staging.inyokaproject.org

Herausforderung für Linux - Text-Websites "intelligent" in Podcast umwandeln?

Status: Ungelöst | Ubuntu-Version: Nicht spezifiziert
Antworten |

cuartetoclash

Avatar von cuartetoclash

Anmeldungsdatum:
12. August 2007

Beiträge: 412

Hallo,

ich weiß nicht, ob das so einfach geht, kann mir aber vorstellen, das das möglich ist:

Ich hätte gern ein Programm oder Skript, das Websites in Audio umwandelt, um mir quasi einen eigenen "Podcast" mit Nachrichten und anderen Texten zu erstellen, den ich hören kann, während ich etwas anderes mache. Und zwar so:

1) Erst werden die aktuellen Ausgaben bestimmter von mir vorher definierte Medien nach bestimmten Stichworten durchsucht.
2) Die Texte, die gefunden wurden, werden aufgerufen und in reine Textdateien (von allem Drumherum wie Grafiken usw. befreit), gespeichert. (Das dürfte der schwierigste Teil sein)
3) Die verbleibenden Textdateien werden von einem Sprachausgabetool (z.B. Festival) in Audiofiles umgewandelt, oder über die Sprachausgabe direkt hintereinander abgespielt (ohne dass ich sie zwischendrin aufrufen muss).

Hat jemand eine Ahnung, wie ich da am besten vorgehen könnte? Ich habe schon an einen Screenreader für Blinde gedacht, aber ob man den so "programmieren" kann, das er die Dinge automatisiert ausführt? Schwierig ist ja eigentlich nur der Punkt 2), weil da ja schon etwas halbwegs "intelligentes" vom Programm verlangt wird, nämlich die Analyse einer HTML-Datei.

Gibts vielleicht sogar eine Software, die das automatisiert macht, und ich kenne die nur nicht?

Hintergrund ist: Man verbringt soviel Zeit mit dem Suchen von Inhalten, die einen interessieren, das könnte doch auch ein Programm übernehmen und sie dann schön als Audio servieren, dann kann man auch nebenher arbeiten und andere Sachen tun... Die Qualität der Sprachausgabelösungen reicht mir dafür (erstmal) aus.

gruss
cuartetoclash

PS: @Mods: Falls das in "Programme bedienen" gehört, bitte verschieben 😉

chrissis

Anmeldungsdatum:
2. August 2005

Beiträge: 108

Hallo cuartetoclash,

interessantes Thema ☺

zu 1) Ich hab einmal ein Java Programm geschrieben, dass eine Liste mit Feeds entgegen genommen hat und diese nach Schgwörrter die mich interessieren durchsucht hat. Wenn du interesse daran hast such ich es raus.

zu 2) Ich denk Grafiken lassen sich relativ leicht entfernen, für mich stellt sich die Frage wie man z.B. mit Tabellen umgeht (das betrifft dann auch das Text2Speech).

zu 3) Ich kenne mich mit der Umwandlung von Text2Speech nicht aus. Unter https://feedpod.dev.java.net/ gibt es eine API die Feeds in Podcasts umwandel, eventuell könntest du darauf aufbauen.

Gruß, Chris

cuartetoclash

(Themenstarter)
Avatar von cuartetoclash

Anmeldungsdatum:
12. August 2007

Beiträge: 412

Hallo!

Das Programm interessiert mich... obwohl ich mich frage: Ist es in dem Fall nicht einfacher, die Stichwortsuche der jeweiligen Suchfunktion des Mediums zu überlassen? Wenn ich also beispielsweise "Spiegel Online" durchsuchen will und die Spiegel-eigene Suchfunktion nutze und direkt automatisiert über den Browser aufrufe. Oder lassen sich diese Texte dann schwerer umwandeln? Über Feeds dürfte es allerdings tatsächlich eleganter sein...

Habe jetzt allerdings leise Zweifel bekommen... muss man für dein Programm selbst Java können? Ich habe eigentlich nur ganz rudimentäre Programmierkenntnisse, die außerdem alle ne Weile zurückliegen.

Ein einfaches Bash-Skript müsste ich allerdings schaffen, wenn ich weiß, welches Programm wie aufgerufen werden muss...

Gruss + schon mal danke! cuartetoclash

chrissis

Anmeldungsdatum:
2. August 2005

Beiträge: 108

Hi,

cuartetoclash schrieb:

Das Programm interessiert mich... obwohl ich mich frage: Ist es in dem Fall nicht einfacher, die Stichwortsuche der jeweiligen Suchfunktion des Mediums zu überlassen? Wenn ich also beispielsweise "Spiegel Online" durchsuchen will und die Spiegel-eigene Suchfunktion nutze und direkt automatisiert über den Browser aufrufe. Oder lassen sich diese Texte dann schwerer umwandeln? Über Feeds dürfte es allerdings tatsächlich eleganter sein...

Ich wollte meine eigene Suchfunktion haben, da ich dann die Schlagwörter unterschiedlich gewichten und auch die Häufigkeit der einzelnen Schlagwörter festlegen kann. Beispiel:

- Ein Artikel in dem "Linux" vorkommt interssiert mich dreimal mehr als einer in dem "Windows" vorkommt.

- Eventuell kommt "Linux" aber rein zufällig in dem Artikel vor (der Artikel ist nicht interssant für mich), kommt "Linux" allerdings häufiger vor gehe ich davon aus, dass der Artikel sich tatsächlich um Linux dreht.

cuartetoclash schrieb:

Habe jetzt allerdings leise Zweifel bekommen... muss man für dein Programm selbst Java können? Ich habe eigentlich nur ganz rudimentäre Programmierkenntnisse, die außerdem alle ne Weile zurückliegen.

