Un Parseur ALTO pour analyser vos fichiers ALTO

Afin d’exploiter les résultats de la numérisation de documents papier, la BnF (Bibliothèque Nationale de France) utilise un format basé sur XML (langage de balises) et qui a pour modèle le format ALTO : Analysed Layout And Text Object (Objet texte et analyse de la mise en page).
Ce format est maintenu par la Bibliothèque du Congrès.

Ce format est de plus en plus utilisé comme résultat de la numérisation de documents papier, en plus du JPEG, afin d’en exploiter les données textuelles de manière numérique.
Il permet d’extraire toutes les données textes, illustrations et graphiques ainsi que leur position et taille dans la page.
On peut ainsi, entre autres, effectuer une recherche plein texte et faire une surbrillance des mots recherchés directement sur le JPEG de la page numérisée.

moobee a développé un outil d’analyse (parseur) de fichiers ALTO dans le cadre d’une collaboration avec la BmN visant à développer un outil en ligne pour indexer et consulter la presse papier du début du siècle dernier.
Ce site est en ligne depuis mai 2014 : Kiosque Lorrain

Cet outil a été développé à l’aide de technologies libres et le code est ouvert (disponible sur les dépôts de plugin d’Omeka)

Nous avons également mis en ligne, à disposition de tous, un service permettant d’analyser un fichier ALTO afin d’en contrôler la qualité de son contenu. Vous pouvez l’utiliser librement à cette adresse :

Parseur Alto - vérifier la qualité de vos fichiers

Retour aux actualités