Qualität der Daten - Hilfe ist gefragt!

Beitrag von **bodo** » 20 Sep 2007, 16:03

Nochwas: wenn jemand komische Zeichen in den Beschreibungen findet ( , oder ? wo eigentlich " sein sollten), sofort hier posten!

Beitrag von **Bananeweizen** » 20 Sep 2007, 21:02

bodo hat geschrieben:bei dem ZDF tausche ich die Schauspieler/Rollen um, sodass der TV-Browser nun nicht mehr die Rolle, sondern den Schauspieler zur Suche anbietet.

Ich bin nicht so recht sicher, warum du das tust. Für alle bisher genannten Beispiele in diesem Thread war die Schauspielererkennung (und damit das Setzen der Links) korrekt, lediglich der Text wurde mal als Rolle-Name und mal als Name-Rolle ausgegeben.

Allerdings blicke ich auch nicht, ob ich bei mir lokal grad Daten deines alten oder deines neuen Parsers habe. Von daher weiß ich nicht mal, ob ich hier jedes Problem grad nachvollziehen kann...

Beitrag von **Bananeweizen** » 20 Sep 2007, 21:13

bodo hat geschrieben:komische Zeichen

Ich glaube, das Phänomen hatte ich auch vorher schon des öfteren bei Anführungszeichen. Beispiel: ARD, Sternenfänger, heute 18:50 steht in der Beschreibung

Caroline möchte an ihrem eigenen Theater als erstes Stück den ”Sommernachtstraum” aufführen

, wobei sich die beiden Anführungszeichen bei mir unter Ubuntu nur als Vierecke darstellen.

Nach dem Rauskopieren aus dem TVB und Einfügen hier im Board ist das ganze dann auch für mich lesbar.

A.J. · Beitrag von **A.J.** » 20 Sep 2007, 23:46

bodo hat geschrieben:Nochwas: wenn jemand komische Zeichen in den Beschreibungen findet ( , oder ? wo eigentlich " sein sollten), sofort hier posten!

Such doch einfach nach .

Hab' ich mal gemacht hier das Ergebnis:

