Runeberg

runeberg@lists.lysator.liu.se

2 participants
302 discussions

OCR-program, hur funkar det?
by Anders Thapper 24 Feb '05

24 Feb '05

Hej, Jag förundras ibland över OCR-programmet och de tolkningar det gör och undrar om någon kan förklara hur det går till eller ge mig en länk där jag kan läsa om det själv. I uppfinningarnas bok förekommer ofta orten München och i väldigt många fall tolkas detta som Mimenen, jag kan se att antalet staplar passar bra men eftersom Mimenen mig veteligen inte är ett ord så begriper jag inte varför den tolkningen uppstår och återkommer igen och igen. Sen är ett vanligt fel att "om" tolkas som "örn", "han" som "lian", och "ro" som "rö", även när det inte finns något synligt smuts som kan lura tolkningen. I alla dess tre fall är det rätta ordet betydligt vanligare i svenska språket än det feltolkade och om programmet var osäkert så skulle det väl gissa på det mer använda, eller? Till sist undrar jag om det finns någon förklaring till att vissa ord får kapitäl även när de inte ska ha det, till exempel verkar detta drabba jern och jernet ganska ofta medan jag inte har märkt det på andra ord som börjar på j, beror det på att jern inte känns igen som ett ord? tacksam för svar, Anders Thapper

2 1

Grekiska tecken
by Lars Aronsson 24 Feb '05

24 Feb '05

Projekt Runeberg, De av er som haft ögonen på "Recent Changes"-sidan de sista dagarna kan ha sett en del märkliga "skräptecken" susa förbi. I och med inscanningen av ett finskt uppslagsverk, "Pieni Tietosanakirja", finns nämligen ett övervägande skäl att gå utanför den teckenstandard ISO 8859-1 som Projekt Runeberg tillämpat sedan starten 1992. Lösningen heter Unicode och närmare bestämt dess variant UTF-8. Detta gör att texter kan innehålla grekiska, ryska, arabiska, kinesiska, fonetiska och andra udda skrivtecken. Ett tydligt exempel är uttalsanvisningarna i början av det finska uppslagsverket, http://runeberg.org/pieni/1/0005.html Övergången från ISO 8859-1 till UTF-8 görs för ett verk i taget. I skrivande stund är det enbart verken /pieni/ och /geodet/ som omfattas, samt sidan "Recent Changes". Hittills kan det betraktas som ett experiment och jag tar gärna emot förslag på ytterligare verk där det finns behov och där vi kan prova ut tekniken innan vi inleder en övergång i större skala. I och med att UTF-8 förändrar sättet som "ä" lagras internt, så vill jag från nu avråda från att använda markeringen <spärr> för spärrad stil. I stället bör vi använda <sp> för detta. Tills vidare fungerar båda sätten att markera, så lägg ingen energi på att byta ut existerande markeringar. Men använd helst <sp> från nu. -- Lars Aronsson (lars(a)aronsson.se) Projekt Runeberg - fri nordisk litteratur - http://runeberg.org/

