Задачи для разработчиков: различия между версиями

Материал из OpenCorpora
Перейти к навигации Перейти к поиску
Нет описания правки
 
(не показано 10 промежуточных версий этого же участника)
Строка 1: Строка 1:
Ниже приводится список задач, которые любой желающий может помочь нам сделать. Сюда попадает то, что, как нам кажется, легко сделать, не закапываясь глубоко в наш код.
Ниже приводится список задач, которые любой желающий может помочь нам сделать. Сюда попадает то, что, как нам кажется, легко сделать, не закапываясь глубоко в наш код. Но в первую очередь нужно заглянуть в [https://github.com/OpenCorpora/opencorpora/issues список задач], может быть, там вы найдёте что-нибудь себе по душе.


Предварительно прочтите, пожалуйста, страницу [[Разработчикам]].
Предварительно прочтите, пожалуйста, страницу [[Разработчикам]].


Если вы хотите взять себе задачу — напишите на opencorpora-dev@ и/или на [mailto:[email protected] [email protected]].
Если вы хотите взять себе задачу — напишите на рассылку opencorpora-dev@ и/или на [mailto:[email protected] [email protected]].


== PHP ==
== PHP ==
=== Читаемое отображение отличий ===
=== Аудит безопасности ===
Наша разметка и словарь версионированы, т.е. мы храним для них историю изменений. Иногда хочется посмотреть разницу между двумя версиями. Сейчас это выглядит [http://opencorpora.org/dict_diff.php?lemma_id=75046&set_id=3027 как-то так] и это очень сложно читать. Предположительно, должны существовать библиотеки для таких задач.
Мы стараемся писать такой код, чтобы нельзя было взломать наш сайт и/или БД, используя ошибки в коде. Тем не менее, всякое бывает. Весь наш код выложен в открытый доступ (ссылка в начале этой страницы). Если вы найдёте у нас ошибку, с помощью которой можно сделать что-нибудь нехорошее, напишите нам об этом.
 
== Perl/Python ==
 
=== Валидаторы тегов ===
У документов, которые мы добавляем в корпус, проставляются так называемые метаданные (метатеги), например, дата создания или автор. Хочется уметь находить документы, у которых эти данные похожи на ошибочные. Некоторое количество программ-валидаторов уже написано, они лежат в каталоге scripts/validators/. По аналогии с ними можно делать остальные.
 
Потребуется некоторое знание SQL. Структура нашей БД [http://code.google.com/p/opencorpora/source/browse/trunk/install/install.sql здесь], нас интересуют таблицы books и book_tags.
* '''Задача 1''': изменить валидатор года так, чтобы он помечал документы из блогов старее 2000 года.
* '''Задача 2''': проверять, что у документа из блогов указаны теги Дата: и Время:
* '''Задача 3''': изменить валидатор URL с учётом того, что у документа, не находящегося на самом нижнем уровне иерархии, тега url: может не быть.
=== Экспорт N-грамм ===
У нас [http://opencorpora.org/?page=downloads есть] экспорт N-грамм слов (токенов). Хочется и экспорт N-грамм символов. Для вдохновения можно посмотреть [http://code.google.com/p/opencorpora/source/browse/trunk/export/export_ngram.pl скрипт экспорта N-грамм слов].
 
Потребуется минимальное знание SQL. Структура нашей БД [http://code.google.com/p/opencorpora/source/browse/trunk/install/install.sql здесь], нас интересует таблица text_forms.
* '''Задача''': сделать программу, генерирующую частотные списки N-грамм кириллических символов (0 < N < 6) по данным корпуса.


* '''Задача''': сделать такую страницу более читаемой.
* '''Исходные данные''': два текста в XML-формате, структуру см. по ссылке выше.
* '''Инструменты''': PHP, HTML, CSS, JavaScript?
* '''Тикет''': http://code.google.com/p/opencorpora/issues/detail?id=43
== Документация ==
== Другое ==
== Другое ==
=== Составить XML Schema ===
=== Конвертация статей в HTML ===
Наши данные экспортируются в формате XML, хочется иметь [http://en.wikipedia.org/wiki/XML_schema XML Schema] для экспорта словаря и для экспорта разметки.
У нас есть несколько статей, написанных в формате TeX. Хочется научиться конвертировать их в HTML.
* '''Исходные данные''': файлы экспорта можно найти на [http://opencorpora.org/?page=downloads странице Downloads]
* '''Задача''': найти и протестировать нужный инструмент.
* '''Тикет''': http://code.google.com/p/opencorpora/issues/detail?id=71
* '''Исходные данные''': ссылки на .tex файлы [http://opencorpora.org/?page=about здесь].
* '''Тикет''': http://code.google.com/p/opencorpora/issues/detail?id=213

Текущая версия от 07:07, 19 августа 2014

Ниже приводится список задач, которые любой желающий может помочь нам сделать. Сюда попадает то, что, как нам кажется, легко сделать, не закапываясь глубоко в наш код. Но в первую очередь нужно заглянуть в список задач, может быть, там вы найдёте что-нибудь себе по душе.

Предварительно прочтите, пожалуйста, страницу Разработчикам.

Если вы хотите взять себе задачу — напишите на рассылку opencorpora-dev@ и/или на [email protected].

PHP

Аудит безопасности

Мы стараемся писать такой код, чтобы нельзя было взломать наш сайт и/или БД, используя ошибки в коде. Тем не менее, всякое бывает. Весь наш код выложен в открытый доступ (ссылка в начале этой страницы). Если вы найдёте у нас ошибку, с помощью которой можно сделать что-нибудь нехорошее, напишите нам об этом.

Perl/Python

Валидаторы тегов

У документов, которые мы добавляем в корпус, проставляются так называемые метаданные (метатеги), например, дата создания или автор. Хочется уметь находить документы, у которых эти данные похожи на ошибочные. Некоторое количество программ-валидаторов уже написано, они лежат в каталоге scripts/validators/. По аналогии с ними можно делать остальные.

Потребуется некоторое знание SQL. Структура нашей БД здесь, нас интересуют таблицы books и book_tags.

  • Задача 1: изменить валидатор года так, чтобы он помечал документы из блогов старее 2000 года.
  • Задача 2: проверять, что у документа из блогов указаны теги Дата: и Время:
  • Задача 3: изменить валидатор URL с учётом того, что у документа, не находящегося на самом нижнем уровне иерархии, тега url: может не быть.

Экспорт N-грамм

У нас есть экспорт N-грамм слов (токенов). Хочется и экспорт N-грамм символов. Для вдохновения можно посмотреть скрипт экспорта N-грамм слов.

Потребуется минимальное знание SQL. Структура нашей БД здесь, нас интересует таблица text_forms.

  • Задача: сделать программу, генерирующую частотные списки N-грамм кириллических символов (0 < N < 6) по данным корпуса.

Другое

Конвертация статей в HTML

У нас есть несколько статей, написанных в формате TeX. Хочется научиться конвертировать их в HTML.