Der Luftpirat und sein lenkbares Luftschiff und andere alte Serien

[ravenne]

Originally Posted by Josch91

Ich habe mich jetzt mal wegen dem Finereader und der Frakturschrift schlau gemacht. Um Frakturschrift zu erkennen raucht man FineReader XIX (ca. 350€). Der normale Finereader besitzt jedoch einen Lernfunktion mit der man anscheinden auch recht gute Ergebnisse erzielen kann.

Oh wow! Und ich dachte, die Jugend von heute raucht nicht mehr?! Gibt's diese FineReaders auch in Light? Und Lernfunktion soll vermutlich Lungenfunktion heißen
[SIZE="-2"]
(sorry Josch, aber da konnte ich einfach nicht widerstehen!!!)[/SIZE]

[Hajo]

Netseeker: Ich habe schon gesehen, dass du es inzwischen begriffen hast, aber ich korrigiere jetzt nichts mehr an meinem kleinen Erguss.

Nein. Du übersiehst dabei nichts. Es gibt wie überall im Leben auch hier kein absolutes falsch oder richtig. Ich habe halt nur eine Vorstellung davon, was ich gerne hätte, als Programmierer, als interessierter Nutzer solcher Seiten wie feedbooks oder manybooks, und als jemand, der aus Zeitdruck mit den Systemkatalogen der Baufachrichtlinien Vermessung ziemlich auf die Schnauze gefallen ist.

Ich möchte z. B. nicht, dass derjenige, der das OCR macht, die einzelnen Absätze mit P-Tags umklammert. Erstens hat er schon genug Arbeit, und zweitens will das vielleicht gar nicht jeder haben. Vielleicht will jemand ein PDF erstellen oder irgendein Format, dass heute noch keiner kennt.

Ich möchte blanke Informationen haben: Wo beginnt ein neuer Absatz? Vielleicht nach einer Leerzeile. Wo ist ein Szenenwechsel? Zum Beispiel nach einer Zeile, die nur ein Sternchen beinhaltet. Oder nach einer doppelten Leerzeile. Das ist Konvention, keine Wissenschaft.

Wenn ich jetzt als zusätzliche Information einbaue "Wo ist ein Zeilenende? Nach einem Umbruch", dann sagt das noch gar nichts über die Eignung für ein reflowable Endprodukt aus. Denn ein

<p>AAA BBB CCC DDD</p>

sähe ja nicht anders aus als ein

<p>AAA BBB
CCC DDD</p>

Ich weiß noch nicht, ob es etwas bringt, wenn man diese Zeilenumbrüche hat. Vielleicht macht es das nachträgliche Auffinden von Korrekturstellen leichter. Wenn die Absätze sehr lang ist, und jemand sagt "In der Zeile beginnend mit xxx", dann ist das hilfreich. Auf jeden Fall schadet es nicht.

Computer sind für stumpfsinnige Arbeiten ursprünglich mal erfunden worden. Solche kleinen Regeln wie "Ergänze vor jeder Textzeile nach einer Leerzeile ein '<p class="normal">', es sei denn, du bist gerade einem einsamen Sternchen begegnet, dann nimm stattdessen '<p class="first">'. Ist die nächste Zeile leer, hänge an diese ein '</p>' hinten an" sind einem Computer schnell beigebracht, da braucht sich kein Mensch mit abmühen.

[Josch91]

Originally Posted by netseeker

350 Euronen?!

Vielen Dank, Josch. Ich glaube wir bleiben dann doch besser erstmal bei Tesseract. Es sei denn irgendjemand stiftet uns Finereader-Lizenzen. Wobei...warum fragen wir nicht einfach bei ABBYY an, ob sie uns unterstützen würden, sobald wir ein paar Hefte digitalisiert vorliegen haben? Fragen kostet ja erstmal noch nix.

Mann kann hier anscheinend auch eine Testversion ("Finreader Light") bestellen. Vielleicht sollte man wirklich mal bei Abbey eine kostenlose Lizenz anfragen. Wir könnten ja dann einen Abbey FineReader Schriftzug auf die www.rettet-den-luftpirat.de Seite packen.