Fr, 21. Sep · 00:05-01:00 · N24
Süddeutsche Zeitung TV Magazin

Beschreibung
Themen der Sendung: Kopfgeldjäger in Amerika / Der Schnäppchenkönig / Bestatter - ein todsicheres Geschäft / Edle Federn - Deutsche Falkentrainer in Abu Dhabi / Und: Torejagd AufSchalke ... Themen der ersten Sendung 1. Menschenjagd: Kopfgeldjäger in Amerika haben mehr Rechte als die Polizei 2. Der Billigste - Der Schnäppchenkönig und seine Geschäfte 3. Ein todsicheres Geschäft - Berliner Bestatter: Die erste Adresse für das letzte Geleit 4. Edle Federn: Deutsche Falkentrainer auf der Jagd-Messe in Abu Dhabi 5. Torjagd Auf Schalke - die Arena der Superlative: Über einen Platzwart, der seinen Rasen über alles liebt und wer im Kostüm des Maskottchens steckt "Süddeutsche Zeitung TV Magazin": ab 19. Juli 2007 immer donnerstags; 20:05 bis 21:00 Uhr auf N24 Weitere Ausstrahlungen jeweils in der Nacht von Donnerstag auf Freitag um 00:05 Uhr sowie am Samstag um 16:05 Uhr und am Sonntag um 18:05 Uhr Seit 19. Juli 2007 zeigt N24 das wöchentlichen Reportageformat "Süddeutsche Zeitung TV Magazin". Moderatorin Petra Glinski präsentiert anspruchsvolle Reportagen zu aktuellen Themen aus dem In- und Ausland: Informative Features, investigative Enthüllungsgeschichten, bewegende Porträts, aufwändig Dokumentationen und hintergründige Reportagen - ein breites journalistisches Spektrum ... Neustart auf N24: "Süddeutsche Zeitung TV Magazin" Am Donnerstag, 19. Juli 2007, startet der führende deutsche Nachrichtensender N24 mit dem neuen wöchentlichen Reportageformat "Süddeutsche Zeitung TV Magazin" in Kooperation mit der Süddeutsche TV GmbH. Moderiert von Petra Glinski werden dem Zuschauer jeweils am Donnerstagabend um 20:05 Uhr vier bis fünf anspruchsvolle Reportagen zu aktuellen Themen unserer Zeit aus dem In- und Ausland präsentiert. Inhaltlich reicht das breite journalistische Spektrum von hintergründigen Reportagen und informativen Features über investigative Enthüllungsgeschichten und bewegende Porträts bis hin zu aufwändig recherchierten Dokumentationen, wobei die einzelnen Themen aus Politik, Wirtschaft und Gesellschaft immer von mehreren Seiten beleuchtet werden. "Süddeutsche Zeitung TV Magazin": seit 19. Juli 2007 immer donnerstags; 20:05 bis 21:00 Uhr auf N24 Weitere Ausstrahlungen: samstags um 16:05 Uhr und sonntags um 18:05 Uhr auf N24. Bei Rückfragen: Kerstin Bähren; N24, PR-Redakteurin Tel.:+49(30)2090-4622 / Fax:+49(30)2090-4623 / E-Mail: kerstin.baehren@N24.de Seit 19. Juli 2007 zeigt N24 das wöchentlichen Reportageformat "Süddeutsche Zeitung TV Magazin". Moderatorin Petra Glinski präsentiert anspruchsvolle Reportagen zu aktuellen Themen aus dem In- und Ausland: Informative Features, investigative Enthüllungsgeschichten, bewegende Porträts, aufwändig Dokumentationen und hintergründige Reportagen - ein breites journalistisches Spektrum ...

Fr, 21. Sep · 01:15-02:03 · kabel eins
The First 48 - Am Tatort mit den US-Ermittlern

Beschreibung
In Folge 14 wird in einem Armenviertel von Miami ein junger Mann auf der Straße erschossen. Die Detectives finden heraus, dass das Opfer möglicherweise in einen aufkeimenden Bandenkrieg verwickelt war. Um den Fall zu lösen, muss Sergeant Joe Schillaci verdeckt ermitteln. Neue Folgen der Crime-Dokureihe in Deutscher Erstausstrahlung Folgen: 25 Die Crime-Dokureihe zeigt die spektakulärsten Fälle der amerikanischen Polizei, die alle eines gemeinsam haben: Sie müssen innerhalb der ersten 48 Stunden aufgeklärt werden. Finden die Cops in der Zeit keine Hinweise zum Täter, halbieren sich die Chancen, den Fall jemals zu lösen. Für die Ermittler beginnt ein Wettlauf gegen die Zeit ... In Folge 14 wird in einem Armenviertel von Miami ein junger Mann auf der Straße erschossen. Die Detectives finden heraus, dass das Opfer möglicherweise in einen aufkeimenden Bandenkrieg verwickelt war. Um den Fall zu lösen, muss Sergeant Joe Schillaci verdeckt ermitteln. Detailliertere Informationen zu den Highlights bei kabel eins erhalten Sie bei: Daria Einowsky Tel.: 089/9507-2183 daria.einowsky@kabeleins.de Dagmar Brandau Tel: 089/9507-2185 dagmar.brandau@kabeleins.de Daniela Allgayer-Koreimann Tel.: 089/9507-2148 daniela.allgayer-koreimann@kabeleins.de Eva-Maria Menache Tel.: 089/9507-2244 eva-maria.menache@kabeleins.de Die Crime-Dokureihe zeigt die spektakulärsten Fälle der amerikanischen Polizei, die alle eines gemeinsam haben: Sie müssen innerhalb der ersten 48 Stunden aufgeklärt werden. Finden die Cops in der Zeit keine Hinweise zum Täter, halbieren sich die Chancen, den Fall jemals zu lösen.

