Задачи для разработчиков
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.
- Задача: найти и протестировать нужный инструмент.
- Исходные данные: ссылки на .tex файлы здесь.
- Тикет: http://code.google.com/p/opencorpora/issues/detail?id=213