CMO:Wie kommen die Gedichte in CMO

Diese Seite beschreibt, wie ein Gedicht vom Buch auf seine Seite in CMO kommt.

Scannen

Ich arbeite mit einem Plustek OpticBook 4800 mit folgenden Einstellungen:

Graustufen
300 oder 400 dpi
kleinere Schrift, wie in den Kommentaren wird besser mit 600 dpi eingescannt (allerdings dauert der Scanvorgang dann recht lang)
speichern als PNG

Ein Buch kann hier mit nur einer Seite plan auf das Glas gedrückt werden. Das starke Aufspreizen des Buches entfällt dadurch.

Leider hat sich das Scannen mit 300 dpi als zu grob herausgestellt und es gibt doch zuviel Ungenauigkeiten beim Erkennen. Um 600 dpi scannen effizient scannen zu können, empfielt sich bei großen Seitenmengen ein Duplexdokumentenscanner wie der ScanJet 3000s. Da hier aber nur einzelne Seiten eingezogen werden können, muss ein Buch aufgeschnitten werden.

Texterkennung

Die Texterkennung (OCR) geschieht mit ABBYY FineReader. Die automatische Erkennung der Seitenstruktur ist nicht genau genug, so dass die Erkennungsbereiche für jede Seite händisch nachbearbeitet werden müssen.

Bei der Verwendung z.B. griechisch geschriebener Texte oder Frakturtexte, können weitere Erkennungssprachen dazu geschaltet werden.

Zur Vereinheitlichung und Vereinfachung werden alle

Geviertstriche (—) werden zu einfachen Bindestrichen (-)
französische Anführungszeichen («») zu geraden (")
typographische Apostrophe werden zu (')
Ellipsen (…) werden in drei einzelne Punkte aufgelöst

Die Rechtschreibung des Drucks bleibt erhalten.

Gespeichert wird als PDF, in dem der erkannte Text unter dem Bild liegt.

Danach wird das Dokument ebenfalls in ABBYY finereader mit Bookmarks versehen quasi einem Inhaltsverzeichnis zum direkten Anspringen verschiedener Bereiche.

Erfassungstabelle

Jede Gedichtseite folgt demselben Muster. Weil dafür viele Werte in verschiedene Felder gehören, erfasse ich alle Angaben zu einem Gedicht zuerst in einer Tabelle. Die Spalten entsprechen weitgehend den Feldern der Infobox Vorlage:InformationLYR.

ID ~ Gedichttext ~ Werkgruppe ~ Werkbereich ~ Zyklus ~ Zyklusnummer ~ Titel ~ Textanfang ~ Zitiert_aus ~ Kommentar ~ Überlieferung ~ Datierung ~ date_start ~ date_end ~ Datierung_Methode ~ Datierung_Sicherheit ~ Datierung_Herkunft ~ Datierung_Grundlage ~ Druck ~ Gemeinfrei_seit

Die Tilden stehen in eigenen Spalten und trennen die Felder, damit sich die Werte sicher auslesen lassen. Bei Zitiert_aus und Kommentar trage ich nur die Seitenzahl ein. Die ID ist auf CMO:ID- und Quellen-Systematik erklärt, die Datierungsfelder auf CMO:Struktur und Erfassungssystematik.

Datenerfassung

Zuerst werden Titel und/oder Textanfang eines Werkbereiches direkt dem Pdf entnommen und zusammen mit den Seitenzahlen in die Erfassungstabelle eingetragen. Danach die Seitenzahlen für den Kommentarbereich

Der Gedichttext wird aus dem PDF kopiert und mit dem Texteditor Notepad++ vorverarbeitet.

Immer wiederkehrende Textbausteine werden mit Beeftext eingefügt.

Zeilennummern werden überprüft und gleich in die Vorlage:Zeile eingefügt.
LZ für jede Leerzeile zwischen zwei Strophen, damit sie später als Leerzeile erkannt wird (mit Hilfe eines Makros in Notepad++, welches das Suchen/Ersetzen automatisiert, gesucht wird nach Leerzeilen, regulärer Ausdruck dafür: ^\h*$ und ersetzt eben mit LZ)
eine Einrückungsvorlage wie {{Einrückung2B}} bei eingerückten Zeilen
{{Gesperrt|Wort}} bei gesperrt gedruckten Wörtern, siehe Vorlage:Gesperrt
{{Kap|Wort}} bei in Kapitälchen gedruckten Wörtern, siehe Vorlage:Kap
den Rahmen des Gedichts: <poem> bei linksbündigen Gedichten, bei achsenzentrierten den Rahmen nach Hilfe:Achsenzentrierte Gedichte

Datierung, Überlieferung und Erstdruck wird dem Kommentar entnommen. Links zu den Büchern, Zeitschriften, Tage- und Notizbuchblättern werden gesetzt.

Übersicht des Werkbereichs

Unter jedem Gedicht steht eine Navigationsbox mit allen Gedichten des Werkbereichs, zum Beispiel:

Jedes Gedicht mit Titel bekommt diesen als Seitentitel. Hat es keinen Titel, wird der Textanfang genommen und um oT ergänzt. In der Box stehen die Links nebeneinander, getrennt durch einen senkrechten Strich.

