Skip to content

Latest commit

 

History

History
277 lines (170 loc) · 3.82 KB

nKraken.md

File metadata and controls

277 lines (170 loc) · 3.82 KB
Raw
author tags
emchateau
htc, ocr

Kraken

Installation sur mac

𝛱

Dépendances

Sur Debian

apt install libpangocairo-1.0 libxml2 libblas3 liblapack3 python3-dev python3-pi

Avec Brew

brew pango
brew cairo

brew install libxml2
brew install openblas # install libblas3
brew install lapack # install liblapack3
pyenv install 3.4-dev # install python3-dev ?

Avec Conda

curl -O https://raw.githubusercontent.com/mittagessen/kraken/master/environment.yml

conda env create -f environment.yml

#
# To activate this environment, use
#
#     $ conda activate kraken
#
# To deactivate an active environment, use
#
#     $ conda deactivate

PDF files have to be extracted beforehand using a tool such as pdftocairo or pdfimages

https://gallica.bnf.fr/ark:/12148/bpt6k1040563h

https://gallica.bnf.fr/iiif/ark:/12148/bpt6k1040561p/f43/full/full/0/native p. 17

Transformer pdf en images

pdftocairo -png xxxx.pdf

Nota, cela ne fonctionne pas avec conda pour un pb de version. cf. conda-forge/paraview-feedstock#85

Sortie TXT

kraken -i sauvalT01f76.jpg sauvalT01f76.txt binarize segment ocr -m OCR17/Models/Kraken.mlmodel

Script de récupération

#!/bin/sh

if [ $# -lt 3 ]; then
        echo "Usage: $0 radical seq_start seq_end"
        exit
fi

radical=$1
seq_start=$2
seq_end=$3

for fichier in ($3 - $2)
do
        echo $fichier
done
./seq_wget http://someaddress.com/logs/dbsclog01s%03d.log 1 50

avec wget

$ wget http://someaddress.com/logs/dbsclog01s{001..050}.log

avec curl

Tome 1

https://gallica.bnf.fr/ark:/12148/bpt6k1040561p

curl https://gallica.bnf.fr/iiif/ark:/12148/bpt6k1040561p/f[120-140]/full/full/0/native -o sauvalT01f#1.jpg

Tome 2

https://gallica.bnf.fr/ark:/12148/bpt6k1040563h/

curl https://gallica.bnf.fr/iiif/ark:/12148/bpt6k1040563h/f[17-50]/full/full/0/native -o sauvalT02f#1.jpg

Tome 3

https://gallica.bnf.fr/ark:/12148/bpt6k1040565b

curl https://gallica.bnf.fr/iiif/ark:/12148/bpt6k1040565b/f[23-50]/full/full/0/native -o sauvalT03f#1.jpg

sed

sed 's/ſ/s/g' fichier.txt > fichier2.txt
sed -f <fichier_script> [options] 'fonctions' <fichier-entrée>

Remplacement des sauts de ligne

perl -p -0n -e 's/\n/, /g' # Le switch '-0n' indique qu'il n'y a pas de separateur de ligne en  entrée, donc tout le fichier est une seule 'ligne'.  Ensuite, il suffit  de replacer tous les '\n' sur cette 'ligne' par la virgule (et espace  comme dans l'example initial). 
 cat fichier |tr $'\n' ,

Concaténer fichiers

cat *.txt > all.txt

Pour un gd nb de fichiers

for i in *.txt;do cat $i >> ../output.txt;done # output in an other dir

https://stackoverflow.com/questions/2150614/concatenating-multiple-text-files-into-a-single-file-in-bash

awk 'NR>1 && FNR==1{print ""};1' ./*.html > /path/to/Final.html # make shure to output in an other dir
awk '(NR>1 && FNR==1){printf ("\n\n")};1' ./*.txt > ../sauval158-200.txt

rès de chaussée

assès

assés

d’aujour d’hui

St.

Evêque

neantmoins

Francois

Hotel

séjour

éme

prës

Li.

en 1..

apres

Ie

aprës

riviere

premiere

troisiéme

quatriéme

Cimetiere

Etaux

Etal

Cesar

Lutece

Ie Ia Iu

Préfets

Arrêts

Gentilhomme Chevalier Sénéchal Empereur

Reine Roi Roy

Capitale Royaume

Evêque Comte Duc Roy Roi Prince Orfevres Regent Chanoine Auteur Prieuré Hopitaux Communautés Chancelier Cardinal

Pont Tour Clocher Maison Palais Eglise Place Bibliotheque Couvent Abbayie Monastere Archevêché Boucherie Coulture Hôtel-Dieu Hôtel Prétoire Cimetiere Forêt Fontaine

Fils Filles

Trône

Conseiller

Religieux

Me

St

Savant Curieu

Finales ?

assés