Mit Structmeta lassen sich durch die Ablage von Scans in einer speziellen Ordnerstruktur DDB- bzw. Zeitungsportal konforme METS/MODS XML-Dateien herstellen.

License: GNU General Public License v3.0

Python 100.00%

cultural-heritage digitization-workflows mets-xml mods

ddblabs-structmeta's People

Watchers

ddblabs-structmeta's Issues

OCR und max_dimesions dürfen nicht zusammen verwendet werden

Wenn OCR erzeugt werden soll, schaut das Programm zunächst ob es ursprünglich TIFFs gab. Wenn das der Fall ist, dann nutzt Tesseract die TIFF Datei. Ansonsten wird die JPG Datei genutzt. Wenn aber mit der Option max_dimensions die Bilder verkleinert werden, passen die Koordinaten der Texterkennung im ALTO nicht.

ddblabs-structmeta/structmeta/__init__.py

Lines 629 to 648 in e9f0294

 if OCR == True: 

 if len(alltiffs) != 0: 

 # Wenn es TIFFs waren, dann OCR auf die TIFFs - dann dürfen die JPGs aber nicht kleingerechnet werden... 

 helpers.ocr( 

 alltiffs, 

 logger, 

 tesseract_language, 

 outputfolder, 

 renameimages, 

 identifier, 

 ) 

 else: 

 helpers.ocr( 

 jpgs, 

 logger, 

 tesseract_language, 

 outputfolder, 

 renameimages, 

 identifier, 

 )

Validierung der TOML Metadaten zu Beginn

Verpflichtend sind die folgenden Elemente:

metadata['institution']['contact']
metadata['institution']['isil']
metadata['institution']['license']
metadata['institution']['logoURL']
metadata['institution']['name']
metadata['institution']['siteURL']
metadata['objects']['type']
metadata['objects']['place_of_digitization']
metadata['objects']['sprache']
metadata['objects']['year_of_digitization']
metadata["institution"]["isil"]

XML nicht aus dem string schreiben sondern durch lxml schreiben lassen

siehe https://github.com/karkraeg/structmeta/blob/main/structmeta/__init__.py#L340

deutsche-digitale-bibliothek / ddblabs-structmeta Goto Github PK

ddblabs-structmeta's People

Watchers

ddblabs-structmeta's Issues

OCR und max_dimesions dürfen nicht zusammen verwendet werden

Validierung der TOML Metadaten zu Beginn

XML nicht aus dem string schreiben sondern durch lxml schreiben lassen

Recommend Projects

React

Vue.js

Typescript

TensorFlow

Django

Laravel

D3

Recommend Topics

javascript

web

server

Machine learning

Visualization

Game

Recommend Org

Facebook

Microsoft

Google

Alibaba

D3

Tencent

	if OCR == True:
	if len(alltiffs) != 0:
	# Wenn es TIFFs waren, dann OCR auf die TIFFs - dann dürfen die JPGs aber nicht kleingerechnet werden...
	helpers.ocr(
	alltiffs,
	logger,
	tesseract_language,
	outputfolder,
	renameimages,
	identifier,
	)
	else:
	helpers.ocr(
	jpgs,
	logger,
	tesseract_language,
	outputfolder,
	renameimages,
	identifier,
	)