Fr, 21. Sep · 17:30-18:00 · Sat.1
Niedrig und Kuhnt - Kommissare ermitteln

Beschreibung
Skandal im Rathaus - der Regierungsdirektor Raul Hähnel wird überfallen und das ausgerechnet im Rotlichtviertel. Führte der spießige Politiker ein Doppelleben oder wurde er Opfer einer Intrige? Die Kommissare stoßen auf bizarre Verflechtungen. oder "17:30 live" Das Magazin für Nordrhein-Westfalen "17:30 live" Das Magazin für Niedersachsen und Bremen "17:30 live" Das Magazin für Schleswig-Holstein und Hamburg "17:30 live" Das Magazin für Rheinland-Pfalz und Hessen "17:30 live für Bayern" Kripoarbeit ist Teamarbeit - und sie sind das perfekte Ermittler-Team: Cornelia Niedrig und Bernhard Kuhnt sind echte Kommissare, die Täter vor laufender Kamera dingfest machen. Schlechte Nachrichten also für Deutschlands Knacki-Elite, alle anderen dürfen sich über eine spannende und sehr erfolgreiche Polizei-Ermittler-Serie freuen.

Es gibt noch mehr, sie haben aber eines gemeinsam: Sie sind alle von N24, kabel eins oder sat.1 .

Beitrag von **bodo** » 21 Sep 2007, 00:13

Das mit dem war nur ein Beispiel. Die Fälle habe ich auch schon gesehen und hab das auf meiner ToDo. Deswgen habe ich ja das explizit erwähnt, da ich das ja schon selber gesehen habe in den Daten

. Aber mir geht es darum, weitere komische HTML-Elemente zu finden, die nicht oder heißen.

Morethantv · Beitrag von **Morethantv** » 21 Sep 2007, 15:33

Meine Daten lasse ich nach der Verarbeitung noch bezüglich "<", ">", "[", "]", """ nach einem Zeilenumbruch etc. absuchen (die Viereckklammern allerdings nur senderspezifisch). Nach einer gewissen Weile ist dann auch bekannt, was fälschlicherweise in den Dreieckklammern stehen kann und somit automatisch aussortiert werden kann.

Beitrag von **Bananeweizen** » 21 Sep 2007, 19:58

Es passiert nicht ständig, aber gehäuft: Wenn ich mir Spielfilme auf ProSieben anschaue, dann haben die nie eine Kurzbeschreibung, aber die Langbeschreibung enthält sehr häufig als letzte Zeile und letzten Absatz etwas, das mächtig nach Kurzbeschreibung klingt:

Polizeichef Denzel Washington steht unter Mordverdacht

Felicitas Woll in ihrer ersten Rolle nach der Babypause

Parodie auf "Das Geisterschloss", "Der Exorcist" und Co.

Colin Farrell erobert die Welt: Berauschendes Portrait des antiken Eroberers

Beitrag von **bodo** » 21 Sep 2007, 23:38

Ja, nur leider kann man die nicht automatisch erkennen.

Beitrag von **bodo** » 22 Sep 2007, 10:21

So, die " und -Fehler sollten nun behoben sein. Sollten ab Montag noch weitere Sonderzeichen enthalten sein, hier posten.

gaertsch · Beitrag von **gaertsch** » 22 Sep 2007, 13:12

Hallo!

Na da hast Du Dir was vorgenommen. Ich beschäftige mich schon einige Zeit damit. Um die Postings nicht zu unübersichtlich werden zu lassen, mal so häppchenweise...

