Groups | Search | Server Info | Keyboard shortcuts | Login | Register [http] [https] [nntp] [nntps]

Groups > it.comp.retrocomputing > #51784

Re: Riviste minori per Apple II su archive.org

Show all headers | View raw

On 2019-12-06, BIG Umberto <user@langnese.nvg.unit.no> wrote:
> In date: Sat, 30 Nov 2019 17:24:39 on group: it.comp.retrocomputing,
> Nicola wrote:
>
>> Segnalo alle 0/1 persone interessate che ho caricato due numeri di "Apple
>> Soft" e un numero di "Apple, la rivista del Personal Computer" su
>> archive.org.
>
> Per curiosità, avrei anch'io qualche chicca che "potrei"[¹] archiviare per i posteri.
> Mi spieghi la trafila che hai usato per creare le scansioni?

Volentieri. Magari qualche esperto può suggerirmi come migliorare il
processo!

Essenzialmente: Bash, ImageMagick, ScanTailor, e Pazienza(tm). Dettagli:

1. Acquisizione delle pagine alla massima qualità permessa dallo scanner
   (600 DPI nel mio caso, compressione ridotta al minimo per le
   immagini, etc...). L'ideale è un output in formato TIFF. Per qualche
   motivo le TIFF del mio scanner non sono leggibili, perciò devo creare
   PDF. Ciò rende necessario il passaggio 3 (vedi sotto).

2. Rinomina dei file (opzionale). Lo scanner che uso genera nomi con
   timestamp (tipo doc20191208113106.pdf), cosicché i file sono già in
   ordine di pagina. Ma io preferisco chiamarli con i numeri di pagina.
   Uso uno script in Bash per dare ai file nomi del tipo 001-002.pdf
   (acquisisco a doppia pagina).

3. Conversione dei PDF in TIFF (solo se lo scanner produce PDF). Ciò
   è necessario per il passaggio successivo. Uso `convert` (parte di
   ImageMagick), mantenendo la stessa risoluzione dell'originale:

    #!/bin/bash
    for page in $1/*.pdf;
    do
      convert -format tif -density 600 -units PixelsPerInch -compress lzw $page ${page%.pdf}.tiff
    done

4. Lavorazione con ScanTailor Advanced
   (https://github.com/4lex4/scantailor-advanced), che fa separazione di
   pagine sx e dx (abbastanza bene, alcune vanno corrette a mano),
   raddrizzamento delle pagine (molto bene, pochi interventi manuali
   richiesti) e selezione del contenuto della pagina (e qui perdo un
   sacco di tempo perché se sei abile come me a fare scansioni scentrate
   poi bisogna aggiustare il ritaglio pagina per pagina). L'output
   è una TIFF per pagina. Mantengo la risoluzione originale.

5. Generazione dei PDF finali. Uso Tesseract per aggregare le TIFF
   prodotte da ScanTailor e fare OCR. Dal PDF risultante ne derivo uno
   a 300 DPI con compressione JPEG delle immagini (ancora con
   `convert`), che poi passo a `ocrmypdf` (che usa Tesseract) per fare
   OCR di quest'ultimo e aggiungere i metadati. Piccolo script:

   #!/bin/bash
   cd $1
   ls ./out/*.tif >pages.txt
   tesseract pages.txt Rivista -l ita pdf
   convert -density 300x300 -quality 60 -compress jpeg Rivista.pdf Rivista_small_tmp.pdf
   ocrmypdf -l ita --title "Rivista" Rivista_small_tmp.pdf Rivista_small.pdf

Il PDF a 300 DPI è quello che carico su archive.org (il motivo è che il
PDF a 600 DPI è circa cinque volte più grande).

> Però ho visto che è possibile SCaricare (ho preso in precedenza altre riviste
> americane) i pdf in 2 formati, con testo o solo immagine e l'animazione delle
> pagine, è fatta molto bene.

Archive.org fa un suo processamento del file che carichi, incluso l'OCR,
che io però preferisco fare da me. Il link "PDF" nelle Download Options
dovrebbe essere il file caricato dall'utente; tutto il resto è generato
dal sito. Anche lo strumento di lettura online che ti permette di
sfogliare le riviste con l'animazione delle pagine è tutto opera di
archive.org: tu devi solo caricare un normale PDF.

