botolph
Full Member | Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ironwit
Цитата: Значит задача такова - есть очень большое количество e-book в различных форматах. От текстового (lib.ru) до pdf (что это , все знают )
Нужно иметь программу которая может создать список всей литературы, с возможностью снятия нескольких страниц из текста, опись, поиск по словам, группировку, возможность работать с отдельными носителями (то есть что-то на дисках, что то на винте, что-то в инете...)
|
Я эту задачу уже начал решать - очень рад, что и Вам она интересна - а то народ
осень плохо (т.е. никак) не прореагировал на мое предложение - см. мой
пост на e-Book (http://forum.ru-board.com/topic.cgi?forum=35&bm=1&topic=15722)
пардон не помню страницу так что просто повторю:
==========
Я думал, как сделать каталог своих электр. статей (десяток тысяч)
и понял, что 99,99% процентов вопросов будут типа:
"где статья/книга такого-то с таким - примерно - названием
или такими словами где-то во введении".
Это на > 50% охватит также "что почитать про..."
И хотел сделать так - пишу BAT (у меня Windows) он проходит
по всем поддиректориям (сделан!)
и с помощью Ghostscript автоматически одна-две первые страницы
любого PDF/PS - соотв. EmTeX'овский dviscr для DVI,
djvulibr'овские утилиты для DJVu (эти вещи уже тоже работают!)
автоматически печатает в TIFF (или кто что любит)
и переносит в одну директорию
генерируя уникальные имена (создавая лог где это взято)
потом FineReader (или как их теперь там)
- сделав пару опечаток в каждом термине - переводит в тексты.
Потом простейший текстовый поисковик ищет заданное сочетание слов
(автор - название - или ключевые, отражающие тему),
так, чтобы эти слова были "близко друг к другу"
и поближе к началу распознанного не обязательно в данном порядке
и не слишком чувствует пару-тройку опечаток распознавания
(Что? Нет, я сам программ не имею... Мне ка-а-ц-ца...)
Ну Google же работает! и не так плохо, учитывая объемы.
Подобное мероприятие, если его вдумчиво разработать
(по Вирту, сначала сверху вниз... ну, я сильно отстал от жизни)
позволить любому запустить разок (надо-о-лго) это банду
программ у себя в книжном архиыве и слить в единую "базу"
Потом update легко - если договориться вновь заносимые
файлы какой-нибудь touch или как их там ставить
текущую дату или еще лучше (другой пакет) автоматически
сравнит структуру директорий
на данный момент и на предыдущий проход...
В любом случае подобные распознанные текстовики
- АРХИВАЖНЫ И АРХИНУЖНЫ. Для тысяч статей в моем архиве
это единственный выход.
И прибамбасы типа вывода на экран самих найденых TIFF -
ну, добавить по вкусу и перемешать.
======================
Уже так сделал в черновом варианте для книг - не так уж много времени это и заняло..
Ваше мнение?
|
) 
- ведь выдается 
