Extracteur Python de corpus de périodiques de Gallica

Cet outil Python, développé par Pierre-Carl Langlais et Julien Schuh, permet d'extraire des corpus massifs de périodiques de Gallica.

Installation

Pyllica est un programme Python 3 (voir le github du développeur pour des conseils d'installation et d'utilisation).

Utilisation

Pyllica est composé de quatre outils :

• Pyllicalabs : extraction des contenus en texte brut de numéros de périodiques océrisés,
• Pyllicalabspdf : extraction des facsimilés PDF de numéros de périodiques,
• Pyllicalabsjpg : extraction des pages scannées d’un document sous forme de fichier image,
• Pyllicalabsjpgpress : même opération pour des numéros de périodiques.