From 7c768b7ed271bd7fd9123c5ed15b1edbb1c26963 Mon Sep 17 00:00:00 2001 From: Stanley Shen Date: Sat, 26 Sep 2026 01:54:35 -0700 Subject: [PATCH 1/2] fix(pdf): keep a line-final hyphen that belongs to the word Both sites that close up a word split over a line break dropped the hyphen whenever alphanumerics stood on either side, so a hyphen that is part of the word was destroyed: "n-" / "octanal" became "noctanal" and "pages 15137-" / "15145" became "pages 1513715145". Two shapes of hyphen cannot have come from hyphenation and are now kept at both sites: one after a single-character token, which no typesetter produces, and one before a continuation opening on a digit. Regenerate the three PDF reference documents the change affects. Every difference restores a hyphen: five page ranges and one "x-coordinate". Signed-off-by: Stanley Shen Co-Authored-By: Claude Opus 5 --- .../page_assemble/page_assemble_model.py | 7 ++++++- .../stages/reading_order/readingorder_model.py | 12 ++++++++++++ tests/data/pdf/groundtruth/2203.01017v2.json | 18 +++++++++--------- tests/data/pdf/groundtruth/2203.01017v2.md | 6 +++--- .../pdf/groundtruth/2206.01062.doctags.txt | 2 +- tests/data/pdf/groundtruth/2206.01062.json | 6 +++--- tests/data/pdf/groundtruth/2206.01062.md | 2 +- .../pdf/groundtruth/2305.03393v1.doctags.txt | 4 ++-- tests/data/pdf/groundtruth/2305.03393v1.json | 12 ++++++------ tests/data/pdf/groundtruth/2305.03393v1.md | 4 ++-- tests/test_page_assemble_model.py | 18 ++++++++++++++++++ tests/test_readingorder_hyphenated_merges.py | 4 ++++ 12 files changed, 67 insertions(+), 28 deletions(-) diff --git a/docling/models/stages/page_assemble/page_assemble_model.py b/docling/models/stages/page_assemble/page_assemble_model.py index a7bd223f63..59a7bab4d1 100644 --- a/docling/models/stages/page_assemble/page_assemble_model.py +++ b/docling/models/stages/page_assemble/page_assemble_model.py @@ -121,7 +121,10 @@ def sanitize_text(self, lines: List[str]) -> str: attached to the word it splits; one that follows whitespace is a literal character -- a separator dash, a bullet marker, or a wrapped hyphen-prefixed token -- so it is kept and its lines are joined like - any other line break. + any other line break. An attached hyphen is also kept where no + hyphenation rule could have placed it: after a single-character token + ("n-" / "octanal") or before a continuation opening on a digit + ("6-methyl-" / "5-hepten-2-one"). There the hyphen belongs to the word. The joined text is then normalized: a few typographic characters are replaced by ASCII equivalents and ligatures are expanded. @@ -143,7 +146,9 @@ def sanitize_text(self, lines: List[str]) -> str: and len(prev_words) and len(line_words) and prev_words[-1].isalnum() + and len(prev_words[-1]) > 1 and line_words[0].isalnum() + and not line_words[0][0].isdigit() ): lines[ix] = prev_line[:-1] elif not hyphen_attached_to_word: diff --git a/docling/models/stages/reading_order/readingorder_model.py b/docling/models/stages/reading_order/readingorder_model.py index 8ae627ba25..d925d26258 100644 --- a/docling/models/stages/reading_order/readingorder_model.py +++ b/docling/models/stages/reading_order/readingorder_model.py @@ -1,6 +1,7 @@ # SPDX-FileCopyrightText: The Docling Contributors # SPDX-License-Identifier: MIT +import re from collections.abc import Iterator from pathlib import Path from statistics import median @@ -52,6 +53,7 @@ class ReadingOrderOptions(BaseModel): class ReadingOrderModel: _RICH_CELL_PICTURE_COVERAGE_THRESHOLD = 0.8 + _TOKEN_BEFORE_HYPHEN_RE = re.compile(r"(\w+)-$") def __init__(self, options: ReadingOrderOptions): self.options = options @@ -670,8 +672,15 @@ def _merge_elements(self, element, merged_elem, new_item, page_height): bbox=merged_elem.cluster.bbox.to_bottom_left_origin(page_height), ) continuation_text = merged_elem.text.lstrip() + token_before_hyphen = self._TOKEN_BEFORE_HYPHEN_RE.search(new_item.text) + # A hyphen no hyphenation rule could have placed -- after a + # single-character token, or before a digit -- belongs to the word. + hyphen_belongs_to_word = token_before_hyphen is not None and ( + len(token_before_hyphen.group(1)) == 1 or continuation_text[:1].isdigit() + ) if new_item.text.endswith("\u00ad") or ( new_item.text.endswith("-") + and not hyphen_belongs_to_word and continuation_text and continuation_text[0].islower() ): @@ -680,6 +689,9 @@ def _merge_elements(self, element, merged_elem, new_item, page_height): new_item.orig = ( new_item.orig[:-1] + merged_elem.text ) # TODO: This is incomplete, we don't have the `orig` field of the merged element. + elif hyphen_belongs_to_word: + new_item.text += continuation_text + new_item.orig += continuation_text else: new_item.text += f" {merged_elem.text}" new_item.orig += f" {merged_elem.text}" # TODO: This is incomplete, we don't have the `orig` field of the merged element. diff --git a/tests/data/pdf/groundtruth/2203.01017v2.json b/tests/data/pdf/groundtruth/2203.01017v2.json index a5ef7cac91..837f735ce8 100644 --- a/tests/data/pdf/groundtruth/2203.01017v2.json +++ b/tests/data/pdf/groundtruth/2203.01017v2.json @@ -12690,12 +12690,12 @@ }, "charspan": [ 0, - 302 + 303 ] } ], - "orig": "[26] Sebastian Schreiber, Stefan Agne, Ivo Wolf, Andreas Dengel, and Sheraz Ahmed. Deepdesrt: Deep learning for detection and structure recognition of tables in document images. In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) , volume 01, pages 11621167, 2017. 1", - "text": "Sebastian Schreiber, Stefan Agne, Ivo Wolf, Andreas Dengel, and Sheraz Ahmed. Deepdesrt: Deep learning for detection and structure recognition of tables in document images. In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) , volume 01, pages 11621167, 2017. 1", + "orig": "[26] Sebastian Schreiber, Stefan Agne, Ivo Wolf, Andreas Dengel, and Sheraz Ahmed. Deepdesrt: Deep learning for detection and structure recognition of tables in document images. In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) , volume 01, pages 1162-1167, 2017. 1", + "text": "Sebastian Schreiber, Stefan Agne, Ivo Wolf, Andreas Dengel, and Sheraz Ahmed. Deepdesrt: Deep learning for detection and structure recognition of tables in document images. In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) , volume 01, pages 1162-1167, 2017. 1", "enumerated": true, "marker": "[26]" }, @@ -12748,12 +12748,12 @@ }, "charspan": [ 0, - 183 + 184 ] } ], - "orig": "[28] Faisal Shafait and Ray Smith. Table detection in heterogeneous documents. In Proceedings of the 9th IAPR International Workshop on Document Analysis Systems , pages 6572, 2010. 2", - "text": "Faisal Shafait and Ray Smith. Table detection in heterogeneous documents. In Proceedings of the 9th IAPR International Workshop on Document Analysis Systems , pages 6572, 2010. 2", + "orig": "[28] Faisal Shafait and Ray Smith. Table detection in heterogeneous documents. In Proceedings of the 9th IAPR International Workshop on Document Analysis Systems , pages 65-72, 2010. 2", + "text": "Faisal Shafait and Ray Smith. Table detection in heterogeneous documents. In Proceedings of the 9th IAPR International Workshop on Document Analysis Systems , pages 65-72, 2010. 