bis 99 von Band 14 und legt die in dem Verzeichnis "14" ab
(aber nicht den Server töten! Pausen machen ;) ); mit der Option -i
kommt das entsprechende Bild und mit -w kann man für Bilder
Wartesekunden angeben.

fetch-meyer4 -i -w 15 14 1 99

(zwischen jedem Bild 15 Sekunden warten).

> 4) Was passiert bei einem zweiten Absatz zu einem Stichwort? Wird eine
> neue Zeile begonnen? Evtl. mit einem Leerzeichen am Anfang? Oder
> soll sogar (eher unwahrscheinlich) eine Leerzeile eingefügt werden?

Nur neue Zeile.

> 5) Was passiert mit Tabellen, wie sind die zu formatieren?
> (Beispiel: Band 5 Seite 254)

Jede Zeile der Tabelle in einer neuen Zeile beginnen; wird endgültig
erst im dritten Durchgang gelöst.

> 6) Wie wird mit den "Anführungzeichen unten" verfahren?

Haben wir bzw. die Scannsoftware nicht ;) Man hätte »...« nehmen
können, aber dafür ist es nun wohl erstmal zu spät.

> 7) Ein paar Worte über das Verfahren mit Akzenten (vor allem französische)
> fehlen (ich habe jetzt einfach welche eingebaut - Band 16 Seite 617)

Ja, soweit die bei iso-8859-1 existieren, bitte verwenden. Schwierig
ist es besonders bei den Ausspracheakzenten.

> 8) braucht die Datei am Ende noch einen Zeilenumbruch oder ist selbiger
> nicht erlaubt?

Ich bin dafür.

> 9) die Sache mit den Tags fehlt ... aber das ist vielleicht Absicht?

Spannende Frage.

Zur Info: ich bin nur Mitmacher, kein Projektverantwortlicher.

Hier das etwas verwilderte bash-Script:

#!/bin/bash
export LC_ALL=C
export LANGUAGE=C

medium=text
while test $# -gt 0; do
case $1 in
-i|--image) medium=image; shift ;;
-w|--wait) wait="sleep $2"; shift 2 ;;
-x) trace=-x; set -x; shift ;;
--v* ) echo "$progname - $package $version"; exit 0 ;;
--h* ) echo "$usage"; exit 0 ;;
-) break ;;
-*) echo "Try \`$progname --help' for more information."; exit 1 ;;
*) break
esac
done
bd=$1
s="$2"
e="$3"

#
http://susi.e-technik.uni-ulm.de:8080/meyers/servlet/showSeite?SeiteNr=0244&BandNr=5&textmode=true
dir=susi.e-technik.uni-ulm.de:8080/meyers
servlet="http://$dir/servlet";
text="$servlet/getTextFromSeite?Band=${bd}"
bild="$servlet/getImageFromSeite?Band=${bd}"
base="$servlet/showSeite"
bbd="$base?BandNr=${bd}&textmode=true"
if [ -n "$e" ]; then
seq=$(seq -f %04g $s $e)
else
if [ -z "${s##*[[:digit:]]}" ]; then
seq=$(seq -f %04g $s $s)
else
seq="$(seq -f %04g ${s%[[:alpha:]]} ${s%[[:alpha:]]})${s##*[[:digit:]]}"
fi
fi
# echo $seq

[ -d $bd ] || mkdir -p $bd
[ -d images/$bd ] || mkdir -p images/$bd
#echo $medium $bd $s $e
#exit
case $medium in
text)
for p in $seq; do
tmp=${bd}/${p}.txt-t
wget -O $tmp "${text}&Seite=$p"
if [ -s $tmp ]; then
if diff /dev/null $tmp | grep -q "No newline at end of file"; then
echo -e -n '\n' >> $tmp
fi
mv $tmp ${bd}/${p}.txt
else
rm $tmp
[ $p -gt 1000 ] && break
fi
done
;;
image)
for p in $seq; do
img=images/${bd}/meyers_${bd}_s${p}.jpg
if [ -f "$img" -a -s $img ]; then
ls -l "$img"
echo "$img does already exist; skipping"
continue
else
wget -O $img-t "${bild}&Seite=$p" && mv $img-t $img
$wait
fi
done
;;
*) break

esac

--
| ,__o
| _-\_<,
http://www.gnu.franken.de/ke/ | (*)/'(*)





Archive powered by MHonArc 2.6.19+.

Top of page