Программа для каталогизации электронных книжек

Приветствую.

Задачка выглядит примерно так. У меня время от времени накапливаются электронные книжки в pdf и djvu файлах (названия файлов и в латинице, и на кириллице). Накапливаются порой сотнями, внутри нескольких десятков каталогов. Просто взять их и удалить - жалко, потому что потом могу не вспомнить автора и название какой-то книги.

Есть конечно самый доступный способ для каталогизации через использование системной команды dir /s * > list.txt
Однако недостатком такого способа является то, что в одном выходном файле смешиваются как и названия самих файлов, так и чисто системная информация, типа дат создания файлов и названий каталогов, в которых они лежат.
Вот если бы команда dir умела ещё парсить выходную информацию, так чтоб удалять всё лишнее и отделять в названии файлов, скажем, авторов от названий книг - это было бы здорово.

Порекомендуйте фриварные решения под Windows, которые умеют это делать.

Заранее благодарю.

0

Novosedoff, PowerShell

0

Novosedoff, создание списка не является каталогизацией, не путайте.
Вам нужно избавиться от файлов, сохранив информацию по ним? Так?
Метаданных нет? Всё в названиях?
Впрочем, если и есть, то даже Directory Lister Pro/Enterprise, Directory List & Print и т. п. с метаданными djvu точно не помогут.

dir в сухом виде ничего не даст, парсинг достигается обработкой сценарием/скриптом либо заменой с регекспами в текстовом редакторе.
ТЗ полностью составьте. С шаблоном исходных и выходных имён, разделителем, местом поиска, необходимостью в рекурсии и т. д.

1

Вот да, не хотел сразу это писать, но дело вы затеяли крайне трудоёмкое и в чём-то даже не выполнимое. По крайней мере я в своё время не смог сделать вменяемый автоматизированный каталогизатор. Проблемы которые передо мной возникли:
1. В названии файла имя автора и название книги могут быть в любом виде, любом порядке и могут отсутствовать вовсе (у меня откуда-то набралась целая папка на 2,5Гб всяких boock[i] и BestCoockBoock).
2. Электронные книги крайне редко содержат хоть как-то заполненные метаданные.
3. Поиск дублей. даже не возвращаясь к п 1., Есть книги за авторством Михаила Фленова, а есть от Michail Flenov, или Mikail Flenou. А это всё - одна и та же книга. Даже издание одно и то же.
4. Распарсить текстовый слой в надежде вытянуть информацию об авторе, названии и издании возможно не всегда. У меня есть чудесная "Библия Delphi" за авторством как раз Flenou, именно так написано в метаданных, и вот она отсканирована. Да ещё и в высоком разрешении, без артефактов сканирования. И весит это чудо почти гиг. Так что если вы думали про OCR, то раздумайте назад.

0

Сообщение от Alli_Lupin но дело вы затеяли крайне трудоёмкое и в чём-то даже не выполнимое.

Не спешите с выводами. Коли авторство и название книги заявлено в именах, то при правильном разделителе всё решаемо довольно просто.

0

FlasherX, смотрите пункт первый моих стенаний о двух неделях разработки в никуда)

0

Alli_Lupin, второй раз? Зачем. Я указал на конкретное условие для достижения цели.

0

0

Сообщение от Alli_Lupin Вот да, не хотел сразу это писать, но дело вы затеяли крайне трудоёмкое и в чём-то даже не выполнимое.

Это было б так, если б источников для скачивания книг в Интернете было б очень много. Но в моём случае задача облегчается тем, что более половины книг в списке было скачано с Libgen, у которого унифицированный подход к формированию имён всех файлов, доступных для скачивания. В имени файла всегда будут фигурировать Имена авторов и Название публикации, Год опубликования.

Сообщение от FlasherX Не спешите с выводами. Коли авторство и название книги заявлено в именах, то при правильном разделителе всё решаемо довольно просто.

Даже ссылочку на пример такого списка дам (кириллические имена файлов в нём читаются в Юникод-16 и нормально открываются в том же Notepad++). Вот пример моего списка книжек по математике:
https://drive.google.com/file/... R_IGs/view

В выходном CSV либо TXT файле - 6 cтолбцов: 1) Авторы, 2) Название публикации, 3) Год издания, 4) Тематика публикации, 5) Формат файла (Pdf, djvu и тп), 6) Ссылка откуда скачано.