2", "enumerated": true, "marker": "[28]" }, @@ -15594,12 +15594,12 @@ }, "charspan": [ 0, - 99 + 100 ] } ], - "orig": "where c is one of { left, centroid, right } and x c is the xcoordinate for the corresponding point.", - "text": "where c is one of { left, centroid, right } and x c is the xcoordinate for the corresponding point." + "orig": "where c is one of { left, centroid, right } and x c is the x-coordinate for the corresponding point.", + "text": "where c is one of { left, centroid, right } and x c is the x-coordinate for the corresponding point." }, { "self_ref": "#/texts/536", diff --git a/tests/data/pdf/groundtruth/2203.01017v2.md b/tests/data/pdf/groundtruth/2203.01017v2.md index 8f799a2f4c..51fcbdb174 100644 --- a/tests/data/pdf/groundtruth/2203.01017v2.md +++ b/tests/data/pdf/groundtruth/2203.01017v2.md @@ -262,9 +262,9 @@ end object detection with transformers. In Andrea Vedaldi, Horst Bischof, Thomas Computer Vision and Pattern Recognition , pages 658-666, 2019. 6 -- [26] Sebastian Schreiber, Stefan Agne, Ivo Wolf, Andreas Dengel, and Sheraz Ahmed. Deepdesrt: Deep learning for detection and structure recognition of tables in document images. In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) , volume 01, pages 11621167, 2017. 1 +- [26] Sebastian Schreiber, Stefan Agne, Ivo Wolf, Andreas Dengel, and Sheraz Ahmed. Deepdesrt: Deep learning for detection and structure recognition of tables in document images. In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) , volume 01, pages 1162-1167, 2017. 1 - [27] Sebastian Schreiber, Stefan Agne, Ivo Wolf, Andreas Dengel, and Sheraz Ahmed. Deepdesrt: Deep learning for detection and structure recognition of tables in document images. In 2017 14th IAPR international conference on document analysis and recognition (ICDAR) , volume 1, pages 1162-1167. IEEE, 2017. 3 -- [28] Faisal Shafait and Ray Smith. Table detection in heterogeneous documents. In Proceedings of the 9th IAPR International Workshop on Document Analysis Systems , pages 6572, 2010. 2 +- [28] Faisal Shafait and Ray Smith. Table detection in heterogeneous documents. In Proceedings of the 9th IAPR International Workshop on Document Analysis Systems , pages 65-72, 2010. 2 - [29] Shoaib Ahmed Siddiqui, Imran Ali Fateh, Syed Tahseen Raza Rizvi, Andreas Dengel, and Sheraz Ahmed. Deeptabstr: Deep learning based table structure recognition. In 2019 International Conference on Document Analysis and Recognition (ICDAR) , pages 1403-1409. IEEE, 2019. 3 - [30] Peter W J Staar, Michele Dolfi, Christoph Auer, and Costas Bekas. Corpus conversion service: A machine learning platform to ingest documents at scale. In Proceedings of the 24th ACM SIGKDD , KDD '18, pages 774-782, New York, NY, USA, 2018. ACM. 1 - [31] Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Ł ukasz Kaiser, and Illia Polosukhin. Attention is all you need. In I. Guyon, U. V. Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan, and R. Garnett, editors, Advances in Neural Information Processing Systems 30 , pages 5998-6008. Curran Associates, Inc., 2017. 5 @@ -328,7 +328,7 @@ Here is a step-by-step description of the prediction postprocessing: -where c is one of { left, centroid, right } and x c is the xcoordinate for the corresponding point. +where c is one of { left, centroid, right } and x c is the x-coordinate for the corresponding point. 