Runeberg

runeberg@lists.lysator.liu.se

5 participants
331 discussions

Julpyssel för programmerare
by Lars Aronsson 16 Dec '09

16 Dec '09

Projekt Runeberg, [This software development challenge is presented in Swedish only.] Några gamla inscannade årgångar av "Vem är det" är en märklig erfarenhet att läsa och korrekturläsa. Utgivaren har gjort ett tappert försök att klämma in cirka 5000 biografier på 1000 sidor och lösningen är en extrem användning av förkortningar. Ett exempel: KTH 16, tekn. dr 30, res:off. 11, bitr. ing. i V. o. V:styr. 16, ing. v. SKF fr. 17, ch. f. tekn. avd. där fr. 37. Detta uttyds: Examen från Kungliga Tekniska Högskolan 1916, teknologie doktor 1930, reservofficer 1911, biträndande ingenjör i Väg- och vattenbyggnadsstyrelsen 1916, ingenjör vid Svenska Kullagerfabriken från 1917, chef för tekniska avdelningen där från 1937. Detta skapar flera problem: OCR-programmet bygger på ordlistor, men de här förkortningarna finns inte i ordlistan och därför är det en stor andel OCR-fel, som kräver mycket korrekturläsning. När väl OCR-texten är korrekturläst, är resultatet ändå en samling kryptiska förkortningar, som är svår för läsaren att begripa och omöjlig för sökmotorerna att indexera. Det är ju ingen som söker på "hhövd i Hbg", utan man vill kunna söka på "häradshövding i Helsingborg". Jag tror att lösningen är att "skriva rent" de biografiska upplysningarna i klartext (som jag gjorde ovan) och göra dem till artiklar i Wikipedia. Men kanske kan man automatisera den här uttydningen? Den programmerare som vill ha lite julpyssel kanske kan försöka skriva ett program för att göra översättningen? Enklast är väl att skriva ett program som arbetar på den korrekturlästa texten (som i exemplet ovan). Men kanske går det också att bearbeta OCR-texten före korrekturläsning? Vi har flera titlar och årgångar att bjuda på, som alla bjuder på variationer i förkortningarna, men grundproblemet är detsamma: svenska, http://runeberg.org/vemardet/ http://runeberg.org/vemarvem/ http://runeberg.org/vemindu/ norska, http://runeberg.org/hvemerhvem/ http://runeberg.org/merkbio/ danska, http://runeberg.org/blaabog/ -- Lars Aronsson (lars(a)aronsson.se) Projekt Runeberg - fri nordisk litteratur - http://runeberg.org/

1 0

Restart, book scanner
by Lars Aronsson 14 Dec '09

14 Dec '09

Projekt Runeberg, ENGLISH: So, our server is now running Ubuntu Linux 9.10 and most things seem to have gone fine. We're still not sure about everything. We had some more interruptions. If you read Wired magazine, you'll find a description of a home-made book scanner built from two cheap digital cameras. It would be interesting to know if any of you have tried to build something similar? http://www.wired.com/gadgetlab/2009/12/diy-book-scanner/ SVENSKA: Vår server är nu uppgraderad till Ubuntu Linux 9.10 och det mesta verkar ha gått fint. Men det har varit lite skakigt så allt är kanske inte på plats än. Om ni läser amerikanska datortidningen Wired, så hittar ni en beskrivning av hur man kan bygga en bokscanner av två billiga digitalkameror. Det vore intressant att höra om någon av er försökt att göra något liknande? http://www.wired.com/gadgetlab/2009/12/diy-book-scanner/ -- Lars Aronsson (lars(a)aronsson.se) Project Runeberg - free Nordic literature - http://runeberg.org/

1 0

Restart
by Lars Aronsson 12 Dec '09

12 Dec '09

Projekt Runeberg, ENGLISH: Our web server has been running without interruption for more than 200 days, and we need to upgrade the operating system. This will cause a (hopefully short) interruption in availability this Sunday evening and/or Monday morning, local Swedish time. SVENSKA: Vår webbserver har utan avbrott varit i gång under 200 dygn. Nu behöver operativsystemet uppgraderas och detta innebär ett (som vi hoppas kort) driftavbrott nu på söndag kväll och måndag morgon, lokal svensk tid. -- Lars Aronsson (lars(a)aronsson.se) Project Runeberg - free Nordic literature - http://runeberg.org/

