PDFに適切なメタ情報を付加することは、しばしば面倒な作業となります。私自身は、Heise IXの購読アカウントからダウンロードしたPDFを、私的なCalibreライブラリに分類しています。
この作業が毎月繰り返されるため、次のような設定を考えています。私は新しいPDFをライブラリにドラッグするだけです。
Calibre ライブラリをボリュームとして取得するコンテナを作成しました (-v …:/books)。このコンテナには、以下のパッケージをインストールしました。
$ 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
calibredb set_metadata “コマンドで、それ以外をタグとして設定しました。結果はこのようになります。
このスクリプトはGithubでも公開されています: https://github.com/ChristianKnedel/heise-ix-reader-for-calibre .