5. Use the alignment computed in step 4, to compute the median x -coordinate for all table columns and the me- diff --git a/tests/data/pdf/groundtruth/2206.01062.doctags.txt b/tests/data/pdf/groundtruth/2206.01062.doctags.txt index dec053a6b0..a804e5496d 100644 --- a/tests/data/pdf/groundtruth/2206.01062.doctags.txt +++ b/tests/data/pdf/groundtruth/2206.01062.doctags.txt @@ -137,7 +137,7 @@ Mingxing Tan, Ruoming Pang, and Quoc V. Le. Efficientdet: Scalable and efficient object detection. CoRR , abs/1911.09070, 2019. Tsung-Yi Lin, Michael Maire, Serge J. Belongie, Lubomir D. Bourdev, Ross B. Girshick, James Hays, Pietro Perona, Deva Ramanan, Piotr Dollár, and C. Lawrence Zitnick. Microsoft COCO: common objects in context, 2014. Yuxin Wu, Alexander Kirillov, Francisco Massa, Wan-Yen Lo, and Ross Girshick. Detectron2, 2019. -Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 1513715145, feb 2021. +Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 15137-15145, feb 2021. Yiheng Xu, Minghao Li, Lei Cui, Shaohan Huang, Furu Wei, and Ming Zhou. Layoutlm: Pre-training of text and layout for document image understanding. In Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining , KDD, pages 1192-1200, New York, USA, 2020. Association for Computing Machinery. Shoubin Li, Xuyan Ma, Shuaiqun Pan, Jun Hu, Lin Shi, and Qing Wang. Vtlayout: Fusion of visual and text features for document layout analysis, 2021. Peng Zhang, Can Li, Liang Qiao, Zhanzhan Cheng, Shiliang Pu, Yi Niu, and Fei Wu. Vsr: A unified framework for document layout analysis combining vision, semantics and relations, 2021. diff --git a/tests/data/pdf/groundtruth/2206.01062.json b/tests/data/pdf/groundtruth/2206.01062.json index fbfed86456..2d5de1060d 100644 --- a/tests/data/pdf/groundtruth/2206.01062.json +++ b/tests/data/pdf/groundtruth/2206.01062.json @@ -14031,12 +14031,12 @@ }, "charspan": [ 0, - 339 + 340 ] } ], - "orig": "[18] Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 1513715145, feb 2021.", - "text": "Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 1513715145, feb 2021.", + "orig": "[18] Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 15137-15145, feb 2021.", + "text": "Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 15137-15145, feb 2021.", "enumerated": true, "marker": "[18]" }, diff --git a/tests/data/pdf/groundtruth/2206.01062.md b/tests/data/pdf/groundtruth/2206.01062.md index 699cf0c4d3..e2bc83aaed 100644 --- a/tests/data/pdf/groundtruth/2206.01062.md +++ b/tests/data/pdf/groundtruth/2206.01062.md @@ -283,7 +283,7 @@ Diaconu, Mai Thanh Minh, Marc, albinxavi, fatih, oleg, and wanghao yang. ultraly - [15] Mingxing Tan, Ruoming Pang, and Quoc V. Le. Efficientdet: Scalable and efficient object detection. CoRR , abs/1911.09070, 2019. - [16] Tsung-Yi Lin, Michael Maire, Serge J. Belongie, Lubomir D. Bourdev, Ross B. Girshick, James Hays, Pietro Perona, Deva Ramanan, Piotr Dollár, and C. Lawrence Zitnick. Microsoft COCO: common objects in context, 2014. - [17] Yuxin Wu, Alexander Kirillov, Francisco Massa, Wan-Yen Lo, and Ross Girshick. Detectron2, 2019. -- [18] Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 1513715145, feb 2021. +- [18] Nikolaos Livathinos, Cesar Berrospi, Maksym Lysak, Viktor Kuropiatnyk, Ahmed Nassar, Andre Carvalho, Michele Dolfi, Christoph Auer, Kasper Dinkla, and Peter W. J. Staar. Robust pdf document conversion using recurrent neural networks. In Proceedings of the 35th Conference on Artificial Intelligence , AAAI, pages 15137-15145, feb 2021. - [19] Yiheng Xu, Minghao Li, Lei Cui, Shaohan Huang, Furu Wei, and Ming Zhou. Layoutlm: Pre-training of text and layout for document image understanding. In Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining , KDD, pages 1192-1200, New York, USA, 2020. Association for Computing Machinery. - [20] Shoubin Li, Xuyan Ma, Shuaiqun Pan, Jun Hu, Lin Shi, and Qing Wang. Vtlayout: Fusion of visual and text features for document layout analysis, 2021. - [21] Peng Zhang, Can Li, Liang Qiao, Zhanzhan Cheng, Shiliang