Izrada web-aplikacija za konkretne poslove u istraživačkom radu, ondje gdje postojeći programi ne odgovaraju zadatku ili ih uopće nema. Ako je dio vašeg posla repetitivan – isto rukovanje dokumentima, slikama ili podatcima iznova i iznova – najčešće se može automatizirati. Javite se i porazgovarat ćemo o mogućnostima.
Tri takva alata dovršena su i slobodna za korištenje. Sva se tri bave digitalizacijom knjiga: razdvajanjem skeniranih dvostrukih stranica na pojedinačne, čišćenjem skena i pretraživanjem gotovog teksta. Sve rade unutar preglednika, na vašem računalu.
Četiri koraka pretvaraju skeniranu knjigu u pretraživ PDF. Sve se odvija na vašem računalu: nema poslužitelja i ništa se ne šalje van.
Dvostruke stranice režu se na pojedinačne, poravnavaju i obrezuju.
Uklanjaju se sivilo papira, sjene uz hrbat i prašina sa skenera. OCR znatno točnije čita čistu stranicu.
OCR smješta pretraživ tekst iza skeniranih slika. Besplatan je, radi bez interneta i podržava engleski, hrvatski, latinski i mnoge druge jezike.
Vanjski program
Gotov PDF pretražuje se po više pojmova odjednom, zajedno s inačicama njihova zapisa, a dijelovi teksta mogu se označavati i komentirati.
Skener knjigu snima otvorenu, pa dobivena snimka sadrži dvije stranice – obično blago nakrivljene i uokvirene crnim rubom. Prvi je posao razdvojiti ih na pojedinačne stranice.
Aplikacija reže svaki list na mjestu hrpta, zasebno poravnava obje polovice i obrezuje rubove. Nema ograničenja u broju stranica, a slikovni se podatci ne prekodiraju, pa stranice izlaze točno onakve kakve su ušle.
Skenovi knjiga neravnomjerno su osvijetljeni. Papir ispada siv, stranica potamni ondje gdje se svija prema hrptu, a staklo skenera ostavlja mrlje po marginama. To povećava veličinu datoteke i smanjuje točnost OCR-a.
Aplikacija izbjeljuje papir dio po dio, tako da slova ostanu jednako tamna kao prije, i uklanja sjene i mrlje. Sitni se tragovi uklanjaju samo ako su manji od slova na toj stranici i ako oko njih nema drugog otiska, kako bi dijakritički znakovi ostali netaknuti.
Pretraživanje po više pojmova i po više oblika njihova zapisa odjednom osobito je korisno povjesničarima i svima koji rade sa starijim izvorima. U njima isto ime dolazi u nizu različitih zapisa, pa uobičajeno pretraživanje, koje traži jednu riječ i samo u obliku koji je upisan, rijetko pronađe sve.
Svaki pojam dobiva svoju boju na stranici, a inačice nudi sama aplikacija, izvučene iz teksta knjige. Označite one koje pripadaju istom imenu i aplikacija ih dalje vodi kao jedan pojam. Svako se pojavljivanje navodi redoslijedom čitanja, uz broj stranice. Tijekom čitanja dijelove teksta možete označavati i komentirati, a bilješke izvesti u Markdown zajedno s brojevima stranica. Datoteku je prije toga potrebno provući kroz OCR jer aplikacija pretražuje tekst, a ne prepoznaje ga.
