Настройки поиска (Страница 4 из 4)

Добавлю. У меня лучше получается распознать целиком DjVu файл, а потом оттуда брать нужные куски распознанного текста. Такой подход лучше тем, что все лежит в одном месте.

Как это делается:

1) Нужно поставить DjView4, последний tesseract (это система распознавания от Google) со всеми языками, и ocrodjvu. Как это все ставить -- можно нагуглить, но если нужна инструкция, напишите.

2) Берем DjVu файл, понимаем какие там языки, запускаем в консоли:

ocrodjvu --in-place -j 4 -l eng file.djvu

и ждем. По умолчанию запускается tesseract, поэтому его указывать не надо. tesseract медленный, но _очень_ качественный, по многим тестам лучше FineReader, и уж куда лучше cuneiform. Кроме того, он развивается, то есть постоянно выходят новые версии (а cuneiform нет).

"-j 4" значит, что распознавать надо в четыре потока (а если в системе процессоров больше, то лучше всегда ставить максимальное значение). Можно комбинировать языки, причем по три или даже четыре! Например, "-l chi-sim+lat+rus" скомбинирует китайский упрощенный (материковый Китай), латиницу и русскую кириллицу. Есть и другие опции, но эти важнее всего.

3) Как только файл готов, открываем его в DjView4, нажимаем F2, выделяем любой фрагмент и по контекстному меню копируем текст в буфер. Что важно, теперь можно в DjVu файле искать (Crtl+F). А можно выделить весь текст, это лучше делать в консоли:

djvutxt file.djvu > file.txt

Получается текстовый файл со всем текстом из книги.

Советую обратить внимание на вот эту раздачу на рутрекере: https://rutracker.org/forum/viewtopic.php?t=5754545
Там множество всего полезного! К сожалению, очень редко бывает "полный источник", то есть люди предпочитают скачать и отключиться от раздачи, наверное, потому что очень большой объем. Но если кто-нибудь сможет продержаться на раздаче подольше, то это сильно всем поможет.

Дорогие коллеги!

Очень рад сообщить, что "Ботанический журнал" теперь полностью отсканирован! Но очень нужна помощь в обработке сканов. Было бы прекрасно закончить с этим до праздников, и несмотря на то, что все очень заняты, я надеюсь, что это может у нас получиться.

Если есть возможность взять для обработки один какой-то год (а, может быть, сразу несколько лет), то пожалуйста, напишите мне мейл (не личное сообщение здесь, а именно письмо) на dactylorhiza в gmail.com. Если вы знаете еще кого-нибудь, кто может обрабатывать сканы, пожалуйста, тоже сообщите мне.

Всего доброго,

А. Шипунов

BONAP этот вид не упоминает. Дело еще в том, что в FNA A. cristatum понимается очень широко:

===
... This treatment recognizes two species within the Flora region, a very broadly interpreted Agropyron cristatum, which includes Dewey’s A. cristatum and A. desertorum, and a traditionally interpreted A. fragile. ===

Так что путаница, обычная для заносной флоры.

Все-таки, мне кажется, что мой образец не очень похож на A. desertotum, вот и Майоров на форуме Herba так считает. Есть ли еще какие-то идеи?

Уже осень, и, может быть, у вас возникнет возможность сканировать "Ботанический журнал". Сейчас доступны все номера с 1978 по 2006, а вот более ранние годы, к сожалению, только фрагментарно.

Можно сканировать любые отсутствующие выпуски, одиночно или группами. Со своей стороны, я обещаю не ждать до регулярного обновления "Флоры и фауны", а выкладывать присланное настолько быстро, насколько я могу это делать.

Поэтому если вы видите, что какой-то выпуск вам доступен в библиотеке или где-то еще, и его при этом нет в он-лайн архиве -- пожалуйста, отсканируйте и пришлите мне. Можно присылать мне и сырые сканы, можно даже фотографировать страницы (не развороты) и присылать мне фотографии.

Очень хочется довести этот проект до относительного завершения к концу года.