1 0

E-pliktutredningen
by Lars Aronsson 16 Nov '09

16 Nov '09

Projekt Runeberg, [This is about a Swedish government proposal for archiving of web content for future research. You might say that the Internet Archive already does this, and unfortunately the new proposal adds very little to that.] Idag överlämnade utredaren Sören Öman den mycket efterlängtade "e-pliktutredningen" till regeringen. Det är dokumentet Ds 2009:61, "Leveransplikt för elektroniska dokument", 219 sidor, http://www.regeringen.se/sb/d/11355/a/135473 Jag har bara läst inledningen än, men det framgår att det här förslaget är alldeles otillräckligt. Det är för lite och för sent. Att tillsätta en utredning, som sedan åstadkommer för lite, är detsamma som att göra ingenting och att smita ifrån ansvaret. Den anklagelsen kan man rikta både till Kungliga biblioteket, som har väntat i tio år på den här utredningen, och på såväl den förra som den nuvarande regeringen. Det skulle vara bra om några av er har tid att läsa utredningen och komma med konkreta synpunkter på vad som borde stå i ett remissvar. Följande är mina reflektioner, som en bakgrund. Projekt Runeberg bygger på insikten att framtidens redskap för informations- och kunskapsinhämtning heter Internet. För att vårt äldre pappersbundna kulturarv ska bli tillgängligt, måste det digitaliseras och presenteras på nätet. Men för att vårt nuvarande och framtida digitala kulturarv ska fortsätta att finnas tillgängligt måste också arkiveringen lösas. Denna insikt fanns fullt färdig för mer än tio år sedan. Den ideella amerikanska organistionen Internet Archive var först ut. Det svenska Kungliga biblioteket byggde en också prototyp kallad Kulturarw3, där w3 står för WWW, alltså webben. Den svenska prototypen var aldrig särskilt bra, men den markerade ändå att frågan togs på allvar. Frans Lettenström, som byggde prototypen, lämnade KB 1999. Sedan dess har den kört vidare, dock utan att vidareutvecklas. KB:s ledning har skjutit all vidare utveckling på framtiden med hänvisning till att "e-pliktutredningen" ska lämna förslag till juridiskt ramverk för verksamheten. Så vitt jag vet, blev ingen sådan utredning gjord under Göran Perssons regering. Den nuvarande alliansregeringen gav i februari 2009 uppdraget till juristen Sören Öman, som nu har redovisat sina slutsatser. Under tiden har alltså ett årtionde gått. Gamla webbportaler från dotcom-eran har gått under. Nya e-handelsplatser och bloggar har vuxit fram, liksom Lunarstorm, Facebook och uppslagsverket Wikipedia. Det har inte varit tio händelselösa år, men om något av detta blir bevarat för framtiden är högst osäkert. Och vad som blir bevarat beror inte på svensk grundlighet, offentlig förvaltning och insyn, utan på amerikanska idealister. En rimlig slutsats vore att svenska skattepengar åtminstone borde understödja dessa amerikanska idealister, om det nu är de som ska göra jobbet åt oss. Men svenska skattebetalare hade nog väntat sig att deras egna myndigheter skulle klara att utföra uppgiften. -- Lars Aronsson (lars(a)aronsson.se) Projekt Runeberg - fri nordisk litteratur - http://runeberg.org/