3 5

Re: Runeberg Digest, Vol 1, Issue 115
by Christer Toorell 24 Feb '05

24 Feb '05

Ref. Ingemar Olson: <chapter> och </chapter> I vissa böcker framgår det av innehållsförteckningen om bilderna ingår i ett kapitel eller inte. I dessa fall anser jag man utan tvekan bör följa den befintliga innehållförteckningen. Om bilden passar ihop med efterföljande text bör <chapter> ligga före bilden. Om bilden ligger efter en passande text bör </chapter> ligga efter bilden. Bilder som hamnat i fel kapitel har jag i vissa fall flyttat <img> intern på sidan så att den hamnat inom rätt kapitel eller lagt den först/sist på sidan. Helsidesbilder (inlagda helsidesbilder) ligger ofta konstigt på grund av bindningsteknik, dessa hamnar ofta fel, men det finns ofta referenser i texten som klargör var de finns. Hur ser det färdiga resultatet ut i dessa fall? Distingta regler för oss "läsare" skulle vara bra att ha. c.toorell (f.n. inaktiv korrekturläsare) ----- Original Message ----- From: <runeberg-request(a)lists.lysator.liu.se> To: <runeberg(a)lists.lysator.liu.se> Sent: Thursday, February 24, 2005 12:00 PM Subject: Runeberg Digest, Vol 1, Issue 115 > Send Runeberg mailing list submissions to > runeberg(a)lists.lysator.liu.se > > To subscribe or unsubscribe via the World Wide Web, visit > http://lists.lysator.liu.se/mailman/listinfo/runeberg > or, via email, send a message with subject or body 'help' to > runeberg-request(a)lists.lysator.liu.se > > You can reach the person managing the list at > runeberg-owner(a)lists.lysator.liu.se > > When replying, please edit your Subject line so it is more specific > than "Re: Contents of Runeberg digest..." > > > Today's Topics: > > 1. Re: Grekiska tecken (Lars Aronsson) > 2. <chapter> och </chapter> (Ingemar Olson) > 3. SV: [Runeberg] Grekiska tecken (Bertil Holmstr?m) > > > ---------------------------------------------------------------------- > > Message: 1 > Date: Wed, 23 Feb 2005 04:19:16 +0100 (CET) > From: Lars Aronsson <lars(a)aronsson.se> > Subject: Re: [Runeberg] Grekiska tecken > To: Christer Romson <christer.romson(a)privat.utfors.se> > Cc: runeberg(a)lists.lysator.liu.se > Message-ID: <Pine.LNX.4.58.0502230413230.10372(a)sara.aronsson.se> > Content-Type: TEXT/PLAIN; charset=ISO-8859-1 > > Christer Romson skrev: > >> Aproppå markering av olika textstilar. Hur markerar man kapitäler? > > Jag tror att det redan finns en HTML-markering <smallcaps> för > kapitäler, så mycket talar för att man borde använda den. Exakt > hur vi borde göra, bör styras av vad som är användbart för den > som ska använda texten i nästa steg. Och HTML bör ju vara ett > rimligt användningsområde för de texter vi scannar och > korrekturläser. Jag inbillar mig att man skriver <smallcaps>Projekt > Runeberg</smallcaps>, varvid detta alltså visas som PROJEKT RUNEBERG > där P och R är fullstora bokstäver. > > P.S. Min slutrad säger nu "fri nordisk litteratur" på finska, precis > som rubriken på vår startsida. > > > -- > Lars Aronsson (lars(a)aronsson.se) > Projekti Runeberg - vapaa pohjoismainen kirjallisuus - > http://runeberg.org/ > > > ------------------------------ > > Message: 2 > Date: Wed, 23 Feb 2005 00:34:46 -0800 > From: "Ingemar Olson" <bio2935c(a)hotmail.com> > Subject: [Runeberg] <chapter> och </chapter> > To: runeberg(a)lists.lysator.liu.se > Message-ID: <BAY13-F431A486BE2EFE4F639088C5630(a)phx.gbl> > Content-Type: text/plain; format=flowed > > Ibland händer det att artiklarna inte följer varandra så bra. > > T. ex. en artikel börjar på sidan 50, fortsätter på 51 och slutar på 53. > Texten till nästa artikel börjar på sidan 53, men det är också en bild på > hela sidan 52. Eller kanske den första artikeln har text på 50, 51, 52 och > 53, och på 52 är det också en mindre bild (alltså inte hela sidan) som hör > till artikeln som börjar på 53. > > Vad jag har gjort hittills med <chapter>-taggarna är att lägga till dem > där > texten börjar och slutar. Och om det är nån bild som inte passar mellan > början och slutet så har jag inte brytt mig om det. > > Men nu undrar jag om det finns något bättre sätt. Så att man kan se på > innehållssidan alla sidor som hör till artikeln. > > Går det??? > > Ingemar > > > > > ------------------------------ > > Message: 3 > Date: Wed, 23 Feb 2005 21:28:05 +0100 > From: Bertil Holmstr?m <bertilh(a)brikks.com> > Subject: SV: [Runeberg] Grekiska tecken > To: "'Lars Aronsson'" <lars(a)aronsson.se>, "'Christer Romson'" > <christer.romson(a)privat.utfors.se> > Cc: runeberg(a)lists.lysator.liu.se > Message-ID: <20050224095437.9D27F1B801E(a)mail.lysator.liu.se> > Content-Type: text/plain; charset="iso-8859-1" > > > > > > -----Ursprungligt meddelande----- > > Från: runeberg-bounces(a)lists.lysator.liu.se > [mailto:runeberg-bounces@lists.lysator.liu.se] För Lars Aronsson > > Skickat: den 23 februari 2005 04:19 > > Till: Christer Romson > > Kopia: runeberg(a)lists.lysator.liu.se > > Ämne: Re: [Runeberg] Grekiska tecken > > > > Jag inbillar mig att man skriver <smallcaps>Projekt > > Runeberg</smallcaps>, varvid detta alltså visas som PROJEKT RUNEBERG > > där P och R är fullstora bokstäver. > > > > Jag skriver ofta om fartyg, i en miljö där fartygsnamnet skall skrivas > just > som anges ovan: PROJEKT RUNEBERG där P och R är fullstora bokstäver, > övriga > 2 punkter mindre. Jag har provat <smallcaps>Projekt Runeberg</smallcaps> - > på min browser, Explorer, blir det bara Projekt Runeberg. > > > > Jag tvingas skriva E<font size="2">NKÖPING</font> (om brödtexten har > size="3") eller T<span style="font-variant: small-caps">EST</span> > > > > Någon som vet mera? > >