Ich könnte es sicherlich so einrichten, dass dir mein Java Programm die Liste der interssanten Artikel liefert und du dann in der Bash weiterarbeitest. Allerdings bräuchte man dann zwingend Java installiert. Mit der Bash kenn ich mich nicht sonderlich gut aus. Alternativ wie wäre es mit Python?

Gruß, Chris

cuartetoclash

(Themenstarter)
Avatar von cuartetoclash

Anmeldungsdatum:
12. August 2007

Beiträge: 412

chrissis schrieb:

Ich wollte meine eigene Suchfunktion haben, da ich dann die Schlagwörter unterschiedlich gewichten und auch die Häufigkeit der einzelnen Schlagwörter festlegen kann.

Das ist natürlich äußerst praktisch. Würde mich interessieren, das Programm.

cuartetoclash schrieb: Ich könnte es sicherlich so einrichten, dass dir mein Java Programm die Liste der interssanten Artikel liefert und du dann in der Bash weiterarbeitest. Allerdings bräuchte man dann zwingend Java installiert. Mit der Bash kenn ich mich nicht sonderlich gut aus. Alternativ wie wäre es mit Python?

Java ist bei mir installiert. Python habe ich leider noch nie angeschaut. Ist es deiner Meinung nach geeignet, um derartige Skripts einfach zu programmieren, ohne sich allzu tief in die Materie einarbeiten zu müssen? Um eine ganze Programmiersprache richtig zu lernen, dazu fehlt mir leider die Zeit... aber da ich die Grundprinzipien der sequentiellen Programmierung (objektorientiert leider nicht) kenne, könnte ich mich vielleicht schnell reinarbeiten.

Ich habe mir überlegt, der ideale "Arbeitsablauf" für das Skript sähe wohl so aus:
1) "Suchprogramm" sucht alle Artikel und speichert sie als Text/HTML-Dateien ab (wenn das geht). Alternativ: Suchprogramm gibt die Addressen der gefundenen Dateien an das Skript weiter und diese werden als Textdateien abgespeichert. Würde das mit deinem Javaprogramm gehen bzw. wie würde die "Weiterreichung" aussehen, nur die Adressen oder kann das Programm auch Texte "abgreifen"?
2) Ein Unterskript müsste per Analyse der HTML-Datei den Text herausfiltern, der die Menüs etc. beschreibt. Da muss ich mir noch was einfallen lassen... Eventuell muss man dazu bei jedem Medium die HTML-Ausgabe überprüfen und dadurch festlegen, an welcher Stelle der "interessante" Text beginnt. Vielleicht geht es aber über einen Screenreader, den man dazu "missbrauchen" könnte.
3) Die finalen Textdateien werden in Audio umgewandelt oder direkt von der Sprachausgabe vorgelesen (hatten wir ja schon)
Wäre super, wenn das Projekt klappen könnte, das wäre imho eine große Hilfe beim Surfen und könnte durchaus eine mögliche "Killerapplikation" für Linux sein. Es sei denn, Windows 7 hat eine solche Funktion schon integriert - davon weiß ich aber nichts ☺

gruss

PrairieDog

Anmeldungsdatum:
16. Februar 2006

Beiträge: 870

Taganalyse wird die die Hand voll bekannter, ungewollter Teile entfernen, aber umgekehrt kannst du sie wohl nicht nutzen, um Relevantes zu extrahieren.

Bsp:

<meinmenü>...</meinmenü>
<interessant>...</interessant>

cuartetoclash

(Themenstarter)
Avatar von cuartetoclash

Anmeldungsdatum:
12. August 2007

Beiträge: 412

@PrairieDog:

Das heißt also, ich müsste bei jedem Medium, das ich verwende, versuchen, die Tags zu identifizieren, die Grafiken, Werbung, Tabellen, Links auf andere Inhalte usw. beinhalten. Sehe ich das richtig?

Hab mir mal die HTML-Ansicht von Spiegel Online angeschaut: In der Tat gibt es dort keinen geschlossenen oder gar durch Tags identifizierten Textblock, sondern die Werbung usw. wird im Text selbst, natürlich durch bestimmte Tags identifiziert, dargestellt.

Tja, das ist jetzt natürlich doof dass ich nicht programmieren kann... ich müsste nämlich eigentlich mir den Quelltext eines Screenreaders anschauen, um zu sehen, wie der das angeht, damit Blinde solche Texte akustisch korrekt angezeigt bekommen.

Das Dumme ist: Screenreader stellen Navigationselemente ja auch dar. Das heißt, dass es wohl eine Illusion ist, dass wenn ich eine HTML-Datei durch einen Screenreader auslesen lasse, wirklich nur den Text angezeigt bekomme.

Ich denke, ich komme trotzdem nicht dran vorbei, mir Orca und Co. mal genauer anzuschauen...

(Falls hier ein Screenreader-Nutzer mitliest: Erfahrungen würden mich sehr interessieren! Das von mir hier angedachte Tool wäre ja bestimmt auch für Blinde interessant.)

chrissis

Anmeldungsdatum:
2. August 2005

Beiträge: 108

Der Inhalt von Spiegeltexten steht in

1
<div id="spArticleBody">...</div>

Ohne Werbung erhält man den Text wenn man auf den Link drucken klickt, z.B. http://www.spiegel.de/wirtschaft/0,1518,druck-602986,00.html. Allerdings ist das nur für Spiegel Online gültig. Ich halte es für besser, die Feeds der Seiten zu parsen. Mit RSS und Atom ist zumindest die Struktur vorgegeben.

Gruß, Chris

Antworten |