そのGoogle Book Searchを使ってみたのだが、その技術力に感銘をうけた。
「Google Book Search」、一部書籍の無償配布を開始 - CNET JapanGoogleは米国時間8月30日、書籍をスキャンして作成したPDFファイルの提供をGoogle Book Searchで開始したことを発表した。ファイルは無償でダウンロードおよびプリントすることができる。
今回のNewsでは、Public Domainになっている書籍のPDF版ダウンロードだが、こちらの方は技術的にはNo News。
凄いのは、検索をかけた時に、書籍の画像をリアルタイムで編集して、検索語をハイライトしていること。
例えば、"Dan Kogai"で検索をかけると、Writing Apache Modules With Perl and CのPage 685とAdvanced Perl Programming (2nd Ed.)のPage 184が引っかかる。後者の方は残念ながら"This page is unavailable for viewing"だが、前者の方はそのPage 685に、"Dan"と"Kogai"にハイライトがかけられた画像が表示される。
最初これを見た時には、CSSで長方形のオブジェクトを背景となるページ画像かぶせているのかと思ったのだが、そうではなく、元となるページの画像にハイライトを合成して画像を生成していることがちょっとした解析でわかる。
これからわかるのは、Googleは、単に元となる画像とOCR経由のテキストデータだけではなく、どの文字がどの位置にあるかという情報まで保持しているということ。しかもこれだけのデータから、一瞬にして必要な画像を生成しているのである。改めてGoogleの技術の底力を見せつけられた。
しかし、その一方で、折角デジタル化して使いやすくなった情報を、わざわざ画像にして再利用性を低めていることに、Googleの社会力の欠如もまた見えるような気がする。もちろんその主たる理由は、著作権の保護ということにはなるのだろうが、むしろこの技術力を活かすためには「著作権2.0」を提案し、オールドメディアの人々に根気よくそれを訴えるべきではないのだろうか?
特にPublic Domainの書籍に関しては、PDFもありがたいがむしろPlain Text/HTML版を提供してくれた方が可用性も上がる。古典からの孫引きでなく直接引用が可能となったはずなのに、かなり残念である。
Dan the Searche(r|d)
追記:hyukiさん、typoの指摘ありがとうございます。
そうすれば、例えばAdobeReaderを使ってハイライト表示は可能です(ページ先頭からの文字数を記憶しておく必要はありますが)。