Meyers Konversationslexikon

Text archives Help


Re: [Meyers] ein paar Anregungen


Chronological Thread 
  • From: Christian Aschoff <caschoff AT mac.com>
  • To: meyers AT lists.franken.de
  • Subject: Re: [Meyers] ein paar Anregungen
  • Date: Tue, 18 Nov 2003 18:39:52 +0100
  • List-id: Meyers Konversationslexikon <meyers.lists.franken.de>

Hallo,

da ich der Projektverantwortliche bin, versuche ich den Rest (nach Karl) zu beantworten bzw. zu kommentieren...


Am 18.11.2003 um 17:03 schrieb Karl Eichwalder:

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.


Das Projekt ist und bleib frei für jeden, der mit den Daten nicht-kommerzielle Dinge tun will. Auf die Texte gibt es sowieso kein Urheberrecht mehr, man könnte auch kommerzielle Nutzung nicht unterbinden. Vielleicht noch bei den Scans - aber wer will das wie nachprüfen? Alle Seiten Watermarken? Da das Projekt ein Freizeitprojekt ist, wäre das für mich persönlich zu viel Aufwand für zuwenig Nutzen. Ich möchte eigentlich 'nur' ein altes Lexikon mit einer Volltextsuche haben, für das ich kein Geld bezahlen muß.
Der Betrieb des Servers ist übrigens vom Leiter des Rechenzentrums der Uni Ulm auf lebenszeit (kostenlos) zugesagt - das Projekt wird also auch nicht plötzlich verschwinden.

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


Das stimmt, mehr dazu hier:
www.digitale-bibliothek.de


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.


Karls hat recht, aber ich würde HTML weglassen. Der Text soll ja eine Suche möglich machen, und das Wort H&uuml;tte würde dann z. B. nicht mehr gefunden. Es ist viel leichter, in den Servlets den Text bei der Ausgabe mit den HTML-Entities zu versehen.

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.


Stimmt.

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 ...)


Das habe ich bisher noch von keinem gehört. Es könnte aber theoretisch vorkommen, wenn zwei Anwender zeitnah auf den Link klicken. Müsste man in den Timestamps versuchen, nachzuvollziehen.

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 ;)

Das dürfte durchschnittlich angebundenen Usern schwer fallen ;-)

); 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.


Stimmt.

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.


Stimmt.

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.


Ich glaube, dadurch gehen auch keine Informationen verloren. Notfalls kann man das am Ende auch per Script erledigen.

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.


Stimmt.

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

Ich bin dafür.


Ist mir persönlich egal - die Mehrheit entscheidet ;-)

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

Spannende Frage.


Ja, das stimmt. Der Hauptgrund liegt darin, daß ich mir noch keine Gedanken über die Art und Weise gemacht habe - im Moment arbeite ich daran, die Daten zur Verfügung zu stellen (Band 3, Supplements und Thematisches Register sowie Farbtafeln) - also die Datenbank zu vervollständigen. Dann wird man sehen ;-)

Grüsse, Christian Aschoff.

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/ | (*)/'(*)

_______________________________________________
Meyers mailing list
Meyers AT lists.franken.de
http://lists.franken.de/mailman/listinfo/meyers


---
Dipl. Ing. (FH) Christian Aschoff

Büro:
Universität Ulm
Lehrstuhl Organisation und Management von Informationssystemen
Albert-Einstein-Allee 43
89081 Ulm
Deutschland/Old Europe

Tel. 0731 50-28795
christian.aschoff AT e-technik.uni-ulm.de

Privat:
Rosenäckerweg 5
89160 Dornstadt
Deutschland/Old Europe

Tel. 07348 24026
Fax. 07348 928368
caschoff AT mac.com

Helfen Sie mit: www.meyers-konversationslexikon.de






Archive powered by MHonArc 2.6.19+.

Top of page