proiect Legi libere

Mar Oct 16 09:48:46 UTC 2012

On 16 Oct 2012, at 12:23, Andrei Petcu <andreicristianpetcu la gmail.com> wrote:

> 2012/10/16 Alex Morega <alex la grep.ro>
>> Link direct la aplicație, care este online și funcționează:
>> 
>> http://pubdocs.gerty.grep.ro/
>> 
>> Merge căutare full-text în monitoarele oficiale, părțile 1 și 4. Mai sunt probleme (ediții neindexate sau diacritice convertite greșit) dar lucrăm :)
>> 
> 
> Ce tehnologii folosește? Poate sunt oameni interesați să contribuie.

Ah, uitasem, pagina nu are linkul la codul sursă :) https://github.com/mgax/pubdocs

PDF-urile sunt convertite cu "pdftotext", curățate cu un script, după care le indexează elasticsearch. Acum lucrăm la convertit și curățat pdf-uri pentru că editura monitorul oficial este deosebit de creativă în folosirea tipografiei digitale :)

-- Alex