Archivsysteme (Stand Ende 2015)

• es existieren viele digitale Findmittel

  • http://ariadne.uni-greifswald.de/images/Ariadne/index.html - für MV, enthält keine Dokumente

• deutsche digitale bibliothek: https://www.archivportal-d.de/

• Stadtarchiv Rostock hat teilweise digitalen Index: http://www.stadtarchiv-rostock.findbuch.net/

• vollständig digitaliserte Inhalte von Archiven sind selten
  • Vorreiter z.B. Köln nach Einsturz, Crowdsourcing von Urkunden

digitale Archivaliensoftware

semantic mediawiki

• http://archiv.twoday.net/stories/97042331/

• Bsp.:

  • http://archiv.ub.uni-stuttgart.de/UAMatrikel/index.php/Hauptseite

  • http://encyclopedia.1914-1918-online.net/project/faq/

• entwickelt durch: Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) Karlsruhe; Weiterentwicklung durch EU- und firmenprojekte
• webbasiert
• einfache Benutzung und ist trotzdem maschinenlesbar
• schnell Übersichten erstellbar
• Bsp.:

  • http://docupedia.de/zg/Hauptseite

  • http://www.verwaltungskooperation.at/

  • http://www.gardenology.org/

• sinnvolle erweiterungen: https://www.mediawiki.org/wiki/Semantic_Bundle

ICARUS

• http://icar-us.eu/

• betreiben:
  • monasterium (400.000 mittelalterliche Urkunden)
    • sehr gut dokumentiert

    • https://github.com/icaruseu/mom-ca/wiki

    • unterstützt durch http://coop-project.eu/

Topothek

• http://www.topothek.at/

• Firma die online Portal anbietet

ICA-AtoM

• http://wiki.archivesportaleuropefoundation.eu/index.php/Main_Page

accesstomemory

• http://accesstomemory.org

• (noch) keine deutsche übersetzung

Namenforschung

• http://www.namenforschung.net

• nutzen exist DB und typo3 Anbindung - aufwändig

Referenzverwaltung

• https://en.wikipedia.org/wiki/Comparison_of_reference_management_software

• Zotero

  • multiuser Synchronisation - looft

  • Export als rdf, csv;

  • https://github.com/urschrei/pyzotero - Python API

Digitalisierung

vom Bild zum Text zum Onlinearchiv

• Vorlage scannen
• Scans in ähnliche Formate bringen
• Texterkennung der Scans
• Text + Scan in archivierbares Format konvertieren
• Indizierung der Inhalte
• Suchmaske für Index

Scan

Texterkennung

• https://help.ubuntu.com/community/OCR - Überblick

  • tesseract
  • cuneiform
  • scantailor
  • unpaper

tesseract

• Artikel als jpg speichern und mittels tesseract Text extrahieren:

  tesseract artikel.jpg artikel -l deu -psm 1

• der Vorgang lässt sich gut parallelisieren:

  parallel -j 2 tesseract {} {.} -l deu -psm 1 ::: /pfad/zu/bildern/*.jpg

Dateiformate

• für bild+text -> pdf/a

• erzeugen:

  • https://github.com/JazzCore/python-pdfkit

  • https://github.com/rst2pdf/rst2pdf

  • https://github.com/mstamy2/PyPDF2

  • http://www.devshed.com/c/a/Python/Python-for-PDF-Generation/

  • libreoffice headless
  • cups

Indizierung + Volltextsuche

• http://www.lesbonscomptes.com/recoll/ recoll - Dateien indizieren

• https://github.com/koniu/recoll-webui webrecoll - webbasierte Suche (python/bottle)