Originally Posted by ravenne

Oh wow! Und ich dachte, die Jugend von heute raucht nicht mehr?!

Die Jugend von heute raucht eben keinen Tabak mehr sondern Software.
Was glaubt Du wo Wörter wie Internetsucht, Computerspielsucht etc. herkommen.

[netseeker]

Originally Posted by Hajo

Ich möchte z. B. nicht, dass derjenige, der das OCR macht, die einzelnen Absätze mit P-Tags umklammert. Erstens hat er schon genug Arbeit, und zweitens will das vielleicht gar nicht jeder haben. Vielleicht will jemand ein PDF erstellen oder irgendein Format, dass heute noch keiner kennt.

Wer das XHTML aus den OCR-Ergebnissen erstellt, hat doch nichts mit den Tags zu tun. Irgendjemand macht das OCR. Die Ausgabe ist Plain Text. Ein anderer oder aber sogar derjenige, der auch das OCR durchgeführt hat, formatiert den Plain Text in XHTML um. XHTML ist als Ausgangsbasis für PDF genausogut geeignet wie als Ausgangsbasis für ePub, Mobi oder irgend ein anderes Format. Es ist im Gegensatz zu allen Eigenerfindungen ein standardisiertes XML-Format, welches sich erfahrungsgemäß wunderbar für die Weiterverarbeitung eignet. (bspw. via XSLT wie bei Gutenberg DE)

Originally Posted by Hajo

Ich möchte blanke Informationen haben: Wo beginnt ein neuer Absatz? Vielleicht nach einer Leerzeile. Wo ist ein Szenenwechsel? Zum Beispiel nach einer Zeile, die nur ein Sternchen beinhaltet. Oder nach einer doppelten Leerzeile. Das ist Konvention, keine Wissenschaft.

Ich kann hier keinen Widerspruch erkennen. Ob Du einen Zeilenumbruch als ASCII 10 oder <br /> kodierst spielt doch für die Erkennung keine Rolle. Es spielt allerdings eine Rolle, ob das Ausgangsformat generell nochmal geparst werden muss oder ob man einfach ein Ausgabestyling drüber legen kann. Welchen Sinn hat es für uns den Ausgangstext exakt nach den 13.5 cm x 22,5 cm bzw. 15 x23 cm der Scanvorlagen zu kennzeichnen? Wie können wir sicher erkennen, ob ein Zeilenumbruch jetzt hart eingebaut war oder nur aufgrund der Formatbeschränkung vorgenommen wurde?

Originally Posted by Hajo

Ich weiß noch nicht, ob es etwas bringt, wenn man diese Zeilenumbrüche hat. Vielleicht macht es das nachträgliche Auffinden von Korrekturstellen leichter. Wenn die Absätze sehr lang ist, und jemand sagt "In der Zeile beginnend mit xxx", dann ist das hilfreich. Auf jeden Fall schadet es nicht.

Warum müssen wir Korrekturstellen später wieder auffinden? Das läuft mir jetzt doch ein wenig weit in ein generelles Korrektur- und Proofreadingprojekt. Sollten wir nicht einfach das machen, was für dieses Projekt praktikabel ist?

Originally Posted by Hajo

Computer sind für stumpfsinnige Arbeiten ursprünglich mal erfunden worden. Solche kleinen Regeln wie "Ergänze vor jeder Textzeile nach einer Leerzeile ein '<p class="normal">', es sei denn, du bist gerade einem einsamen Sternchen begegnet, dann nimm stattdessen '<p class="first">'. Ist die nächste Zeile leer, hänge an diese ein '</p>' hinten an" sind einem Computer schnell beigebracht, da braucht sich kein Mensch mit abmühen.