Das sind bei mir alles Filme:
Spielfilm, Fernsehfilm, Kriminalfilm, Erotikfilm, Liebesfilm, Sportfilm, Heimatfilm, Dokumentarfilm, Kurzfilm, Krimikomödie, Gruselkomödie, Familienkomödie, Tragikkomödie, Psychodrama, Dokudrama, Familiendrama, Drama, Psychatrieddrama, Thriller, Psychothriller, Erotikthriller, Spielfilm, Groteske, Satire, Komoedie, Science-Fiction, Charakterstudie, Horrorparodie, Melodram, Katastrophenthriller, Romanze.

o Begriffe kannst Du vorfiltern z.B: 'film', 'komödie', 'drama' für (irgendaws-)film/komödie/drama. Dann kannst Du die genauen Vergleiche überspringen.

o Alles < 60 min ist kein Film (riskant), <= 30 min (weniger riskant),

o Vorsicht bei Sammelbegriffen wie 'Action',

o Beachte auch Action-Thriller, Doku-Drama und Umlaute wie in 'Komoedie',

o In den aktuellen Daten steht oft 'Amerikanischer Spielfilm' als Originaltitel,

o Meide die Lang-Beschreibung, dort wird oft auf andere Filme verwiesen,

o Du kannst in Origin nach 'USA 199' oder 'Deutschland 200' suchen. Sind ziemlich(?) sicher Filme,

o Sender ausschließen. MTV, goTV, KIKA,...

Viel Erfolg! Und wirklich interessant wird's bei Serien bzw. regelmäßigen Sendungen. Dann noch unterteilen in Talkshows, Gameshows, Dokumentationen, Info-Sendungen,... und so weiter und so fort.

gaertsch

Beitrag von **bodo** » 22 Sep 2007, 13:23

Sorry, aber :

Begriffe kannst Du vorfiltern z.B: 'film', 'komödie', 'drama' für (irgendaws-)film/komödie/drama. Dann kannst Du die genauen Vergleiche überspringen.

Geht nicht. Gibt doch einige Sender, die eine Serie "Drama" als Genre verpassen

.

Sendungslängen kann ich nicht berücksichtigen, die weiß ich an der Stelle, an der ich die Daten aufbereite nicht und die 30-Min Geschichte funktioniert nicht, sobald ein Sender sowas macht wie RTL2 und Kino-Zeugs als eigene Sendung zwischenschiebt. Das ist mir zu riskant.

Du kannst in Origin nach 'USA 199' oder 'Deutschland 200' suchen. Sind ziemlich(?) sicher Filme

Ne, das geht nicht. USA 1999 ist eventuell ja auch eine Serie. Siehe Pro7 Simpsons.

Meldet einfach hier, wenn Ihr Sachen seht, die fälschlicherweise als Film/Serie markiert sind, dann schau ich mir die Sendungen genauer an.

Higa · Beitrag von **Higa** » 22 Sep 2007, 14:50

gaertsch hat geschrieben: Sender ausschließen. MTV, goTV, KIKA,...

Im KIKA gibts auch Filme.

Higa

gaertsch · Beitrag von **gaertsch** » 22 Sep 2007, 19:49

Hallo!

Mit dem Vorfiltern meinte ich, Wenn 'drama' nicht vorkommt (ich verwende 'rama'), ist die Sendung kein spezielles Drama und die Unterarten können vernachlässigt werden.
'USA 1999' bei den Simpsons wusste ich nicht. OK.
KIKA hat Filme, aber nur am Sonntag.

Es bleiben sowieso dutzende Sendungen pro Tag übrig, die nach ganz besonderen Kriterien untersucht werden müssen. Deshalb ist es wichtig diese Anzahl so klein als möglich werden zu lassen. Eh klar...

gaertsch

Beitrag von **Maria-Christine** » 22 Sep 2007, 20:02

gaertsch hat geschrieben:KIKA hat Filme, aber nur am Sonntag.

nicht wirklich,
gestern lief z.B.
'Freitag, 21. September, 19:25, KIKA Die geheimnisvolle Minusch'

(übrigens ein sehenswerter Film)

Beitrag von **bodo** » 22 Sep 2007, 20:17

Genau deswegen schließe ich ja auch keinen Sender aus bei sowas

.

Mir ist auch nicht wichtig, soviele Filme wie möglich zu markieren, sondern eher sowenig Fehler wie möglich zu haben.