SGB Minimal HTML
Textbasierte HTML-Ausgaben der Buchkapitel für Open Monograph Press
SGB Minimal HTML
sgb-minimal-html wandelt die Kapitel-PDFs der neunbändigen Buchreihe Stadt.Geschichte.Basel (Christoph Merian Verlag) in minimale, rein textbasierte HTML-Ausgaben um – ohne Bilder und Styling, aber mit semantisch strukturiertem Text und verlinkten Endnoten – und publiziert sie als HTML-Publikationsformate auf der Open-Monograph-Press-Instanz emono.unibas.ch.
Die textbasierten Ausgaben ergänzen die Open-Access-Ausgabe der Buchreihe: Sie verbessern die Zugänglichkeit der Inhalte (Screenreader, Volltextsuche, maschinelle Nachnutzung) gegenüber den layoutgebundenen PDFs. Das Erscheinungsbild der OMP-Instanz selbst ist im Beitrag zum OMP-Styling dokumentiert.
Funktionen
- 79 Kapitelausgaben über alle neun Bände, eine eigenständige HTML-Datei pro Kapitel, benannt nach dem DOI-Suffix (z. B. 10.21255/sgb-01.01-439115)
- Typografiebasierte Extraktion: Jede PDF-Zeile wird anhand des Schriftsystems der Reihe klassifiziert (Fliesstext, Überschriften, Lead-Absätze, Exkurse, Endnoten, Zitate, Legenden)
- Verlinkte Endnoten mit Rückverweisen; Fussnotenzeichen werden von Isotopen-Hochstellungen wie ¹⁴C unterschieden
- Anhang-Modus für Bibliografien, Bildnachweise, Register und Autor:innenverzeichnisse mit hängenden Einzügen
- Bereinigter Text: Silbentrennungen werden aufgelöst, Absätze fliessen über Seitenumbrüche und um Textboxen hinweg
- Metadaten aus der OMP-API:
citation_*-Meta-Tags, DOI, Seitenzahlen, Autor:innen und Lizenz werden in jede Datei eingebettet - Qualitätsprüfungen: Wortzahl-Verhältnisse gegen den PDF-Rohtext sowie Konsistenzprüfungen der Endnotenmarker pro Kapitel
- Idempotente Publikation nach Open Monograph Press über dessen REST-API
Lizenz
Der Code steht unter der AGPL-3.0-Lizenz; die Buchinhalte sind © Stadt.Geschichte.Basel / Christoph Merian Verlag und unter CC BY-NC 4.0 lizenziert.