Prg

Zotero (Zitieren)
legt Literaturliste an

pdfinfo liest den PDF-Header aus.^[1]

GROBID (Java-Script)
wertet PDF-Dateien aus und legt die Ergebnisse^{[Anm. 1]} in einer eigenen Datei für jede PDF-Datei an.
grobid-client --input Pfad\zu\HSS\ --output results\ --recursive^{[Anm. 2]}

Anhang

Anmerkungen

↑

A) Dokumentstruktur
* Titel / Untertitel / Autoren / Institutionen / Abstract / Keywords / Sprache 
* Publikationsjahr / DOI (falls vorhanden) / ISBN/ISSN (falls vorhanden)
B) Seiteninformationen
* Seitenzahl (immer zuverlässig) / Seitenstruktur (Header/Footer, Abschnittsgrenzen)
C) Fußnoten
* GROBID erkennt Fußnoten als: <note> / <ref type="footnote">
D) Quellen / Literaturverzeichnis
* GROBID erkennt: Literaturverzeichnis / „References“ / „Bibliography“ / „Literatur“ / „Quellen“
* Jede Quelle wird als eigenes <biblStruct>‑Element ausgegeben.
E) Textkörper vs. Anhänge
* GROBID unterscheidet: 
 <div type="body"> → Haupttext
 <div type="appendix"> → Anhänge
 <div type="annex"> → Zusatzmaterial
 <figure> / <table> → eingebettete Elemente
F) Weitere Elemente
* Tabellen / Abbildungen / Überschriften / Kapitelstruktur / Zitate / Referenzverweise / Formeln (teilweise)

↑

 @echo off
 REM Pfade anpassen
 set GROBID_HOME=C:\grobid
 set INPUT_DIR=C:\HSS_1800
 set OUTPUT_DIR=C:\HSS_1800_TEI

 REM GROBID-Service starten
 start "GROBID" java -jar %GROBID_HOME%\grobid-service\grobid-service.jar

 REM Warten bis der Service läuft
 timeout /t 5

 REM Batch-Verarbeitung starten
 python %GROBID_HOME%\grobid-client\grobid_client.py \
    --input %INPUT_DIR% \
    --output %OUTPUT_DIR% \
    --processFulltext \
    --recursive

 echo Verarbeitung abgeschlossen.
 pause

Einzelnachweise

↑

A Dokument‑Metadaten
* Titel / Autor / Ersteller‑Programm (z. B. Word, LibreOffice, LaTeX) 
* Erstellungsdatum / Änderungsdatum / Produzent (z. B. Adobe PDF Library) / PDF‑Version (1.3–1.7, PDF/A usw.)
B Struktur & Seiteninformationen
* Anzahl der Seiten / Seitenformate (A4, Letter, Sondergrößen) / Seitenrotation (0°, 90°, 180°, 270°)
* Box‑Informationen (MediaBox, CropBox, TrimBox, BleedBox) / Ob die PDF getaggt ist (für Barrierefreiheit)
C Sicherheitsinformationen
* Verschlüsselt / unverschlüsselt / Verschlüsselungsstärke (40‑bit, 128‑bit, AES‑256)
* Erlaubte Aktionen (Drucken, Kopieren, Kommentieren)
* Inhaltsinformationen / Anzahl eingebetteter Schriftarten / Schriftarten‑Typen (TrueType, Type1, CID)
* Eingebettete oder nicht eingebettete Fonts / Farbprofile (ICC)
* b Transparenzen enthalten sind / Ob Formularfelder vorhanden sind
D Technische Details
* Linearisiert (für Web‑Optimierung) / Optimiert / komprimiert / XMP‑Metadaten vorhanden / PDF/A‑Konformität (A‑1b, A‑2a usw.)

[2] 
A) Dokumentstruktur * Titel / Untertitel / Autoren / Institutionen / Abstract / Keywords / Sprache * Publikationsjahr / DOI (falls vorhanden) / ISBN/ISSN (falls vorhanden) B) Seiteninformationen * Seitenzahl (immer zuverlässig) / Seitenstruktur (Header/Footer, Abschnittsgrenzen) C) Fußnoten * GROBID erkennt Fußnoten als: <note> / <ref type="footnote"> D) Quellen / Literaturverzeichnis * GROBID erkennt: Literaturverzeichnis / „References“ / „Bibliography“ / „Literatur“ / „Quellen“ * Jede Quelle wird als eigenes <biblStruct>‑Element ausgegeben. E) Textkörper vs. Anhänge * GROBID unterscheidet: <div type="body"> → Haupttext <div type="appendix"> → Anhänge <div type="annex"> → Zusatzmaterial <figure> / <table> → eingebettete Elemente F) Weitere Elemente * Tabellen / Abbildungen / Überschriften / Kapitelstruktur / Zitate / Referenzverweise / Formeln (teilweise)

[3] 
@echo off REM Pfade anpassen set GROBID_HOME=C:\grobid set INPUT_DIR=C:\HSS_1800 set OUTPUT_DIR=C:\HSS_1800_TEI REM GROBID-Service starten start "GROBID" java -jar %GROBID_HOME%\grobid-service\grobid-service.jar REM Warten bis der Service läuft timeout /t 5 REM Batch-Verarbeitung starten python %GROBID_HOME%\grobid-client\grobid_client.py \ --input %INPUT_DIR% \ --output %OUTPUT_DIR% \ --processFulltext \ --recursive echo Verarbeitung abgeschlossen. pause

[1] 
A Dokument‑Metadaten * Titel / Autor / Ersteller‑Programm (z. B. Word, LibreOffice, LaTeX) * Erstellungsdatum / Änderungsdatum / Produzent (z. B. Adobe PDF Library) / PDF‑Version (1.3–1.7, PDF/A usw.) B Struktur & Seiteninformationen * Anzahl der Seiten / Seitenformate (A4, Letter, Sondergrößen) / Seitenrotation (0°, 90°, 180°, 270°) * Box‑Informationen (MediaBox, CropBox, TrimBox, BleedBox) / Ob die PDF getaggt ist (für Barrierefreiheit) C Sicherheitsinformationen * Verschlüsselt / unverschlüsselt / Verschlüsselungsstärke (40‑bit, 128‑bit, AES‑256) * Erlaubte Aktionen (Drucken, Kopieren, Kommentieren) * Inhaltsinformationen / Anzahl eingebetteter Schriftarten / Schriftarten‑Typen (TrueType, Type1, CID) * Eingebettete oder nicht eingebettete Fonts / Farbprofile (ICC) * b Transparenzen enthalten sind / Ob Formularfelder vorhanden sind D Technische Details * Linearisiert (für Web‑Optimierung) / Optimiert / komprimiert / XMP‑Metadaten vorhanden / PDF/A‑Konformität (A‑1b, A‑2a usw.)

[1]

[Anm. 1]

[Anm. 2]

Prg

Anhang

Anmerkungen

Einzelnachweise

Navigationsmenü

Suche