ybycode/le_parfait_boulanger

An English version of the README is available here: README_en.md.

Le parfait boulanger, ou Traité complet sur la fabrication et le commerce du pain

• Auteur: Antoine Augustin Parmentier
• Date de publication: 1778
• Original disponible à https://gallica.bnf.fr/ark:/12148/bpt6k5823829n.texteImage

But du projet

Obtenir une version numérique facilement lisible du livre (voir version originale du pdf)

Etapes du projet

1. Nettoyage de chacun des fichiers pages/*.todo.txt.

Ce qui est laissé intact:

• les retours à la ligne,
• les césures,
• la conjuguaison de vieux français (ex: "on employoit" pour "on employait").

Ce qui est remplacé:

• les ſ ('s' longs), remplacés par le 's' courant.

Ce qui est enlevé:

• les numéros de pages,
• les numéros de chapitres,
• les multiple lignes vides,
• les caractères de contrôle autres que les retours à la ligne et la tabulations.

Une fois toutes les pages nettoyées, il sera facile de modifier automatiquement les pages pour créer une version moderne du texte.

Renammage:

Les fichiers restant à nettoyer sont nommés pages/*.todo.txt. Une fois nettoyé, le ficher est renommé en pages/*.done.txt.

Exemple:

• avant nettoyage: pages/056_chap_1_page_001.todo.txt
• après nettoyage: pages/056_chap_1_page_001.done.txt

2. Assemblage

Assemblage des fichiers pages/*.done.txt en 1 fichier par chapitre (chapitres/1.txt etc.)

3. Génération de fichiers PDF, EPUB etc.

Status actuel

Le nettoyage du chapitre 0 ("Introduction") est en cours.

Comment contribuer ?

Pour envoyer des modifications, plusieurs options:

• via git & github: créez un fork du projet et proposez une pull request,

• en créant une "issue" en utilisant ce template,

• vous pouvez aussi envoyer le contenu modifié d'une page par email à:

  e1uixs10i AT mozmail.com

  Je me chargerai alors d'intégrer ces changements au projet.

Conventions de nommage des fichiers dans "pages"

Dans le répertoire "pages", les noms de fihiers contiennent, dans l'ordre:

• le numéro de page du pdf,
• le numéro du chapitre,
• le numéro de page dans le livre,
• le status ("todo" ou "done") indiquant si le fichier reste à nettoyer ou a déjà été traité.

Exemple: 056_chap_1_page_001.todo.txt:

• page 56 du pdf,
• chapitre 1,
• page 1 de livre,
• n'a pas encore été nettoyé.

Autres

• Imagemagick a été utilisé pour la création d'un fichier image PNG pour chaque page du livre:

  $ ./ocr/pdf_to_images.sh

• Tesseract a été utilisé pour la reconnaissance des caractères de chacune des pages:

  $ ./ocr/images_to_txt.sh

Licence

Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)

Voir LICENSE