Где взять и как установить Dublin Core?

Что означает Ваш вопрос - что Вы хотите "взять" и где "установить"?
Что Вы понимаете под Dublin Core?

Хотел добавить запись в Каталогизатор для ПТБД, чтобы был виден в Интернете. У нас в Веб-Ирбисе ПТБД видны только 3 материала в формате PDF, а их там 16. В этих трех записях в Каталогизаторе во вкладке Добавочные есть поле 22, а в других его нет. До меня с Ирбисом работал другой человек, и он что-то говорил про Dublin Core. Я подумал, может из-за этого.

Для начала, опишите, пожалуйста, вашу проблему.

У вас в БД 16 текстов. 3 из них "видны" - это значит могут быть найдены? Все тексты добавлялись в БД одновременно или в разное время?

Записи в Каталогизаторе для ПБД не добавляются - они создаются только полнотекстовым Администратором в процессе добавления текстов в базу данных. И этим же Администратором надо делать словарь. Тексты не видны - значит нет в словаре слов из этих текстов.

Мы создали БД Редкий библиографический фонд, отсканированные редкие книги в формате PDF. И хотим, чтобы они были видны пользователям Веб-Ирбиса. Первые 3 текста добавлял другой программист. Вроде добавляем тексты все как в инструкциях, но при поиске мы их не можем найти.

Рекомендую на всякий случай запустить АРМ Администратор для полнотекстовых баз данных и проверить число неиндексированных текстов в окне показа состояния базы данных (в основном окне АРМ Администратор). В базе не должно присутствовать неиндексированных текстов.

Если неиндексированные тексты присутствуют, то необходимо актуализировать словарь (главное меню АРМ Администратор - пункт Актуализация).

Скорее всего отсутствие первых строк текста в поле 22 на Технологической закладке говорит о том, что текстовые данные не были извлечены из текстового документа. Это может происходить по следующим причинам:
* Возможно, в документе нет данных в текстовом виде. Например, то что выглядит как текст, может являться нераспознанным изображением. Такие документы должны быть распознаны перед добавлением в базу данных.
* Возможно, используется устаревшая утилита для извлечения текстовых данных из PDF. Необходимо проверить значение параметра Converter_PDF в конфигурационном файле АРМ Администратора полнотекстовых баз данных. Местонахождение и имя файла: <IRBIS_SERVER_ROOT>\IRBISA_FullText.ini. Рекомендуемое значение параметра:

Converter_PDF=1

При таком значении параметра будет использоваться нужная утилита для извлечения текстовых данных из PDF.

Проверил материалы, которые мы добавляли. Вы были правы, текст выделяется, но в Word вставляется как рисунок. Попробовал добавить текстовый документ, и этот документ при поиске отображается. Значит дело в наших PDF материалах или у нас как Вы писали устаревшая утилита для извлечения текстовых данных из PDF?

Самая простая проверка того, подходящий файл для полнотекстового поиска или нет: если вы открываете нужный PDF в Adobe Reader и с помощью функции поиска можете найти нужные слова, то такие файлы должны корректно добавляться в полнотекстовую БД. Если функция поиска не находит тех слов, которые, как вы видите, присутствуют в тексте, значит с файлом что то не так.

Если файл в порядке, но не добавляется корректно в БД, значит, возможно, проблема в устаревшей утилите.

Если с файлом что то не так, то понять, что с файлом не так, могут помочь следующие соображения:
* Если в тексте можно выделить отдельную букву или несколько букв, значит распознан, иначе не распознан.
* Если файл распознан, но функция поиска не работает корректно, значит, возможно, проблемы с кодировкой.

Если не получится разобраться самостоятельно, можете прикрепить к сообщению 1 такой файл, я посмотрю, можно ли его добавить в БД.

Спасибо за ответ, но проделанные вышеперечисленные соображения не дали результата.

Так это ж нераспознаный ПДФ. В нем текста нет.

Какого качества (разрешения) должен быть PDF-файл, чтобы текст можно было распознать?

Ирбис сам не распознает графические документы. Он может "вытянуть" из распознаного ПДФ текстовый слой. Но для этого он там должен быть. Текстовый слой создает ФайиРидером, или другим распознающим ПО и сохраняется в виде ПДФ(слой картинки + слой текста)

Какой сканер Вы используете? Опишите в крации Ваш алгоритм сканирования. И зачем сохранять слой картинки?

[www.library.kr.ua]



Редактировано 1 раз. Последний раз 11.07.2011 01:07 пользователем Lavrinovich.

Да, ИРБИС уже довольно давно поддерживает Dublin Core.
См. в RELEASE_OVERALL.DOC. Хотя хотелось бы подробнее.
А в инете может быть видно какое угодно библ. описание, в том числе неграмотное и даже нараспознанное графическое.



Редактировано 2 раз. Последний раз 11.10.2011 18:35 пользователем Lavrinovich.

Gena написал(а):
-------------------------------------------------------
> Ирбис сам не распознает графические документы. Он
> может "вытянуть" из распознаного ПДФ текстовый
> слой. Но для этого он там должен быть. Текстовый
> слой создает ФайиРидером, или другим распознающим
> ПО и сохраняется в виде ПДФ(слой картинки + слой
> текста)
Здравствуйте.
А я тут в характеристиках ПБД вычитала:

•Обеспечение возможности включения в полнотекстовые БД графических образов текстов на основе OCR-технологии, т.е. путем распознавания текстов «на лету» на основе технологии фирмы ABBYY.


только хотела пристать как это реализовать, а получается никак?

Это реализовано ТОЛЬКО для ИРБИС-ИМИДЖ-каталога.