Архив советской дипломатии времен второй мировой войны

[borislvin]

МИД сделал очень-очень большое дело - оцифровал и выложил в сеть огромный массив рассекреченных документов по международным отношениям СССР во время второй мировой войны. По их подсчетам, это "3900 архивных дел общим объемом более 370 тысяч листов".

Лежит это здесь - http://agk.mid.ru

Отсканированы и выложены архивные дела целиком, включая учетные листы, в которых отмечено, кому и когда они выдавались.

Одна проблема - сделано это не очень удобно. Посмотреть дело целиком не получается, можно только постранично.

Допустим, мы идем в раздел "Секретариат Молотова" (http://agk.mid.ru/fonds/sekretariat-v-m-molotova/sekretariat-v-m-molotova), видим список описей (с указанием, сколько дел в каждой описи), открываем опись 5 (http://agk.mid.ru/fonds/sekretariat-v-m-molotova/sekretariat-v-m-molotova/5) и видим список из первых десяти дел описи. Всего дел в этой описи 312, то есть чтобы ознакомиться со всем списком, необходимо пролистать 32 экрана. Допустим, нас интересует дело 34, то есть 6-й том записей бесед Молотова с иностранными представителями. Линк на него выводится на третьем экране (http://agk.mid.ru/fonds/sekretariat-v-m-molotova/sekretariat-v-m-molotova/5/?PAGEN_1=3). Кликнув на него, мы получаем всплывающую картинку первой страницы дела с возможностью навигации по другим страницам.

Мне кажется, было бы еще удобнее, если бы каждое из дел, помимо нынешнего формата, было сведено в отдельный pdf-файл с возможностью нормального просмотра.

Сделать это на самом деле не так уж и сложно, потому что имется прямые линки на картинки.

Скажем, линк на первую страницу нашего дела - http://agk.mid.ru/DATA/6_5_34/00000000.jpg

Соответственно, линк на последнюю страницу этого дела - http://agk.mid.ru/DATA/6_5_34/00000129.jpg

То есть в деле всего 129 страниц.

Имея список картинок, пронумерованных по порядку, сделать из них pdf-файлы очень просто. Но для этого надо, наверно, сперва скачать все эти картинки. Это, думаю, тоже не сложно с учетом прозрачной структуры сайта. Наверно, знающие люди могут сделать для этого соответствующий скрипт. Полученные файлы можно уже будет сортировать, разглядывать и читать в более удобном виде, несмотря на их значительное число.

Более того, полученные сборные файлы дел я бы с удовольствием передал архивистам МИДа, чтобы они их выложили на свой сайт.

Что думают знающие люди, сложно это или нет?

На всякий случай ставлю это под замок, чтобы не спровоцировать админов сайта на усложнение доступа.

Comments

[khebeb.livejournal.com]

есть такой скрипт (или утилитка), им раньше БАН выпотрашивали, пока те не начали усиленно предохраняться
там задают первый и последний файл по именам, остальное высасывается само
Увы, названия не вспомню, хотя он у меня есть (и на руборде есть)

[toshick.livejournal.com]

с ходу я могу это сделать не-промышленным способом - открыть все файлы одного дела в Corel Photo Paint (скриптом, разумеется) и сохранить в pdf
если нужен один файл, то это - разумный вариант, т.к. позволяет на ходу управлять сжатием, например

или надо писать скрипт, который скачает файлы (это тоже несложно), и какой-нибудь программой соединять их в pdf пакетном режиме (и такое есть)

но тут есть тонкость - pdf получится очень большой, для первого же дела - 20-30 МБ, причем пережимать эти изображения не имеет смысла, они уже нормально сжаты
просматривать через сеть pdf такого размера, по-моему, не очень удобно

общий объем обработки по нынешним временам не критичен <100GB

если лучших специалистов не найдется - напиши мне в FB-мессенджере, попробую помочь ;-)

[rudnev.livejournal.com]

я написал скрипт, но объяснять вам как установить питон и запускать командную строку наверно слишком сложно. если вы напишите номера желаемых папок и количество страниц, то я могу запустить и выложить готовые пдфы.
т.е. для вышеприведенного примера это выглядело бы

6_5_34 129 output_file_name

имя файла необязательно, я могу использовать номер папки, например

упомянутый файл лежит здесь, гляньте, все ли так.
хттп//bit. ly/ 28RHSmx без пробелов

[tash-v.livejournal.com]

Когда вы работали над этими архивами, вы обратили внимание, что из-за неправильной адресации данных некоторые дела недоступны?
Для примера:
дело "Информация о США." (Фонд 129 Опись 25 Дело 12 Папка 35 01.06.1941 — 31.08.1941) и
дело "Приезд в СССР англо-американской делегации на Московскую конференцию 1. Маршрут, обслуживание, мероприятия по линии ВОКС и Интуриста, списки переводчиков, встреча. 2. Распоряжение СМ СССР № 10710-рс от 21.09.41г. об установке радиоприемников для членов делегаций" (Фонд 129 Опись 25 Дело 12 Папка 140 15.09.1941 — 04.10.1941)
имеют одинаковую адресацию, в связи с чем документы из первого упомянутого дела просто не отображаются.

Если да, то смогли ли вы получить эти документы каким-то "обходным путем" и при положительном ответе - каким именно?