1 0

Fri musik
by Lars Aronsson 24 Oct '09

24 Oct '09

När Projekt Runeberg började 1992, kunde vi bara hantera text, som skrevs in från tangetbord. Karin Boyes dikter, Fänrik Ståls sägner och Bibeln är inknappade, inte inscannade. 1998 tillkom bilder av inscannade boksidor, alltså den metod vi använder idag. Bilderna var nödvändiga för att kunna korrekturläsa alla OCR-fel, men också på gränsen till det möjliga eftersom varje bild tar 50-200 kilobyte (textfilen tar en hundradel av utrymmet) och mer än så ville man inte ladda i en enskild webbsida på den tid många använde modem. Inspelad musik och film har vi hittills inte sysslat med, dels eftersom det finns mycket mer böcker som passerat 70-årsgränsen, dels för att musik och film tar mycket större utrymme att lagra och därför längre tid att överföra. Det har varken varit praktiskt eller juridiskt hanterbart. Men tiden går. Idag kan vi räkna med att många har bredband och kraftfulla datorer. Och för varje år som går, hinner fler verk passera 70-årsgränsen. Idag 2009 kan vi lagligen scanna böcker av författare som dog 1938 och tidigare. Vid årsskiftet tillkommer de som gick bort 1939. Men hur ser upphovsrätten ut för grammofonskivor? För kompositörer gäller väl att de måste ha varit döda i 70 år, men har musikerna lika lång skyddstid? Finns det musik som är fri från upphovsrätt och som vi borde hjälpa till att göra tillgänglig? Hur mycket växer en sådan lista vid varje årsskifte? Vilken musik är skyddad 2009 men blir fri 2010? Frågan kanske känns förlegad, nu när klipp ur Åsa Nisse-filmer från 1960-talet går att se på Youtube och musik piratkopieras vilt på The Pirate Bay. Men jag är ändå nyfiken på vad som går att göra inom lagens ramar. -- Lars Aronsson (lars(a)aronsson.se) Projekt Runeberg - fri nordisk litteratur - http://runeberg.org/

1 0

bilder i böcker
by Torbjörn Alm 10 Sep '09

10 Sep '09

Jag brukar scanna bilderna separat och klipa ut dem. De skall namnges xxXx_1.jpg där xxxx ör löpnummer för inscannad sida. I mitt fall har jag en canon lide90 som har et inscanningsläge enhanced text. Bilderna skall scannas in beroende på hu re ser ut. Jag kör text i 600 dpi, det blir lättläst för OCR-programmet. Bilder kör jag i 300 DPI. Torbjörn Alm > Today's Topics: > > 1. Re: Om bilder (Karl H?kansson) > > > ------------------------------------------------------------------------ > > Ämne: > Re: [Runeberg] Om bilder > Från: > Karl Håkansson <kalle(a)jomenvisst.de> > Datum: > Wed, 09 Sep 2009 20:54:40 +0200 > Till: > M Wedin <wedinm(a)gmail.com>, runeberg(a)lists.lysator.liu.se > > Till: > M Wedin <wedinm(a)gmail.com>, runeberg(a)lists.lysator.liu.se > > > > Normalt så skannas bilderna separat efter att boken har skannats > men det är lätt hänt att bilderna skippas då det är en massa jobb > att skanna och sitta och klippa ut bilderna bild för bild. > > Hur det ligger till för detta verk har jag ingen aning om. > > //Kalle > > At 21:20 2009-09-06, M Wedin wrote: >> jag har nu korrekturläst två sidor ur Hjalmar Öhrvalls Om knutar. >> http://runeberg.org/knutar/0142.html >> >> (Jag önskar definitivt inte livet ur någon i förtid, men jag kan >> knappt bärga mig tills Clifford Ashley's Book of knots blir >> tillgänglig ...) >> >> Det kan jag bidra med emellanåt. Men verket har illustrationer. När >> jag läser om hur bilder behandlas, så omnämns endast bildtexten. I >> mitt bidrag har bildtexten inte ingått i OCR-texten och jag har helt >> sonika hoppat över den (så länge). >> >> Men bilderna då? Ska även de infogas på något sätt? Utan bilderna är >> ju bildtexterna meningslösa, och i somliga fall även huvudtexten. >> >> Skulle de i så fall klippas ur faksimilavbildningen, på annat sätt >> digitaliseras eller rent av vektoriseras? >> >> Wedin >> _______________________________________________ >> Runeberg mailing list >> Runeberg(a)lists.lysator.liu.se >> http://lists.lysator.liu.se/mailman/listinfo/runeberg > > > > ------------------------------------------------------------------------ > > _______________________________________________ > Runeberg mailing list > Runeberg(a)lists.lysator.liu.se > http://lists.lysator.liu.se/mailman/listinfo/runeberg >