> Il pdf lo hai creato scannerizzando pagina per pagina, od a doppia pagina?

Prima e ultima di copertina acquisite a singola pagina (normalmente in
formato A4, se la rivista ci sta) e il resto a doppia pagina (in formato
A3), perché molto più veloce (100 pagine le faccio in meno di 20 minuti).
Le eccezioni sono le riviste che hanno un formato più grande dell'A4,
che acquisisco pagina per pagina in A3.

Non devi preoccuparti troppo di margini in eccesso o pagine non
perfettamente dritte, perché ScanTailor ti permette di sistemare tutto.
Per quello che costa è un ottimo software, anche se richiede un po' di
pratica ed è parecchio lento (ogni volta che cambi pagina ci mette
qualche secondo per caricarla - o sono io che non so usarlo bene).

Io uso macOS e ScanTailor Advanced ho dovuto compilarlo, ma è facile,
soprattutto se usi Homebrew:

    https://github.com/yb85/scantailor-advanced-osx

> Problemi copyright?

[Posando sul tavolo passaporto falso e biglietto per il Sud America]
Sono ancora a piede libero.

A parte gli scherzi, non ho esperienza, finora ho caricato poche cose
e dimenticate dal mondo. Qualcuno più versato in questo gruppo
sperabilmente potrà darci qualche lume o raccontarci qualche esperienza.

Le vecchie riviste e il vecchio software ci forniscono uno squarcio
diretto sul passato dell'Informatica, che anche chi ha conosciuto tende
a dimenticare. A mio avviso, ostacolare la distribuzione di questo
*patrimonio culturale* (anche se una cultura talvolta "bassa", non dico
di no, ma interessante proprio per quello) non ha senso. Voglio pensare
che le persone abbiano battaglie più importanti nella vita da vincere
che non dare la caccia alle "streghe" che hanno amato le loro riviste
e il loro software tanto da dedicare il proprio tempo per recuperarli
digitalmente. Senza compenso :P

Nicola

Back to it.comp.retrocomputing | Previous | Next — Previous in thread | Next in thread | Find similar | Unroll thread

Thread

Riviste minori per Apple II su archive.org Nicola <nvitacolonna@gmail.com> - 2019-11-30 16:24 +0000
  Re: Riviste minori per Apple II su archive.org Mone <matte.one@live.com> - 2019-11-30 15:22 -0800
    Re: Riviste minori per Apple II su archive.org Nicola <nvitacolonna@gmail.com> - 2019-12-01 09:28 +0000
      Re: Riviste minori per Apple II su archive.org "Dino.Baldi" <dino.baldi@gmail.com> - 2019-12-02 06:15 -0800
        Re: Riviste minori per Apple II su archive.org scap61 <scap6161@yahoo.it> - 2019-12-02 06:41 -0800
          Re: Riviste minori per Apple II su archive.org "Dino.Baldi" <dino.baldi@gmail.com> - 2019-12-04 07:37 -0800
            Re: Riviste minori per Apple II su archive.org scap61 <scap6161@yahoo.it> - 2019-12-05 00:34 -0800
  Re: Riviste minori per Apple II su archive.org giorgio.morocutti@alice.it - 2019-12-01 07:28 +0100
  Re: Riviste minori per Apple II su archive.org tn <tullio.nicolussi@gmail.com> - 2019-11-30 23:19 -0800
  Re: Riviste minori per Apple II su archive.org nez.geo@getitoutyahoo.com (nda) - 2019-12-02 23:15 +0100
  Re: Riviste minori per Apple II su archive.org "BIG Umberto" <user@langnese.nvg.unit.no> - 2019-12-06 07:30 +0000
    Re: Riviste minori per Apple II su archive.org Nicola <nvitacolonna@gmail.com> - 2019-12-08 12:47 +0000
      Re: Re: Riviste minori per Apple II su archive.org "BIG Umberto" <user@langnese.nvg.unit.no> - 2019-12-08 19:31 +0000

csiph-web