[Talk-cz] Nedělitelná mezera v OSM datech

Pátek Leden 20 19:00:30 UTC 2017

Ahoj,

To jsme zase zpátky hledání problému pro řešení - pokud je ten datový zdroj
s jakoukoli Unicode collation (mimo *_bin), tj. stávající stav, tak to bude
hledat i porovnávat bez ohledu na diakritiku, velká a malá písmena, a
dokonce i "exotické" whitespacy. (Exhibit A: Nominatim, zkuste si v něm
trochu zavyhledávat)

Já chápu, že po třiceti letech Kameníků a win1250 a kdoví čeho ještě máme
všichni (já taky) neurózu z nabôdeníček, ale tady máme systém, který je
(přinejmenším pro latinku) docela slušně promyšlený. Nevynalézejme hranatá
kola.

HPM

Dne 20. 1. 2017 6:55 odp. napsal uživatel "Lukáš Karas" <
lukas.karas na centrum.cz>:

> Tak tento problém musí všichni řešit už nyní.
> A nemusíš ani chtít párovat OSM s jinými daty, ale třeba jen strojově
> vytvořit
> strom adres z OSM dat...
>
> Například máme název ulice "Pod Lipami" [1] ale adresní nody mají v
> "addr:street" hodnotu "Pod lipami" [2].
>
> Takže musíš minimálně normalizovat velikost písmen, což je docela sranda
> ale
> dá se to pro latinku s přimhouřeným okem zvádnout, ale co dělat když máš
> administrativní oblast "Bělá u Turnova" [3] ale tag "addr:place" je
> nastaven
> na "Bělá" [4] ?
>
> Je ale pravda že pokud program nenormalizuje bílé znaky tak jej pevná
> mezera
> rozbije, to je potřeba také zohlednit :-( OSM není bohužel (bohudík?)
> relační
> databáze, takže při práci s ní vždy bude docházet ke špatnému provázání
> dat.
>
> Lukáš
>
>
> 1) https://www.openstreetmap.org/way/28714626
> 2) https://www.openstreetmap.org/node/296700722
> 3) https://www.openstreetmap.org/relation/426770
> 4) https://www.openstreetmap.org/node/198686670
>
>
> Dne pátek 20. ledna 2017 16:45:07 CET jzvc napsal(a):
> > Dne 19.1.2017 v 21:36 Jan Macura napsal(a):
> > > //pardon, odeslal jsem mail předčasně
> > >
> > > 2017-01-19 9:01 GMT+01:00 Lukáš Karas <lukas.karas na centrum.cz
> > >
> > > <mailto:lukas.karas na centrum.cz>>:
> > >     Ano, zalomení řádku je forma (pokud nepíši poezii). Ale nikdo
> nechce
> > >     do osm
> > >     dat dávat konce řádku do názvů - tedy to kde zalomit. Ale bavíme se
> > >     o pevných
> > >     mezerách. Tedy kde nezalomit. Je to věcí jazyka, měly by dle mě být
> > >     součástí
> > >     všech strojově čitelných textů - tedy dle mě obsah.
> > >
> > > Chápu, ale pořád mi to nepřijde jako dostatečný argument. Je to jedno
> > > bez druhého – informace o tom, kde nezalomit řádek může existovat jen
> > > pro potřeby jeho zalomení a jsme zpátky u formátování dat (textu) pro
> > > konkrétní potřeby.
> > >
> > > Ale ten hate Jana Martince mě trochu nalomil (sic!). Pokud neexistuje
> > > žádný argument proti, kromě logického (to, co se tu snažím obhajovat),
> > > nemá asi smysl tomu bránit. Navíc, když Ladislav Laska píše, že některé
> > > editory s tím umí pracovat, bral bych to v nejlepším duchu OSM (a
> > > dobrovolnictví) jako možnost, ale určitě ne nutnost.
> >
> > Existuje minimalne jeden zasadni argument proti, u znacne casti prvku
> > mapy je jejich nazev zaroven jejich identifikatorem (jednoduse proto, ze
> > neni jiny). A sem opravdu zvedav, az bude nekdo porovnavat (pripadne na
> > sebe navazovat) dve databaze, co rekne na to, ze mu to proti sobe nesedi
> > jen proto, ze na jedny strane sou nejaky divny znaky, coz mu trvalo
> > tyden zjistit.
> >
> > > 2017-01-19 9:11 GMT+01:00 Mikoláš Štrajt <strajt9 na seznam.cz
> > >
> > > <mailto:strajt9 na seznam.cz>>:
> > >     Fun fact:
> > >
> > >     RUIAN už skloňování názvů obcí ve své databázi má. V exportu je to
> v
> > >     položce obi:MluvnickeCharakteristiky.
> > >
> > > A to je dobře. Plní tak pečlivě funkci registru územní identifikace.
> > > Stejně tak bych čekal "mluvnické charakteristiky" třeba v GeoNames, ale
> > > ne v OSM ;-)
> > >
> > > 2017-01-19 10:35 GMT+01:00 Petr Kadlec <petr.kadlec na gmail.com
> > >
> > > <mailto:petr.kadlec na gmail.com>>:
> > >     A ještě k
> > >
> > >     >  je extrémně výhodné, aby velikost písmen byla přímo brána jako
> > >     >  součást obsahu>
> > >     To přece není „extrémně výhodné“ [wut?], to je přece _pravda_. Ta
> > >     obec se _nejmenuje_ „libčice nad vltavou“˝, ale „Libčice nad
> > >     Vltavou“. _Proto_ to tam takhle máme. Ne proto, aby bylo jednodušší
> > >     to hezky vykreslovat. Stejně tak máme mít třeba „PP Opatřilka//–
> > >     Červený lom“, nikoli „PP Opatřilka - Červený lom“ (bez ohledu na
> to,
> > >     jakým písmem to pak kdo vykresluje).
> > >
> > > Je to off-topic, ale snad bude strpen. Dokážu si představit takový
> > > datový model, kde jméno objektu nebude řetězec "Kostelec nad Černými
> > > lesy", ale objekt (v OSM tedy relace) se členy "kostelec", "černá",
> > > "les" a vyjádřením jejich vzájemných vztahů , které by velikost písmen
> > > implikovaly. Možné by to bylo, jen je to úplná blbost, takhle to
> > > modelovat (= tím myslím, že je to extrémně nevýhodné ;-) )
> > >
> > > H.
> > >
> > >
> > >
> > >
> > >
> > > _______________________________________________
> > > Talk-cz mailing list
> > > Talk-cz na openstreetmap.org
> > > https://lists.openstreetmap.org/listinfo/talk-cz
> >
> > _______________________________________________
> > Talk-cz mailing list
> > Talk-cz na openstreetmap.org
> > https://lists.openstreetmap.org/listinfo/talk-cz
> _______________________________________________
> Talk-cz mailing list
> Talk-cz na openstreetmap.org
> https://lists.openstreetmap.org/listinfo/talk-cz
>
>
------------- další část ---------------
HTML příloha byla odstraněna...
URL: <https://lists.openstreetmap.org/pipermail/talk-cz/attachments/20170120/bd829fbd/attachment.html>