Тематику можно определить по имени системного каталога, в котором файл (в примере выше - MATHS). Первые 3 столбца при скачивании с libgen - из имени файла. Формат файла - из его расширения. Столбец 6) Ссылка - пусть пустует.

Если что-то невозможно определить из названия файла, то оставляем пустым с каким-нибудь маркером внутри (например, 5 звёздочек *****), чтобы поиском сразу же можно было найти все пустоты.

0

Сообщение от Novosedoff если б источников для скачивания книг в Интернете было б очень много

моя библиотека собиралась с CD\DVD, торрентов, форумов, варезников и винтов одногруппников) ни про какую унификацию там никто не говорил))
Но раз у вас с этим всё хорошо, то смотрите в сторону PS. Он не хуже линуксового шелла умеет парсить и преобразовывать.

0

Как отделить имя автора от названия книги в названии файла?
1) Очень часто по инициалам с точкой, но не всегда.
2) По длине: названия публикаций обычно длинее имён авторов (но не всегда)

Сообщение от Alli_Lupin моя библиотека собиралась с CD\DVD, торрентов, форумов, варезников и винтов одногруппников) ни про какую унификацию там никто не говорил)) Но раз у вас с этим всё хорошо, то смотрите в сторону PS. Он не хуже линуксового шелла умеет парсить и преобразовывать.

Ну я рад за Вас, только у меня есть сильное подозрение, что такая задача уже кем-нибудь решалась, потому как в одних и тех же условиях живём, одно и то же скачиваем.

Сообщение от FlasherX Метаданных нет? Всё в названиях? Впрочем, если и есть, то даже Directory Lister Pro/Enterprise, Directory List & Print и т. п. с метаданными djvu точно не помогут.

Я, кстати, с открытостью воспринял бы советы относительно способов добавления метаданных к файлам-книжкам. А то добавлять мета-тэги к интересным мне картинкам я уже научился. А вот добавлять метатэги к книжкам (которых на порядок меньше) - ещё нет

0

Сообщение от Novosedoff Вот пример моего списка книжек по математике:

Мешанина. Много файлов без названия, авторства и года. Авторы есть не только в начале, но в конце, в т. ч. в др. падежах и без инициалов. libgen встречается от силы в 15-20%. Нет общего шаблона для парсинга. Многое подвисает мёртвым грузом на этот случай.

Сообщение от Novosedoff советы относительно способов добавления метаданных к файлам-книжкам.

Можно посмотреть в сторону Calibre (мануал). Для PDF есть cpdf и pdftk. Для офисных есть много всяких (например, MetadataTouch). Для djvu есть djvused и djvuxmlparser, но я их в таком контексте не использовал. Если не брать онлайн-редакторы, что-то можно тут поискать. Для epub есть несколько удобных редакторов.
А так можно вообще работать с потоками. Например, таким плагином можно любые файлы метить как душе угодно.

1

Сообщение от FlasherX Мешанина. Много файлов без названия, авторства и года. Авторы есть не только в начале, но в конце, в т. ч. в др. падежах и без инициалов. libgen встречается от силы в 15-20%. Нет общего шаблона для парсинга. Многое подвисает мёртвым грузом на этот случай.

Я бы даже не возражал, если б где-то название публикации и имена авторов менялись местами. Либо если б часто оба поля оказывались пустыми, просто потому что не удалось ничего идентифицировать из названия файла (в этом случае никто не отменял труд ручками с моей стороны). Впрочем спасибо за комментарий и полезные ссылочки ниже. Calibre произвёл впечатление своей мощью (автоматический поиск и подгрузка данных из Интернет)

0

Сообщение от Novosedoff если б где-то название публикации и имена авторов менялись местами

В именах файлов? Ну для этого есть куча ренеймеров и ФМ с ними. Делается сие с помощью регулярных выражений для файлов с соотв. шаблоном.
Т. е. сперва фильтруются файлы по заданному критерию, а потом уже производится переименование. При таком списке нужен индивидуальный подход.

Сообщение от Novosedoff спасибо за комментарий и полезные ссылочки ниже.

Пожал'ста. )

0