哪些人适合阅读?

研究现有报纸的用户

主要在现有的在线馆藏中搜索,并想了解是否需要自己的台式电脑来进行本地 OCR。Delpher 介绍了按词搜索和限定搜索时间范围的功能。

自建广告档案的管理者

希望在本地整理并检索扫描件、识别出的文字,以及日期或来源等信息。Paperless-ngx 利用 OCR 文本让文档支持搜索。

处理大量扫描件的用户

经常处理自己的扫描件,因此需要考虑 OCR 校对、存储和结果整理。荷兰皇家图书馆(KB)介绍了带有 OCR 文本和词语坐标的 Delpher 报纸扫描件;KB LAB 文档也指出,广告中以视觉元素为主的部分并不总能被准确识别。

选择时要关注什么?

首先确定您是要搜索现有的在线馆藏,还是要自行管理扫描件和索引。之后再根据工作流程,评估适合的软件、存储方案和台式电脑。

现有在线馆藏

适合这种方式:主要研究已经数字化并可搜索的广告。

需要留意:能搜索到什么,取决于馆藏内容及其中提供的 OCR 文本;检索历史拼写时,可能需要尝试不同的搜索词。

自建本地馆藏

适合这种方式:希望自行保存并搜索扫描件、OCR 文本和元数据。

需要留意:软件、存储、备份和识别文本校对都需要自行安排。

关注点 需要检查什么? 对哪些人更重要?
可搜索性和元数据 确认软件能否记录并搜索 OCR 文本及所需字段,例如日期和来源。 如果我想按内容、日期和来源查找广告,就要先确认软件是否支持搜索这些信息。约 33% 的消费者将可搜索性和元数据列为首要考虑因素。
存储空间和备份 用具有代表性的试用馆藏测算容量,并为扫描件、索引数据和独立的备份位置预留空间。 如果我想保存自己的扫描件和索引,就要避免因一块硬盘损坏而丢失唯一副本。约 27% 的消费者优先考虑存储和数据留存。
本地 OCR 处理 用真实扫描件测试计划使用的软件,并检查文件格式;不要仅凭处理器型号判断 OCR 效果。 如果我经常处理扫描件,就需要能够检查并更正识别出的文本。约 20% 的消费者最关注本地 OCR 处理。
工作环境和软件平台 检查操作系统、扫描仪和显示器接口,以及具体配置的存储选项。 如果我想让台式电脑兼容现有设备和软件,就需要确认平台是否合适。约 20% 的消费者将工作环境适配性列为首要考虑因素。

Paperless-ngx 将 OCR 文本与搜索功能结合,并支持标签和自定义字段;建议先用少量试验数据确认这些功能是否满足您的研究需求。Delpher 则提供针对其现有馆藏的搜索和筛选功能。

常见误区

  • 认为处理器越强,搜索结果就越好

    搜索效果还取决于 OCR 文本、可用元数据和所使用的搜索软件。难以辨认的广告文字也可能需要人工校对。

    在把处理器性能作为决定性标准之前,先用计划使用的软件测试最难识别的广告和不同的搜索词。

    检查和更正识别出的文本需要时间。

  • 只比较 SSD 标称容量

    自建档案可能包含扫描件、识别出的文字和元数据;可用空间并不等于标称容量。

    用一组具有代表性的文件测算容量,并确认如何将备份保存在独立位置。Microsoft 介绍的“文件历史记录”功能支持使用外接硬盘或网络位置。

    备份需要单独的存储位置。

  • 选择小巧的台式电脑,却没有先确认工作流程是否适配

    机身小巧并不代表具体配置一定能连接您的扫描仪和显示器,也不代表它兼容您的索引软件。

    购买前,请确认具体配置的操作系统、接口,以及软件的系统要求。

  • 把可搜索误认为可以获准转载

    能够找到广告,并不意味着您可以公开传播。适用条件可能会受到版权和个人信息保护要求的影响。

    请区分内部研究和公开发布,并在发布前核对相关馆藏的具体使用条款。

值得对比的品牌

HP

HP 提供适用于 Windows 工作环境的小巧 ProDesk 4 Mini G1i 配置。HP 列出的 BY7A0ET#ABH 配置搭载 Windows 11 Pro、16 GB RAM 和 512 GB SSD。

