Créer un scénario pour intégrer pdfalto

[alix-tz]

Il s'agirait d'utiliser Aspyre pour créer un système de conversion pour passer des ALTO XML (3) produits par le script pdfalto en intégrant les modifications nécessaires (schéma, filename, ...) et la question de l'homothétie (qui se pose aussi pour les ALTO de Limb (#15).

<?xml version="1.0" encoding="UTF-8"?>
<!-- added manually for compatibility with eScriptorium -->
<alto xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
      xmlns="http://www.loc.gov/standards/alto/ns-v2#"
      xmlns:page="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15"
      xsi:schemaLocation="http://www.loc.gov/standards/alto/ns-v2# http://www.loc.gov/standards/alto/alto.xsd">
<!-- end of added -->
<!--<alto xmlns="http://www.loc.gov/standards/alto/ns-v3#">-->
<Description>
<MeasurementUnit>pixel</MeasurementUnit>
<sourceImageInformation>
	<!-- <fileName>test_aspyre/1903 159_258 3.pdf</fileName> -->
	<!-- added manually for compatibility with eScriptorium -->
	<fileName>Annuaire_1903 161.tif</fileName>
	<!-- end of added -->
</sourceImageInformation>
<OCRProcessing ID="IdOcr">
...

Autre modification: pdfalto met des float dans les attributs comme "HEIGHT", "WIDTH", "HPOS" etc, au lieu de int.

---

Cette feature est une solution pour répondre à https://gitlab.inria.fr/scripta/escriptorium/-/issues/331

[alix-tz]

Exemple de problème d'homothetie :

[alix-tz]

L'idée initiale était de permettre d'exécuter pdfalto via Aspyre (on charge un PDF, on récupère des paies image/XML ALTO prêtes à être chargées dans eScriptorium).
Mais on va découper en deux temps :

• modifier grâce à Aspyre des XML ALTO générés par PDFALTO prêt à être chargés dans eScriptorium
• dans un second temps seulement voir s'il est possible de gérer la partie exécution de pdfalto

Dans le scénario 1, l'utilisateur charge des images et des XML créés par PDFALTO exécuté en amont, hors Aspyre.
Dans le scénario 2, l'utilisateur charge un PDF sans avoir eu à exécuter PDFALTO avant.

[alix-tz]

#21

[alix-tz]

Il y a un problème au niveau de la position des baselines, mais il ne semble pas y avoir assez d'information dans le fichier XML ALTO pour pouvoir replacer la ligne en partie basse...

[alix-tz]

Problème résolu avec l'option --vpadding (#23 )

Ex : -vp 70