Gedichte, die zu einem Zyklus gehören oder unter einer gemeinsamen Überschrift stehen, folgen nach einem Zeilenumbruch. Im Beispiel oben ist das die Überschrift Der Blick. Die einzelnen Gedichte darunter sind durch römische Ziffern getrennt, als Seitentitel dient der Gedichtanfang mit oT. Überschrift und römische Ziffer stehen in der Infobox unter Zyklus und Zyklusnummer.

Die Box wird angelegt, bevor die Gedichte des Werkbereichs erfasst werden. Wie das geht, steht auf CMO:Vorlagenstruktur zur Navigation innerhalb der Gedichte.

Gedichtseite erzeugen

Aufbau einer Gedichtseite:

der Gedichttext mit Zeilennummern und Formatierungen innerhalb von <poem<</poem>
die Navigationsbox {{Werkübersicht|Werkgruppe|Werkbereich}}
die Infobox, {{InformationLYR}} bei der Lyrik, {{InformationHUM}} bei der humoristischen Lyrik
eine Leerzeile
die Kategorie, [[Kategorie:Lyrik]] oder [[Kategorie:Humoristische Lyrik]]

Der datensatz wird der Erfassungstabelle zeilenweise entnommen und an Claude übergeben. Zusammen mit einer umfangreichen Anweisung wird daraus die gedichtseite generiert.

LYR-SA-01-06-0010 ~ "<poem>
So stark empfand ich’s niemals noch denn eben,
als ich im Zug der Stadt entgegenfuhr,
wie wir kein einzig Ziel uns selber geben,
unfreie Kinder der Natur.
LZ
{{Gesperrt|Ich }}hätte mich in diesen Zug gesetzt - 5
aus freiem Willen, Vorsatz und Entschluß?
Nein, wenn ich’s nie gefühlt, ich fühlte jetzt:
Dies alles ist ein unergründlich Muß.
LZ
Wachstum ist alles, jeglicher Moment:
wir wolln nicht, handeln nicht, - wir wachsen, sprossen! 10
Und selbst der Augenblick, der dies erkennt,
ist mit in diesem Ring beschlossen.
</poem>" ~ Lyrik ~ Nachlese zu Ich und die Welt ~  ~  ~  ~ So stark empfand ich’s niemals ~ 301 ~ 880 ~ {{TBl|1898-99-I|20}}. Einzelblatt, handschriftlich, im Nachlaß ~ 1.6.1898 ~  ~  ~ intern ~ sicher ~ SA-Kommentar ~ Tagebuch ~ [[Mensch Wanderer (1927)]] S. 50 ~ ja

Daraus wird:

<poem>
So stark empfand ich's niemals noch denn eben,
als ich im Zug der Stadt entgegenfuhr,
wie wir kein einzig Ziel uns selber geben,
unfreie Kinder der Natur.

{{Gesperrt|Ich }}hätte mich in diesen Zug gesetzt -
{{Zeile|5}}aus freiem Willen, Vorsatz und Entschluß?
Nein, wenn ich's nie gefühlt, ich fühlte jetzt:
Dies alles ist ein unergründlich Muß.

Wachstum ist alles, jeglicher Moment:
{{Zeile|10}}wir wolln nicht, handeln nicht, - wir wachsen, sprossen!
Und selbst der Augenblick, der dies erkennt,
ist mit in diesem Ring beschlossen.
</poem>

{{Werkübersicht|Lyrik|Nachlese zu Ich und die Welt}}

{{InformationLYR
| Werkgruppe = Lyrik
| Werkbereich = Nachlese zu Ich und die Welt
| Zyklus = 
| Zyklusnummer = 
| Titel = 
| Textanfang = So stark empfand ich's niemals
| Zitiert_aus = [[SA Band I Lyrik 1887-1905]], S. 301
| Zitiert_aus_raw = SA-01, 301
| Kommentar = [[SA Band I Lyrik 1887-1905]], S. 880
| Kommentar_raw = SA-01, 880
| Überlieferung = {{TBl|1898-99-I|20}}. Einzelblatt, handschriftlich, im Nachlaß
| Datierung = 1.6.1898
| date_start = 1898-06-01
| date_end = 1898-06-01
| Datierung_Methode = intern <!-- intern, extern, konjektur -->
| Datierung_Sicherheit = sicher <!-- sicher, wahrscheinlich, erschlossen, nicht bestimmbar -->
| Datierung_Herkunft = SA-Kommentar <!-- SA-Kopf, SA-Kommentar, CMO-Erschließung -->
| Datierung_Grundlage = Tagebuch <!-- Handschrift, Tagebuch, Notizbuch, Brief, Erwähnung durch Dritte, Druck -->
| Druck = [[Mensch Wanderer (1927)]] S. 50
| Gemeinfrei_seit = ja <!-- ja, nein, Jahreszahl -->
| ID = LYR-SA-01-06-0010
}}

[[Kategorie:Lyrik]]

Die Anweisung prüft dabei auch Rechtschreibung, Zeichensetzung und typische Fehler der Texterkennung. Mögliche Fehler meldet sie, statt sie stillschweigend zu ändern. Das fertige Beispiel steht auf So stark empfand ich’s niemals oT.

Volltext

Zusätzlich entsteht der Text für die Unterseite /Volltext, also der reine Wortlaut ohne Zeilennummern und ohne Auszeichnung. Wozu die Volltextseiten da sind, steht auf CMO:Volltexte, wie sie aufgebaut sind, auf CMO:Volltexterfassung und Datenstruktur. Ändere ich später den Text eines Gedichts, ändere ich die Volltextseite mit.