1 0

<chapter> och </chapter>
by Ingemar Olson 24 Feb '05

24 Feb '05

Ibland händer det att artiklarna inte följer varandra så bra. T. ex. en artikel börjar på sidan 50, fortsätter på 51 och slutar på 53. Texten till nästa artikel börjar på sidan 53, men det är också en bild på hela sidan 52. Eller kanske den första artikeln har text på 50, 51, 52 och 53, och på 52 är det också en mindre bild (alltså inte hela sidan) som hör till artikeln som börjar på 53. Vad jag har gjort hittills med <chapter>-taggarna är att lägga till dem där texten börjar och slutar. Och om det är nån bild som inte passar mellan början och slutet så har jag inte brytt mig om det. Men nu undrar jag om det finns något bättre sätt. Så att man kan se på innehållssidan alla sidor som hör till artikeln. Går det??? Ingemar

3 2

Romsons kapitäler
by Bo Lennart Wahlman 21 Feb '05

21 Feb '05

I enkla fall bör man kunna ersätta kapitäler med versaler i samma grad som övrig text, tycker jag. Men ibland har kapitälerna en informativ funktion alltefter sammanhanget. Se exempelvis många datorinstruktionsböcker, där kapitäler används när vanliga versaler, kursiv och understrykning inte räcker till för alla grupperingar man behöver indikera. Från egen yrkesverksamhet kan jag nämna Radio Regulations, en viktig handling som utges på flera språk av Internationella Teleunionen (ITU). Där skulle väsentliga ting bli helt galna om man inte återger kapitäler korrekt. Så småningom hamnar kanske liknande även på (nordiska) Runeberg, och till dess bör problemet vara löst på ett eller annat sätt. Typografiskt är kapitäler "versaler i förminskad grad på brödtextens kägel". Detta skulle i Runeberg möjligen kunna förenklas till "versaler i minskad grad", men det ger kanske vingligt radavstånd. Vid egna försök påverka formateringen i korr-sidans inmatningsfält lyckas jag inte göra något selektivt på enstaka ord, utan det jag försöker med påverkar hela sidan. Om det nu gått att införa <spärr> </spärr> och <sp> </sp> kunde man väl tänka sig något i still med <kap> </kap>, alternativt <ka> </ka> för att göra formateringen mindre utrymmeskrävande? Bo Lennart Wahlman

