Разработка программного обеспечения для извлечения, обработки содержания и метаданных библиотечных электронных единиц хранения

Постановка задачи
Рассмотрена задача извлечения полнотекстового содержания и метаданных из книг электронной библиотеки в форматах PDF, PostScript (PS), DJVU, CHM и HTML; разработка системы автоматизированной пакетной обработки электронных единиц хранения библиотеки в этих форматах с целью выделения следующих элементов информации:
1. полный текст документа без управляющих и форматных символов;
2. название документа;
3. список авторов;
4. количество страниц;
5. год издания;
6. язык документа;

Пример метаданных электронной книги

Блок-схема системы извлечения метаданных

Блок-схема «Анализатора языка»

Блок-схема обработки
иноязычных книг

Пример отклика сайта isbndb.com на запрос

Блок-схема
«Выборки метаданных»

Элемент текста с метаданными
в русскоязычной книге

Пример текстового
вывода программы