Таиланд вместо Сиама.

Ченнаи вместо Мадраса.

Иран вместо Персии.

Мумбаи вместо Бомбея.

Алматы вместо Алма-Аты.

Мьянма вместо Бирмы.

Зимбабве вместо Родезии.

Пиздец, больше всего на свете меня бесят новые названия привычных мест.

Более или менее могу смириться только с Эфиопией вместо Абиссинии.

@crimea_nice — это полуостров Крым с историями, рекомендациями мест для посещения, загадочными легендами и полезной информацией.

@secretplaces — Этот канал расскажет Вам о самых загадочных местах нашей планеты, и сделает это в сочетании с наиболее атмосферными и красивыми фото.

Отсканирвоанные страницы (3 с половиной GB) лежат здесь. Размеры таковы что на моем сайте места для этого уже нет, приходится на яндекс-диск выкладывать.

Обновленный торрент можно скачать по этой магнет-ссылке.

Торрент распознанной книги в open document формате здесь. Разметка сильно поехавшая.

Если у кого есть старый, и не хочется перекачивать все, то подложить содержиое старого торрента без 522 страницы.

crower пропустил их через файнридер. Ссылки на распознаныный файл пока не даю, поскольку в процессе выяснилось, что одна страница была сосканирована неправильно, пришлось пересканировать.


Этого всего я пока не проделал, поэтому кто скачат торрент, возьмите out0522.png с яндекса.

Теперь вопрос, что с этим делать дальше:

1. В каком формате распрсотранять невычитанный распознанный вариант. Варианта я, собственно вижу два - либо офисный формат (doc, rtf), либо html. Потому что нужен именно редактируемый формат на предмет вычитки и правки.
Как выглядит html из-под файнридера, насколько он удобен для засовывания в git/fossil и последующей правки, я не знаю. (впрочем c odt, в который неизбежно будет преобразован офисный формат, будет не легче)

2. Основная борьба при вычитке будет не с текстом, а с картинками. Особенно с фотографиями. Возможно, некоторые у меня при сканировании получились настолько темными, что придется пересканировать.

3. Как организовать вычитку? На куски какого размера правильнее делить текст, что лучше - предоставить возможность онлайн-редактирвоания или скачивания через систему управления версиями?
Кто вообще готов в этом участвовать кроме меня и crower?

4. В каком формате, после того как процесс будет закончен, распространять результат?
pdf с версткой, возможно более близкой к оригинальной? Html такой же (завернутый в epub для компактности), или html/epub со сплошным flow текста, без двухколончоной верстки и иллиюстрациями, распределенными в пределах главы как попало?

This entry was originally posted at http://vitus-wagner.dreamwidth.org/1916702.html. Please comment there using OpenID. Now there are comments

Я закончил сканировать энциклопедию «Море» Френсис-Бёфа, Романовского & Co.
(ну и тормозной у меня сканер, скорость сканирования была порядка страницы в минуту).
Теперь вот лежит на диске 3.6G png-шек, преимущественно grayscale, 620 страниц формата A4 + 16 цветных вкладок. По цветным бы надо еще пройтись на предмет цветокоррекции.

Теперь надо все это через scantailor пропускать.

Еще бы найти кто бы взялся это дело от OCR-ить. Поскольку в OCR-енном виде оно бы было гораздо полезнее, чем в виде djvu, даже если и сделать в этом djvu поисковый текстовый слой.

This entry was originally posted at http://vitus-wagner.dreamwidth.org/1915853.html. Please comment there using OpenID. Now there are comments