Presa

---
name: presa
description: Пошук у старій періодиці - оцифровані газети, ключі пошуку по словоформах і дореформеній орфографії, вирізки замість шпальт, OCR і його тихі поломки. Use when searching digitized newspapers and old periodicals, working with LIBRARIA or Commons full-text search, OCR of scanned press, or when the user asks «пошукай у газетах», «що писала преса про X», «знайди замітку», "search old newspapers", "find this in the digitized press".
---

# Стара періодика

Газета дає те, чого не дає жодна книжка: **імена живих людей при їхніх заняттях, а не при смерті**. Мартиролог називає людину, коли її розстріляли; довідник називає село, коли рахували двори. Газета називає людину, коли вона отримала премію, засудила сусіда, шукала сина або продавала корову.

Одна знахідка для калібрування: у обласній газеті 1934 року стояло оголошення матері про розшук двох синів, залишених у Києві. Такого не дає ні мартиролог, ні довідник, ні архівний опис, і жодне вторинне джерело про цю родину не знає нічого.

Ціна цього - робота зі словом. Портал вʼяже статтю **до тієї словоформи, що стоїть у тексті**, і ваша назва в називному відмінку може не збігтися з жодною згадкою в архіві за сто років. Тому головна частина цього скіла не про пошук, а про ключі: `references/kliuchi.md`.

## Порядок

1. **Каталог перед пошуком.** Дізнайтеся, які видання взагалі є за ваш район і роки. Районні газети часто не оцифровані взагалі, і це варто знати до того, як шукати.
2. **Ключі.** Не один запит, а перебір словоформ. Порожня видача за одним написанням не означає нічого.
3. **Видача.** Прочитати заголовки й сніпети, відсіяти шум.
4. **Вирізок.** Витягти саму замітку зі скану, не читати шпальту цілком.
5. **Цитата - тільки з прочитаного очима.**

## Пʼять правил, кожне оплачене прогоном

### Порожня видача це не мовчання газети

Найдорожча помилка каналу виглядає як результат: «у пресі про це село нічого немає». Один випадок: село пів року стояло в реєстрі як «порожньо у власній видачі», і це означало не мовчання газети, а те, що шукали не те слово. З восьми випробуваних написань матеріал дала **рівно одна форма**.

Порядок, коли видача порожня: **спершу відмінки, потім дореформені форми, потім прикметник обома словотворами, потім сусіди по кущу й райцентр, і лише тоді «порожньо»**. Подробиці й приклади - `references/kliuchi.md`.

### Число результатів не є числом згадок

Значна частина видачі це реклама й оголошення, у яких назва стоїть випадково, а лічильник рахує їх нарівні зі змістовими замітками. «Знайдено 214» це число рядків, а не число згадок про ваше село.

Це той самий клас, що й будь-який лічильник збігів: він рахує входження рядка, а не те, що вас цікавить. Змістових серед двохсот буває три.

### Пошук і читання це два різні права

На платних архівах доступ до пошуку і доступ до повного скану видаються окремо, і сесія може мати перше без другого. Виміряно дорого: агент знайшов шістнадцять статей і не зміг процитувати жодної, бо передплата була неактивна, а передпольотна перевірка пінгувала відкритий каталог і казала «сесія жива».

Тому перевіряйте не «чи відкривається сайт», а **чи відкривається сам скан**. І якщо ні, розрізняйте дві причини: протухла сесія лікується новою кукою, неактивна передплата не лікується нічим, крім грошей. Знайдені сніпети при цьому не марні - це перелік адрес, за якими читати, щойно доступ зʼявиться.

### Вирізок замість шпальти

Портали віддають координати блоків статті разом зі сканом сторінки. Це означає, що **газету шпальтою читати не треба**: замітка вирізається зі скану за координатами й розгортається до читабельного одним `-resize`.

Різниця не в зручності, а в ціні. Шпальта, віддана моделі очима, це десятки тисяч токенів і половина з них чужі оголошення; вирізок на 350x800 px це одна замітка.

### Цитувати можна тільки прочитане

Сніпет із видачі це не джерело. Він обрізаний посередині речення, у ньому OCR, і в ньому немає контексту, який міняє зміст. У текст іде тільки те, що прочитане з самого скану.

## Що ще ламається тихо

OCR старої періодики має три поломки, які **не дають помилки**: пошук просто знаходить менше, і ви цього не бачите. Перенос слова, переданий літерою; нуль, розпізнаний як «О»; текстовий шар, якого насправді немає або який набраний легасі-шрифтом. Кожна коштувала окремого дня. Числа, ознаки й способи зняти - `references/ocr.md`.

Там-таки про вибір двигуна: різниця між двигунами велика, різниця між режимами одного двигуна дорівнює шуму, і витрачатися варто рівно на перше.