Pu, Yi Niu, and Fei Wu. Vsr: A unified framework for document layout analysis combining vision, semantics and relations, 2021. diff --git a/tests/data/pdf/groundtruth/2305.03393v1.doctags.txt b/tests/data/pdf/groundtruth/2305.03393v1.doctags.txt index be35202174..f9cbb7be81 100644 --- a/tests/data/pdf/groundtruth/2305.03393v1.doctags.txt +++ b/tests/data/pdf/groundtruth/2305.03393v1.doctags.txt @@ -107,7 +107,7 @@ Secondly, OTSL has more inherent structure and a significantly restricted vocabulary size. This allows autoregressive models to perform better in the TED metric, but especially with regards to prediction accuracy of the table-cell bounding boxes (see Table 2). As shown in Figure 5, we observe that the OTSL drastically reduces the drift for table cell bounding boxes at high row count and in sparse tables. This leads to more accurate predictions and a significant reduction in post-processing complexity, which is an undesired necessity in HTML-based Im2Seq models. Significant novelty lies in OTSL syntactical rules, which are few, simple and always backwards looking. Each new token can be validated only by analyzing the sequence of previous tokens, without requiring the entire sequence to detect mistakes. This in return allows to perform structural error detection and correction on-the-fly during sequence generation. References Auer, C., Dolfi, M., Carvalho, A., Ramis, C.B., Staar, P.W.J.: Delivering document conversion as a cloud service with high throughput and responsiveness. CoRR abs/2206.00785 (2022). https://doi.org/10.48550/arXiv.2206.00785 , https://doi.org/10.48550/arXiv.2206.00785 -Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Fornés, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545561. Springer International Publishing, Cham (2022) +Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Fornés, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545-561. Springer International Publishing, Cham (2022) Chi, Z., Huang, H., Xu, H.D., Yu, H., Yin, W., Mao, X.L.: Complicated table structure recognition. arXiv preprint arXiv:1908.04729 (2019) Deng, Y., Rosenberg, D., Mann, G.: Challenges in end-to-end neural scientific table recognition. In: 2019 International Conference on Document Analysis and Recognition (ICDAR). pp. 894-901. IEEE (2019) @@ -116,7 +116,7 @@ 13 Kayal, P., Anand, M., Desai, H., Singh, M.: Tables to latex: structure and content extraction from scientific tables. International Journal on Document Analysis and Recognition (IJDAR) pp. 1-10 (2022) Li, M., Cui, L., Huang, S., Wei, F., Zhou, M., Li, Z.: Tablebank: A benchmark dataset for table detection and recognition (2019) -Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 18681873. IEEE (2022) +Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 1868-1873. IEEE (2022) Livathinos, N., Berrospi, C., Lysak, M., Kuropiatnyk, V., Nassar, A., Carvalho, A., Dolfi, M., Auer, C., Dinkla, K., Staar, P.: Robust pdf document conversion using recurrent neural networks. Proceedings of the AAAI Conference on Artificial Intelligence 35 (17), 15137-15145 (May 2021), https://ojs.aaai.org/index.php/ AAAI/article/view/17777 Nassar, A., Livathinos, N., Lysak, M., Staar, P.: Tableformer: Table structure understanding with transformers. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). pp. 4614-4623 (June 2022) Pfitzmann, B., Auer, C., Dolfi, M., Nassar, A.S., Staar, P.W.J.: Doclaynet: A large human-annotated dataset for document-layout segmentation. In: Zhang, A., Rangwala, H. (eds.) KDD '22: The 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Washington, DC, USA, August 14 - 18, 2022. pp. 3743-3751. ACM (2022). https://doi.org/10.1145/3534678.3539043 , https:// doi.org/10.1145/3534678.3539043 diff --git a/tests/data/pdf/groundtruth/2305.03393v1.json b/tests/data/pdf/groundtruth/2305.03393v1.json index bd7a93cef5..7c4b53e4d5 100644 --- a/tests/data/pdf/groundtruth/2305.03393v1.json +++ b/tests/data/pdf/groundtruth/2305.03393v1.json @@ -10641,12 +10641,12 @@ }, "charspan": [ 0, - 301 + 302 ] } ], - "orig": "2. Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Forn\u00e9s, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545561. Springer International Publishing, Cham (2022)", - "text": "Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Forn\u00e9s, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545561. Springer International Publishing, Cham (2022)", + "orig": "2. Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Forn\u00e9s, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545-561. Springer International Publishing, Cham (2022)", + "text": "Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Forn\u00e9s, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545-561. Springer International Publishing, Cham (2022)", "enumerated": true, "marker": "2." }, @@ -10840,12 +10840,12 @@ }, "charspan": [ 0, - 264 + 265 ] } ], - "orig": "6. Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 18681873. IEEE (2022)", - "text": "Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 18681873. IEEE (2022)", + "orig": "6. Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 1868-1873. IEEE (2022)", + "text": "Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 1868-1873. IEEE (2022)", "enumerated": true, "marker": "6." }, diff --git a/tests/data/pdf/groundtruth/2305.03393v1.md b/tests/data/pdf/groundtruth/2305.03393v1.md index 7cb9a25627..24ca747b00 100644 --- a/tests/data/pdf/groundtruth/2305.03393v1.md +++ b/tests/data/pdf/groundtruth/2305.03393v1.md @@ -162,13 +162,13 @@ Secondly, OTSL has more inherent structure and a significantly restricted vocabu ## References 1. Auer, C., Dolfi, M., Carvalho, A., Ramis, C.B., Staar, P.W.J.: Delivering document conversion as a cloud service with high throughput and responsiveness. CoRR abs/2206.00785 (2022). https://doi.org/10.48550/arXiv.2206.00785 , https://doi.org/10.48550/arXiv.2206.00785 -2. Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Fornés, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545561. Springer International Publishing, Cham (2022) +2. Chen, B., Peng, D., Zhang, J., Ren, Y., Jin, L.: Complex table structure recognition in the wild using transformer and identity matrix-based augmentation. In: Porwal, U., Fornés, A., Shafait, F. (eds.) Frontiers in Handwriting Recognition. pp. 545-561. Springer International Publishing, Cham (2022) 3. Chi, Z., Huang, H., Xu, H.D., Yu, H., Yin, W., Mao, X.L.: Complicated table structure recognition. arXiv preprint arXiv:1908.04729 (2019) 4. Deng, Y., Rosenberg, D., Mann, G.: Challenges in end-to-end neural scientific table recognition. In: 2019 International Conference on Document Analysis and Recognition (ICDAR). pp. 894-901. IEEE (2019) 5. Kayal, P., Anand, M., Desai, H., Singh, M.: Tables to latex: structure and content extraction from scientific tables. International Journal on Document Analysis and Recognition (IJDAR) pp. 1-10 (2022) 7. Li, M., Cui, L., Huang, S., Wei, F., Zhou, M., Li, Z.: Tablebank: A benchmark dataset for table detection and recognition (2019) -6. Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 18681873. IEEE (2022) +6. Lee, E., Kwon, J., Yang, H., Park, J., Lee, S., Koo, H.I., Cho, N.I.: Table structure recognition based on grid shape graph. In: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). pp. 1868-1873. IEEE (2022) 8. Livathinos, N., Berrospi, C., Lysak, M., Kuropiatnyk, V., Nassar, A., Carvalho, A., Dolfi, M., Auer, C., Dinkla, K., Staar, P.: Robust pdf document conversion using recurrent neural networks. Proceedings of the AAAI Conference on Artificial Intelligence 35 (17), 15137-15145 (May 2021), https://ojs.aaai.org/index.php/ AAAI/article/view/17777 9. Nassar, A., Livathinos, N., Lysak, M., Staar, P.: Tableformer: Table structure understanding with transformers. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). pp. 4614-4623 (June 2022) 10. Pfitzmann, B., Auer, C., Dolfi, M., Nassar, A.S., Staar, P.W.J.: Doclaynet: A large human-annotated dataset for document-layout segmentation. In: Zhang, A., Rangwala, H. (eds.) KDD '22: The 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Washington, DC, USA, August 14 - 18, 2022. pp. 3743-3751. ACM (2022). https://doi.org/10.1145/3534678.3539043 , https:// doi.org/10.1145/3534678.3539043 diff --git a/tests/test_page_assemble_model.py b/tests/test_page_assemble_model.py index 93ef7bb9a8..d99731f102 100644 --- a/tests/test_page_assemble_model.py +++ b/tests/test_page_assemble_model.py @@ -162,6 +162,24 @@ def test_attached_hyphen_on_non_alnum_token_is_kept(self, model): """An underscore-bearing token is not treated as a split word (unchanged).""" assert model.sanitize_text(["foo_bar-", "baz"]) == "foo_bar-baz" + @pytest.mark.parametrize( + ("lines", "expected"), + [ + # Chemical nomenclature, as reported: the prefix is one character. + ( + ["undecanal or n-", "tridecanal, from each blend"], + "undecanal or n-tridecanal, from each blend", + ), + (["i-", "butyric acid"], "i-butyric acid"), + # A locant opens the continuation. + (["6-methyl-", "5-hepten-2-one"], "6-methyl-5-hepten-2-one"), + (["COVID-", "19 cases"], "COVID-19 cases"), + ], + ) + def test_attached_hyphen_belonging_to_word_is_kept(self, model, lines, expected): + """A hyphen no hyphenation rule could have placed is part of the word.""" + assert model.sanitize_text(list(lines)) == expected + @pytest.mark.parametrize( ("lines", "expected"), [ diff --git a/tests/test_readingorder_hyphenated_merges.py b/tests/test_readingorder_hyphenated_merges.py index cde8eadc62..ae9addb420 100644 --- a/tests/test_readingorder_hyphenated_merges.py +++ b/tests/test_readingorder_hyphenated_merges.py @@ -57,6 +57,10 @@ def _element(cluster_id: int, text: str) -> TextElement: ("algo-", "rithms", "algorithms"), ("algo\u00ad", "rithms", "algorithms"), ("algo-", "Rithms", "algo- Rithms"), + ("undecanal or n-", "tridecanal", "undecanal or n-tridecanal"), + ("6-methyl-", "5-hepten-2-one", "6-methyl-5-hepten-2-one"), + ("6-methyl-", " 5-hepten-2-one", "6-methyl-5-hepten-2-one"), + ("cost is -", "5.00 USD", "cost is - 5.00 USD"), ], ) def test_merge_elements_dehyphenates_lowercase_continuations( From 03c6d1df0794952b4a1147d8866d2158520d3082 Mon Sep 17 00:00:00 2001 From: Stanley Shen Date: Sun, 4 Oct 2026 15:47:54 -0700 Subject: [PATCH 2/2] test(pdf): update newspaper-00 reference for the kept hyphen The reference documents added on main include an 'n-' / 'ft' line break in newspaper-00, which now keeps its hyphen after the single-character token. Co-Authored-By: Claude Opus 5.5 Signed-off-by: Stanley Shen --- .../pdf/groundtruth/newspaper-00.doctags.txt | 61 + tests/data/pdf/groundtruth/newspaper-00.json | 2095 +++++++++++++++++ tests/data/pdf/groundtruth/newspaper-00.md | 115 + .../groundtruth/newspaper-00.pages.meta.json | 5 + 4 files changed, 2276 insertions(+) create mode 100644 tests/data/pdf/groundtruth/newspaper-00.doctags.txt create mode 100644 