Leider funktioniert das nicht so einfach. Ich habe schon genug eBooks gemacht und bin lange genug Programmierer um zu wissen, dass derart einfache Regeln niemals ausreichen damit es im Endprodukt wirklich gut aussieht. Darüber hinaus bräuchte man bereits für die angeprochenen Regeln ein "Programm" bzw. eine Makrofolge, welche das Parsing vornimmt. Wozu das Ganze, wenn man mit XHTML ein leicht zu erstellendes und zu verwendendes Ausgangsformat erstellen könnte?

[Hajo]

Netseeker, es geht sicherlich alles irgendwie, zweifellos auch nach deiner Methode. Ich merke auch, dass ich mich an einigen Stellen nicht sehr deutlich ausgedrückt habe, aber ich habe nicht die Nerven für derlei philosophische Diskussionen.

[netseeker]

Originally Posted by Hajo

Netseeker, es geht sicherlich alles irgendwie, zweifellos auch nach deiner Methode. Ich merke auch, dass ich mich an einigen Stellen nicht sehr deutlich ausgedrückt habe, aber ich habe nicht die Nerven für derlei philosophische Diskussionen.

Hajo, das lässt sich sehr leicht lösen: Mach einen konstruktiven, nachvollziehbaren Vorschlag. Nicht nur für das Format, sondern auch für die Verwendung und Weiterverarbeitung dieses Formats. Das hat nichts mit Philosophie zu tun sondern etwas mit Praktikabilität und ist ohnehin noch eines unserer kleinsten Probleme.

[netseeker]

Originally Posted by Josch91

Mann kann hier anscheinend auch eine Testversion ("Finreader Light") bestellen. Vielleicht sollte man wirklich mal bei Abbey eine kostenlose Lizenz anfragen. Wir könnten ja dann einen Abbey FineReader Schriftzug auf die www.rettet-den-luftpirat.de Seite packen.

Ok, das nehme ich mal auf die ToDo-Liste. Bin mal gespannt wie die reagieren werden. Im Negativfall haben wir immer noch Tesseract als Ausweichmöglichkeit.

So, nachdem wir viel über Formate und OCR diskutiert haben, würde ich gern nochmal zum Hauptproblem zurückkommen: Habt ihr noch Ideen, welche Anlaufstellen für das Nachfragen nach Digitalisaten einer derart vergriffenen Serie in Frage kommen?

[Hajo]

Meine vielleicht falsche Vorstellung ist, dass man einem OCR-Programm beibringen kann, wie es mit Zeilenenden und Absätzen bezüglichen Umbrüchen umzugehen hat, aber nicht unbedingt bezüglich von P-Tags, die darumgebaut werden sollen. Außerdem denke ich, dass ein Korrektor lieber mit dem reinen Text und Umbrüchen und Leerzeichen arbeitet als mit p-Tags mit Klassennamen.

Aber wenn du eine Vorstellung hast, wie es gemacht werden soll, brauchen wir nicht demokratischer sein als Wladimir Putin. Viel wichtiger als wie es gemacht wird, ist ohnehin, dass es einheitlich gemacht wird.

[netseeker]

Ok, sehen wir mal, ob es da noch weitere Meinungen gibt. Noch ist Zeit und wir brauchen die Entscheidung nicht zu überstürzen. Ich muss zugeben, dass ich dem OCR keine derart entscheidente Rolle zumesse. Da kommt Text raus und der muss korrigiert und in ein Grundformat gebracht werden. Bisher ging ich davon aus, dass wir das manuell machen und uns das OCR da bei der Grundformatierung nicht wirklich großartig hilft. Kann da jemand mit Finereader-Erfahrung etwas dazu sagen?

[Josch91]

Ein erster Entwurf meines Banner ist fertig. Bitte spart nicht mit Kritik, Verbesserungen werden dann aber erst morgen gemcht.

[Hajo]

Originally Posted by netseeker

Ich muss zugeben, dass ich dem OCR keine derart entscheidente Rolle zumesse.

