Umwandlung von Ami Pro .SAM in HTML für Intranets und das Web

Warum HTML für Altarchive unterschätzt wird

Die meisten Konvertierungsprojekte gehen standardmäßig von PDF aus und hören dort auf. Das erzeugt einen korrekten Datensatz und eine schlechte Erfahrung: Das Personal muss die Datei finden, herunterladen, auf einen Reader warten und dann nur ein Dokument nach dem anderen durchsuchen. Multipliziert man das mit einem 3.000-Dokumente-Archiv, lautet die praktische Antwort auf die Frage „Können wir die alten Richtlinien lesen?“ immer noch nein.

HTML entfernt jeden Schritt. Ein Link öffnet sich sofort im Browser, den jeder bereits hat, auf einem Laptop oder einem Handy, ohne Lizenzprüfung und ohne Download. Für eine interne Wissensdatenbank ist dieser Unterschied im Aufwand der Unterschied zwischen einem Archiv, das genutzt wird, und einem Archiv, das ignoriert wird.

HTML ist auch das am besten handhabbare Format für die Unternehmenssuche. Crawler verstehen es nativ, Überschriften geben dem Index eine echte Struktur, und Seiten können per URL verlinkt und zitiert werden – was bedeutet, dass die alten Dokumente endlich am selben Wissensgraphen teilnehmen können wie alles, was seitdem geschrieben wurde.

Wie Ami Pro-Struktur HTML wird

• Absatzstile, die aus der .STY-Blattzuordnung aufgelöst werden, werden auf Überschriften- und Absatz-Elemente abgebildet
• Tabellen werden zu echten HTML Tabellen, sodass sie lesbar und maschinenlesbar bleiben
• Listen werden zu geordneten und ungeordneten Listenelementen anstelle von typisierten Aufzählungszeichen
• Inline-Formatierung wird auf Standard-Emphasis-, Strong- und Vertikal-Ausrichtungs-Markup abgebildet
• Wiederhergestellte WMF/EMF-Diagramme werden als Bilddateien gespeichert und von der Seite aus referenziert
• Gleichungen werden als Bilder dargestellt, wobei LaTeX verfügbar ist, wo Sie eine clientseitige Darstellung wünschen

Planen Sie Ihre URLs anhand der Ordnerstruktur

Alte Archive tragen normalerweise Bedeutung in ihrer Verzeichnisstruktur: nach Jahr, nach Abteilung, nach Kunde, nach Aktenzeichen, nach Ausschuss. Diese Hierarchie ist institutionelles Wissen, und es wegzuwerfen, verwandelt Tausende von Dokumenten in einen undifferenzierten Stapel.

Aktivieren Sie während der Konvertierung die Spiegelung der Ordnerstruktur, sodass der Ausgabebaum dem Quellbaum entspricht. Von dort aus ist die Zuordnung zu URLs mechanisch, und ein Pfad wie /archive/1994/planning-committee/minutes-march.html beschreibt sich selbst auf eine Weise, wie es eine Dokumenten-ID niemals tut.

Führen Sie die Bereinigung an diesem Punkt bewusst durch, da es so günstig wie nie zuvor sein wird. Normalisieren Sie Dateinamen auf Kleinbuchstaben, ersetzen Sie Leerzeichen durch Bindestriche, entfernen Sie die DOS-Ära-Abkürzungen, wo Sie sie entschlüsseln können, und behalten Sie eine Zuordnungstabelle vom ursprünglichen Dateinamen zur veröffentlichten URL. Diese Tabelle erlaubt es Ihnen, ein Jahr später die Frage zu beantworten: "Wo ist MINUTES3.SAM hingegangen?"

Umgang mit Bildern und Assets

Das Archiv durchsuchbar machen

Sobald das Archiv HTML ist, erledigt Ihre vorhandene Suchinfrastruktur den größten Teil der Arbeit. Ein SharePoint-Crawler, ein Elasticsearch-Index oder ein Such-Plugin für statische Websites werden alle die Seiten ohne besondere Handhabung indexieren, und Überschriften geben dem Index genügend Struktur, um sinnvolle Ausschnitte anstelle von Satzfragmenten zurückzugeben.

Fügen Sie beim Veröffentlichen eine kleine Menge an Metadaten hinzu, und die Wirkung vervielfacht sich. Schon ein Titel, ein Datum und ein Quellen-Abteilungs-Feld pro Seite verwandeln eine einfache Volltextsuche in etwas, das Sie filtern können – genau das ist es, was die Leute tatsächlich wollen, wenn sie nach einem Memo aus dem Jahr 1997 suchen.

Wenn Sie auch einen KI-Abrufindex über das Archiv erstellen, konvertieren Sie im selben Durchgang in Markdown, anstatt später Ihre eigenen HTML zu scrapen. Markdown chunked sauberer, kostet weniger Tokens und behält Gleichungen als LaTeX bei.

Veröffentlichen HTML, behalten PDF

HTML und PDF beantworten unterschiedliche Fragen, und das sinnvolle Muster ist, beide aus einem einzigen Konvertierungsdurchgang zu erzeugen. HTML ist für den Zugriff: schnell, durchsuchbar, verlinkbar, mobilfreundlich. PDF ist für das Archiv: feste Seitennummerierung, zitierbar, stabil, geeignet, wenn jemand genau wissen muss, wie das Dokument ausgesehen hat.

Veröffentlichen Sie das HTML im Intranet und verlinken Sie das PDF auf jeder Seite als „Originalaufzeichnung herunterladen“. Die Leser erhalten die reibungslose Version, die Aufzeichnungen und die Rechtsabteilung erhalten die feste Version, und niemand muss darüber streiten, in welchem Format das Archiv vorliegen sollte.

Bewahren Sie die .sam Originale und ihre Stilvorlagen auf jeden Fall auf. Die veröffentlichte Seite ist ein Derivat; die Quelldokumente bleiben maßgeblich.