Gallica : texte corrigé et OCR de documents

Ce jeu de données contient les textes océrisés et corrigés de documents des collections monographiques et périodiques de Gallica.  

Texte OCR GT Textes Documents
SPARQL endpoint de data.bnf.fr

data.bnf.fr rassemble les données issues des différentes bases et catalogues de la BnF pour y donner un accès fédéré par auteurs, oeuvres, thèmes, lieux et dates.

RDF/N3 JSON RDF/NT XML CSV TSV RDF/XML Sparql Patrimoine écrit Musique Cartes Images Manuscrits Périodiques Transition bibliographique RDF
Pyllica, extracteur Python de corpus de périodiques de Gallica

Pyllica est un outil écrit en Python permettant de récupérer des documents hébergés sur la bibliothèque numérique Gallica.

PDF JPEG / JPG Texte Python Presse
Dumps détaillés de data.bnf.fr

Cette page liste l'ensemble des jeux de données au format RDF (RDF/XML ; RDF/NT ; RDF/N3) et fournit un lien https pour chacun d'entre eux, à destination des réutilisateurs qui souhaiteraient recha

RDF/XML RDF/NT RDF/N3 Métiers du livre Chercheurs RDF
HBA : un jeu d'images annotées pour l'analyse de la structure de mise en page d'ouvrages anciens

HBA est un jeu de données dédié à l'analyse de la structure de mise en page d'ouvrages anciens. Il constitue une vérité terrain d'images annotées au niveau pixel.

Texte JPEG / JPG OLR GT Segmentation Documents
Thésaurus iconographique de Mandragore

La base iconographique Mandragore utilise un thésaurus iconographique de référence de plus de 20 000 mots-clés utilisés pour l’indexation des enluminures.

RDF/XML RDF/Turtle Manuscrits Humanités numériques Métiers du livre RDF