1 0

Bokmässan
by Lars Aronsson 10 Sep '09

10 Sep '09

Projekt Runeberg, [This is about the Gothenburg book fair.] Den 24-27 september äger årets Bok & Biblioteksmässa rum i Göteborg. Projekt Runeberg har ingen egen närvaro där, men det har en förening som heter Wikimedia Sverige. Det är alltså den svenska stödföreningen för Wikipedia, den fria encyklopedin. Eftersom vi har mycket gemensamt (fri kunskap) och jag sitter i styrelsen för denna förening, tänkte jag att även Projekt Runeberg kan åka lite snålskjuts på deras monter. Är det någon Projekt Runeberg-medhjälpare som tänker besöka bokmässan? Kan du tänka dig att hjälpa till en stund i montern och berätta om Projekt Runeberg? I år kommer jag bara att vara där på torsdagen, men skriv till mig så ordnar vi kontakten. Wikimedia Sveriges monter är minsta möjliga, 4 kvadratmeter, och finns på plats E00:11, längs en vägg i hall E. Här är lite information och man ser faktiskt mig till vänster i den nedre bilden, i vita tröjan, http://se.wikimedia.org/wiki/Bok_och_Biblioteksm%C3%A4ssan_2009 -- Lars Aronsson (lars(a)aronsson.se) Projekt Runeberg - fri nordisk litteratur - http://runeberg.org/ Wikimedia Sverige - stöd fri kunskap - http://wikimedia.se/

1 0

Re: [Runeberg] Om bilder
by Karl Håkansson 09 Sep '09

09 Sep '09

Normalt så skannas bilderna separat efter att boken har skannats men det är lätt hänt att bilderna skippas då det är en massa jobb att skanna och sitta och klippa ut bilderna bild för bild. Hur det ligger till för detta verk har jag ingen aning om. //Kalle At 21:20 2009-09-06, M Wedin wrote: >jag har nu korrekturläst två sidor ur Hjalmar Öhrvalls Om knutar. >http://runeberg.org/knutar/0142.html > >(Jag önskar definitivt inte livet ur någon i förtid, men jag kan >knappt bärga mig tills Clifford Ashley's Book of knots blir >tillgänglig ...) > >Det kan jag bidra med emellanåt. Men verket har illustrationer. När >jag läser om hur bilder behandlas, så omnämns endast bildtexten. I >mitt bidrag har bildtexten inte ingått i OCR-texten och jag har helt >sonika hoppat över den (så länge). > >Men bilderna då? Ska även de infogas på något sätt? Utan bilderna är >ju bildtexterna meningslösa, och i somliga fall även huvudtexten. > >Skulle de i så fall klippas ur faksimilavbildningen, på annat sätt >digitaliseras eller rent av vektoriseras? > >Wedin >_______________________________________________ >Runeberg mailing list >Runeberg(a)lists.lysator.liu.se >http://lists.lysator.liu.se/mailman/listinfo/runeberg

1 0

Om bilder
by M Wedin 06 Sep '09

06 Sep '09

jag har nu korrekturläst två sidor ur Hjalmar Öhrvalls Om knutar. http://runeberg.org/knutar/0142.html (Jag önskar definitivt inte livet ur någon i förtid, men jag kan knappt bärga mig tills Clifford Ashley's Book of knots blir tillgänglig ...) Det kan jag bidra med emellanåt. Men verket har illustrationer. När jag läser om hur bilder behandlas, så omnämns endast bildtexten. I mitt bidrag har bildtexten inte ingått i OCR-texten och jag har helt sonika hoppat över den (så länge). Men bilderna då? Ska även de infogas på något sätt? Utan bilderna är ju bildtexterna meningslösa, och i somliga fall även huvudtexten. Skulle de i så fall klippas ur faksimilavbildningen, på annat sätt digitaliseras eller rent av vektoriseras? Wedin

1 0

framsida/formler/wiki
by Karl Håkansson 19 Apr '09

19 Apr '09

När man surfar in på runeberg.org så får man lätt intrycket av att det inte är mycket aktivitet vilket inte stämmer. Vore det inte bättre att ersätta "nya verk" med något som det inte är meningen att det skall uppdateras regelbundet ? Eller kanske något som automatikt uppdaterar korrekturläsningsstatus el. dyl. ? Att mata in matematiska formler är lite knöligt just nu när det inte finns något speciellt stöd för detta och inte några harmoniserande riktlinjer. Skulle det vara idé att korrekturläsa formler med stöd av tex-mallar för framtida implementering av någon rendering ? Det finns ju färdiga översättare från tex till html: http://hutchinson.belmont.ma.us/tth/ http://sandbox.merjis.com/texvc Finns det någon planerad tidpunkt för uppgradering/byte av wiki-mjukvaran ? //Kalle

4 4

← Newer
1
2
3
4
5
6
7
8
9
...
34
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