1 0

Dubbla mellanslag och dubbla blankrader
by asq 02 Feb '05

02 Feb '05

Visst söker ni väl automatiskt efter dubbla mellanslag och dubbla blankrader innan den färdiga boken läggs ut? (Som i Gutenberg projektet). Dessutom är det väl så att dubbla eller fler mellanslag ändå bara blir ett mellanslag i den färdiga HTML texten??? Det är väl ganska onödigt att sitta och ta bort dubbla mellanslag manuellt! För övrigt så är det väl också bäst att göra en så korrekt korrekturläsning från första början och inte bara indexera "hysteriskt". Det blir svårt att veta om en sida är mer eller mindre färdig - nu ser jag ett flertal hastigt "korrlästa" sidor med många fel kvar.

1 0

Dubbla mellanslag och dubbla blankrader
by ANNA-SOFIA 02 Feb '05

02 Feb '05

Hej Visst söker ni väl automatiskt efter dubbla mellanslag och dubbla blankrader innan den färdiga boken läggs ut? (Som i Gutenberg projektet). Dessutom är det väl så att dubbla eller fler mellanslag ändå bara blir ett mellanslag i den färdiga HTML texten??? Det är väl ganska onödigt att sitta och ta bort dubbla mellanslag manuellt! För övrigt så är det väl också bäst att göra en så korrekt korrekturläsning från första början och inte bara indexera "hysteriskt". Det blir svårt att veta om en sida är mer eller mindre färdig - nu ser jag ett flertal hastigt "korrlästa" sidor med många fel kvar.

1 0

Re: Verk som OCR inte har körts för
by Erik B. Pedersen 16 Jan '05

16 Jan '05

On 15-Jan-05, Hans Persson <unicorn(a)lysator.liu.se> wrote: > På <URL:http://runeberg.org/upload.pl?mode=ocrlist> finns en lista över > de verk vi har som idag saknar OCR-texter. På sidan finns länkar där > man > kan ladda hem alla bilderna till ett verk och andra länkar man kan > använda för att ladda upp OCR-filer för ett verk. Notera att man > behöver > bredband för att ladda hem bildfilerna, för det är ganska stora filer > det handlar om. Det har också tillkommit en länk "(download)" i > sidfoten > för alla sidor inom ett verk, och via den kan man också hitta > motsvarande länkar. > > Nu kan vi i redaktionen förhoppningsvis låta er andra sköta en del av > OCR-jobbet, och själva scanna ännu fler nya verk eller skriva nya > funktioner. One possible problem which this procedure does not address, I think, is what in a database is sometimes called the updating anomaly. Suppose Jörg Vetenskaper and Frederik Pedant both happen to download the same text for OCR conversion, and therefore duplicate the work. It may seem unlikely, but if unnecessary duplication of effort can be avoided, it would be best to do so. Is it possible to add a mechanism to the <http://runeberg.org/upload.pl?mode=ocrlist> page that records which files have been "checked out" for OCR conversion, so that no one else will download the same work unnecessarily? Another point might be to somehow record the name and email address of the person who downloads a ZIP file of images, and then have a method to automatically send that person a friendly email periodically, say every fortnight, requesting a progress report, until such time as the corresponding OCR files are eventually uploaded. Maybe it's a bit of trouble, but I think that, if I had the appropriate OCR software to do this sort of work, I would be reluctant to undertake it, knowing that another person was doing the same scan conversion at the same time. Best regards to the directors and to all the wonderful volunteers with Project Runeberg. Erik Bjørn Pedersen Victoria, BC, Canada

