UB-Mannheim/dach-gt

Ground truth and full text for selected prints of German libraries

Ground truth and full text for selected prints of German archives and libraries

• Staatsbibliothek zu Berlin
• Universitätsbibliothek Marburg
• Bayerische Staatsbibliothek / Münchener Digitalisierungszentrum
• Universitäts- und Landesbibliothek Darmstadt
• Herzog August Bibliothek Wolfenbüttel
• Thüringer Universitäts- und Landesbibliothek
• Universitäts- und Stadtbibliothek Köln
• Staats- und Universitätsbibliothek Bremen
• Universitäts- und Landesbibliothek Düsseldorf
• Hochschulbibliothek Fachhochschule Potsdam
• MARCHIVUM Mannheim

Collection of useful commands

# Remove empty lines from ALTO and PAGE XML.
perl -i -ne "tr|\r||d; next if /^\s*$/;print" *.xml

# Remove ALTO files without fulltext.
rm -f $(grep -L 'CONTENT="..*"' *.xml)

# Remove PAGE files without fulltext.
rm -f $(grep -L '<Unicode>..*</Unicode>' *.xml)