  • 列出的配置明确标注了内存和存储信息,方便您结合自己的馆藏进行对比。
  • 这些规格并不代表 OCR 或搜索速度的实测表现;还要检查具体配置的接口和扩展选项。

MSI

如果您关注硬盘位和接口,PRO DP21 14M 系列值得纳入对比。MSI 列出的系列配置包括一个 M.2 硬盘位和两个 2.5 英寸硬盘位。

  • 列出的硬盘位信息可作为评估存储扩展能力的参考。
  • MSI 提供多种处理器和无线网络配置,并提醒不同型号和国家或地区的规格可能有所差异,因此请确认具体型号。

Apple

如果您已确认扫描、OCR 和索引软件支持 macOS,Mac mini 是一种小巧的 macOS 方案。Apple 列出的受评估 M6 基础配置搭载 16 GB 统一内存和 256 GB SSD 存储。

  • 列出的配置便于您结合自己的试用馆藏评估存储空间是否合适。
  • 请确认软件兼容性、接口和存储需求;这些规格并不能证明其 OCR 表现更出色。

Dell

Dell Pro 是值得对比的商用台式电脑产品线。Dell 表示,OptiPlex 台式电脑产品线已不再提供,并推荐用户关注 Dell Pro。

  • 了解产品线的调整,有助于您寻找目前在售的 Dell 配置。
  • 现有产品线信息没有提供可与上述型号公平对比的具体配置,因此无法据此比较内存、存储或 OCR 性能。

适合此类工作流程的 Joybuy 台式电脑

以下 Joybuy 推荐产品均为适合小型工作空间的 Mac mini 配置。购买前请确认扫描、OCR 和索引软件能否在 macOS 上运行。

Apple Mac mini M6,配备 12 核 CPU、12 核 GPU、24 GB 内存和 512 GB SSD

Apple Mac mini M6,24 GB,512 GB SSD

如果您选择的扫描、OCR 和索引软件支持 macOS,这款小巧的台式电脑值得考虑。

配备 12 核 CPU 和 12 核 GPU。

配备 24 GB 内存和 512 GB SSD。

前往 Joybuy 查看
Apple Mac mini M6,配备 12 核 CPU、12 核 GPU、16 GB 内存和 512 GB SSD

Apple Mac mini M6,16 GB,512 GB SSD

如果您选择的扫描、OCR 和索引软件支持 macOS,这款小巧的台式电脑值得考虑。

配备 12 核 CPU 和 12 核 GPU。

配备 16 GB 内存和 512 GB SSD。

前往 Joybuy 查看
Apple Mac mini M6,配备 12 核 CPU、12 核 GPU、16 GB 内存和 256 GB SSD

Apple Mac mini M6,16 GB,256 GB SSD

如果您选择的扫描、OCR 和索引软件支持 macOS,这款小巧的台式电脑值得考虑。

配备 12 核 CPU 和 12 核 GPU。

配备 16 GB 内存和 256 GB SSD。

请确认您的软件支持 macOS,并确认存储空间能否满足个人文件需求。

前往 Joybuy 查看

常见问题

检索历史报纸广告时,必须自行进行 OCR 吗?

如果您要找的广告已收录在 Delpher 中,就不必自行进行 OCR:Delpher 介绍了按词搜索和筛选功能,包括限定时间范围。若要检索的自建馆藏尚无可搜索的文本,就需要另行进行 OCR 或录入文本。

处理大量扫描件之前,如何测试自建搜索馆藏?

先选取少量样本进行测试,并确认软件支持您需要的文件格式和元数据。Paperless-ngx 介绍了对 PDF 和 TIFF 等文件进行 OCR 处理的功能,也提供标签和自定义字段;请用样本确认这些功能能否满足您的研究需求。

增加内部存储空间就等于做好备份了吗?

不是。Microsoft 介绍的 Windows“文件历史记录”功能支持使用外接硬盘或网络位置保存备份。此外,还要确认档案软件能否导出或恢复索引和元数据。

可以让公众搜索自己档案中的历史广告吗?

不一定。荷兰皇家图书馆(KB)指出,报纸内容的再利用可能受到版权和个人信息保护要求的限制。荷兰政府也区分了个人使用的副本与传播或公开发布。因此,发布前请确认具体馆藏涉及的权利和个人信息。