Unterstellen wir mal, aus dem OCR kommt nur ein endlos langer Bandwurm. Dann würde ich trotzdem lieber jemanden bitten, vor jedem Absatz eine Leerzeile und vor jedem Szenenwechsel zwei Leerzeilen einzufügen, anstatt die Teile mit p-Tags der einen oder anderen Klasse zu kapseln (und bitte nicht das Schlusslicht vergessen). Für den Korrekturleser ist es sicherlich auch angenehmer, wenn nicht jeder Absatz mit den gleichen zehn, zwölf Zeichen beginnt, zumal wir hier nicht nach neuer deutscher Rechtschreibung korrigieren, ein Blick ins Original also durchaus gelegentlich mal sinnvoll sein kann.

Ich glaube, ich habe jetzt alles gesagt. Wenn ich noch immer schwer verständlich bin, mache ich mal ein Beispiel, sobald die ersten Scans vorliegen.

[netseeker]

Originally Posted by Josch91

Ein erster Entwurf meines Banner ist fertig. Bitte spart nicht mit Kritik, Verbesserungen werden dann aber erst morgen gemcht.

Vielen Dank, Josch. Was mit gefällt ist, dass das Logo des Luftpiraten eingebaut ist und der Name der Aktion drin ist. Könnten wir da nicht anstelle der Hefte Targors Entwurf als Hintergund verwenden und den Schriftzug "Rettet" ein wenig an die Originalschrift anpassen?

[Josch91]

Klar. Ich werde dann morgen noch etwas rumspielen. Ich kann Tagor ja auch mal, falls er Interesse hat, die psd-Datei schicken, dann kann er auch noch ein bisschen rumprobieren und muss die Schrift nicht erst freistellen.
Die Schriftart des Schriftzuges "Rettet" war eh nur eine schnelle Lösung. Ich finde auch das er noch nicht so wirklich passt. Ich wollte einfach nur mal schauen was das Rot aus den Orginalheften so als Schriftfarbe hergibt.

[netseeker]

Anbei mal ein erster Entwurf für den Text des "offenen Briefs" im Netz. Noch nicht korrekturgelesen und hiermit zur öffentlichen Hinrichtung ähm konstruktiven Diskussion freigegeben.

Edit: Fassung 2 mit korrektem Akkusativ...

[Eagleeye]

Originally Posted by Hajo

Ich möchte z. B. nicht, dass derjenige, der das OCR macht, die einzelnen Absätze mit P-Tags umklammert. Erstens hat er schon genug Arbeit, und zweitens will das vielleicht gar nicht jeder haben. Vielleicht will jemand ein PDF erstellen oder irgendein Format, dass heute noch keiner kennt.

Ich möchte blanke Informationen haben: Wo beginnt ein neuer Absatz? Vielleicht nach einer Leerzeile. Wo ist ein Szenenwechsel? Zum Beispiel nach einer Zeile, die nur ein Sternchen beinhaltet. Oder nach einer doppelten Leerzeile. Das ist Konvention, keine Wissenschaft.

Wenn ich jetzt als zusätzliche Information einbaue "Wo ist ein Zeilenende? Nach einem Umbruch", dann sagt das noch gar nichts über die Eignung für ein reflowable Endprodukt aus. Denn ein

<p>AAA BBB CCC DDD</p>

sähe ja nicht anders aus als ein

<p>AAA BBB
CCC DDD</p>

Ich weiß noch nicht, ob es etwas bringt, wenn man diese Zeilenumbrüche hat. Vielleicht macht es das nachträgliche Auffinden von Korrekturstellen leichter. Wenn die Absätze sehr lang ist, und jemand sagt "In der Zeile beginnend mit xxx", dann ist das hilfreich. Auf jeden Fall schadet es nicht.

Wenn ich mir das hier so durchlese - ist schon jemand auf die Idee gekommen, diese Arbeiten mit einem richtigen Textsatzprogramm (z.B. LaTeX) zu versuchen? Und bevor Ihr fragt: nein, mit LaTeX kenn ich mich leider gar nicht aus ; ich weiß nur , daß es das gibt.