Sageli võib õige metainfo lisamine PDF-dele olla tüütu. Ma ise sorteerin oma Heise IX tellimiskontolt alla laaditud PDF-d oma privaatsesse Calibre’i raamatukogusse.
Kuna see protsess kordub iga kuu, olen välja töötanud järgmise skeemi. Ma tõmban oma raamatukogusse ainult uued PDF-d.
Olen loonud konteineri, mis saab minu Calibre’i raamatukogu mahuna (-v …:/books). Sellesse konteinerisse olen paigaldanud järgmised paketid:
$ apt-get update && apt-get install -y xpdf calibre
#!/bin/bash
export LANG=C.UTF-8
mkdir /tmp/worker1/
find /books/ -type f -iname '*.pdf' -newermt 20201201 -print0 |
while IFS= read -r -d '' line; do
calibreID=$(echo "$line" | sed -r 's/.*\(([0-9]+)\).*/\1/g')
echo "bearbeite $clearName"
echo "id $calibreID";
cp "$line" /tmp/worker1/test.pdf
echo "ocr "
pdftotext -f 0 -l 5 /tmp/worker1/test.pdf /tmp/worker1/tmp.txt
echo "text aufbereitung"
cat /tmp/worker1/tmp.txt | grep -i -F -w -v -f /books/blacklist.txt | sed -r s/[^a-zA-ZäöüÄÖÜ]+//g | grep -iE '[A-Za-z]{2,212}' | sed ':begin;$!N;s/\n/,/;tbegin' > /tmp/worker1/final.txt
calibredb set_metadata --with-library /books/ --field cover:"cover.jpg" --field tags:"$(cat /tmp/worker1/final.txt) " --field series:"Heise IX" --field languages:"Deutsch" --field authors:"Heise Verkag" $calibreID
rm /tmp/worker1/*
done
Käsuga “calibredb set_metadata” määran kõik muud kui sildid. Tulemus näeb välja selline:
Skript on saadaval ka Githubis: https://github.com/ChristianKnedel/heise-ix-reader-for-calibre .