3 4

Fördelen med att vara lat
by Hans Persson 14 Jan '05

14 Jan '05

Hej Runebergare, Vi i redaktionen har märkt att ett bra sätt att få så mycket arbete som möjligt gjort inom Projekt Runeberg är att vara lat och se till att någon annan gör arbetet. ;-) Från början gjordes all korrekturläsning av redaktionen, och det gick långsamt. Senare kunde andra hjälpa till med jobbet, och skicka felrapporter till redaktionen som i sinom tid tog hand om dem manuellt. Det gick fortare, men bara lite. Sedan ett bra tag nu kan vem som helst korrekturläsa via webben utan att redaktionen är inblandad alls, och så mycket korrekturläsning som nu har aldrig tidigare gjorts. Det är jättebra, för då kan redaktionen ägna sig åt något annat, som att scanna in nya verk. Innan ni där ute kan korrekturläsa ett nytt verk måste det emellertid köras OCR, dvs automatisk texttolkning, så att sidbilderna konverteras till text. Detta kan också vara en flaskhals, och vi har idag några verk publicerade som saknar OCR-text. Nu provar vi en ny metod att råda bot på denna brist. Det finns nu en ny funktion införd på prov. Vem som helst kan ladda ner alla bildfilerna för ett verk som en zip-fil (det har gått ett tag, men inte varit länkat någonstans). Sedan kan man i godan ro köra OCR hemma, om man råkar ha ett OCR-program. När man är klar med det packar man ihop alla OCR-filerna i en zip-fil och laddar upp dem till oss, så kommer de att packas upp och visas på webbsidorna, så att de går att korrekturläsa. På <URL:http://runeberg.org/upload.pl?mode=ocrlist> finns en lista över de verk vi har som idag saknar OCR-texter. På sidan finns länkar där man kan ladda hem alla bilderna till ett verk och andra länkar man kan använda för att ladda upp OCR-filer för ett verk. Notera att man behöver bredband för att ladda hem bildfilerna, för det är ganska stora filer det handlar om. Det har också tillkommit en länk "(download)" i sidfoten för alla sidor inom ett verk, och via den kan man också hitta motsvarande länkar. Nu kan vi i redaktionen förhoppningsvis låta er andra sköta en del av OCR-jobbet, och själva scanna ännu fler nya verk eller skriva nya funktioner. Hans -- +---------------------------------------------------------------------+ | Hans Persson http://www.lysator.liu.se/~unicorn/ | | unicorn(a)lysator.liu.se http://www.lysator.liu.se/runeberg/ | +---------------------------------------------------------------------+

1 0

Scanning av nya verk
by Hans Persson 02 Jan '05

02 Jan '05

Hej Runebergare, Nu är det ett nytt år, och naturligtvis hoppas vi i Projekt Runeberg att vi ska kunna fortsätta att öka publiceringstakten. Hittills har det mest varit vi i redaktionen som scannat in nya verk, och sedan alla ni andra som korrekturläst och så. Om ni har tillgång till en scanner hemma så går det faktiskt bra att ni själva scannar in en bok åt Projekt Runeberg, istället för att vänta på att vi gör det. På det sättet kan ni även påverka vad vi publicerar, istället för att bara vänta och se vad vi i redaktionen scannar nästa gång. Om du är intresserad av att hjälpa till att scanna in nya verk, läs på http://runeberg.org/wiki/Scanning hur man gör. Om du bestämmer dig för att scanna in något så tala gärna om det för redaktionen, så har vi möjlighet att varna om någon annan skulle få för sig att jobba med samma verk. Inte för att risken att flera personer skulle få för sig att jobba med samma verk är speciellt stor, men det vore ju trist att scanna en hel bok och sedan upptäcka att någon annan redan gjort det. Bättre att vara först! När hela boken är scannat är det bara att skicka den till oss så ser vi till att den kommer ut på nätet. Gott nytt Runeberg-år! Hans -- +---------------------------------------------------------------------+ | Hans Persson http://www.lysator.liu.se/~unicorn/ | | unicorn(a)lysator.liu.se http://www.lysator.liu.se/runeberg/ | +---------------------------------------------------------------------+

1 0

← Newer
1
...
15
16
17
18
19
20
21
...
31
Older →

Jump to page:

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

Runeberg