tests/data/pdf/groundtruth/newspaper-00.json create mode 100644 tests/data/pdf/groundtruth/newspaper-00.md create mode 100644 tests/data/pdf/groundtruth/newspaper-00.pages.meta.json diff --git a/tests/data/pdf/groundtruth/newspaper-00.doctags.txt b/tests/data/pdf/groundtruth/newspaper-00.doctags.txt new file mode 100644 index 0000000000..1a8f4b12ed --- /dev/null +++ b/tests/data/pdf/groundtruth/newspaper-00.doctags.txt @@ -0,0 +1,61 @@ +2 AB JETZT DIGITAL +Dienstag, 23. Dezember 2025 20minuten.ch +20minuten.ch Dienstag, 23. Dezember 2025 +AB JETZT DIGITAL +3 +Liebe Leserinnen und Leser +Heute lest ihr die letzte Ausgabe der Pendlerzeitung 20 Minuten. Damit geht ein Stück Mediengeschichte zu Ende. 26 Jahre lang hat euch diese Zeitung Gesprächsstoff geliefert. Auch wenn viele 20-MinutenFans uns schon lange ausschliesslich digital nutzen: Noch heute greifen mehr als 1,3 Millionen Leserinnen und Leser täglich in die blaue Box. Unser Blatt tritt als klare Nummer 1 der Schweizer Tageszeitungen ab. Danke für eure Treue! +Der Dank gilt ebenso unserenWerbekunden, die 20 Minuten erst möglich gemacht haben. Mittlerweile hat sich der Werbemarkt radikal verändert - insbesondere seit der Pandemie. Aufgrund des Medienwandels fliessen Werbegelder vom Print hin zu vielfältigen Werbemöglichkeiten im digitalen Raum. Heute ist es nicht mehr möglich, die hohen Kosten für Druck und Verteilung unserer Gratiszeitung zu tragen. Darum konzentrieren wir uns jetzt auf unser digitales Angebot, das schweizweit täglich mehr als 4 Millionen Mal besucht wird - am häufigsten über die App. Damit ist 20 Minuten die mit Abstand reichweitenstärkste digitale Medienmarke in allen Landesteilen. +Am Anfang dieser Erfolgsgeschichte stand unsere einzigartige Zeitung. In dieser Ausgabe würdigen wir die Medienrevolution 20 Minuten nochmals. Viel Vergnügen mit dem Blick in die Vergangenheit. Und so weh der Abschied von der Zeitung tut: Wir freuen uns auf unsere gemeinsame Zukunft auf den digitalen Kanälen. In diesem Sinne: Jetzt App downloaden! +HERZLICH, +DÉSIRÉE POMPER, CHEFREDAKTORIN BERNHARD BRECHBÜHL, CEO 20-MINUTEN-GRUPPE +20-Minuten-CEO Bernhard Brechbühl und ChefredaktorinDésiréePomper. 20min +«20 Minuten bringt die + +ZÜRICH Verleger Pietro Supino über das Printende, zu Big Tech abfliessende Werbegelder und die SRG. +Pietro Supino, heute endet mit der letzten Printausgabe von 20 Minuten nach 26 Jahren eine Ära. Wie fühlt sich das an? +Wehmütig. Ich habe noch das Bild vor Augen, wie 20 Minuten am Tag der Lancierung in Zürich am Bellevue verteilt wurde. Wir waren damals nicht beteiligt. Ichwar skeptisch.Wer hätte gedacht, dass 20 Minuten die grösste und wichtigste nationale Medienmarke werden könnte? Die Erfolgsgeschichte von 20 Minuten ist beeindruckend! Tatsächlich war 20 Minuten eine der rentabelsten Zeitungen Europas. Später wurde 20 Minuten auch online zur Nummer 1. Was ist das +Erfolgsgeheimnis? +20 Minuten wollte den Menschen ein neues Erlebnis bieten: in kurzer Zeit solide informieren und darüber hinaus unterhalten. Das Konzept war eine Innovation. Nach der Übernahme haben wir die Qualität systematisch ausgebaut. +20 Minuten war in der Vergangenheit oft ein First Mover. Wer- +«Nach der Übernahme haben wir die Qualität systematisch ausgebaut.» +den bald auch weitere Medien ihre gedruckten Zeitungen einstellen? +20 Minuten ist ein anderes Modell als Abo-Zeitungen. Darum würde ich von 20 Minuten nicht ableiten, was für Abo-Zeitungen gilt. Aber der Trend, dass Print rückläufig ist und das Digitale wächst, gilt auch für Abo-Zeitungen. +20 Minuten war immer gratis. Damit erreicht es alle Menschen und sozialen Schichten. Zudem berichtet 20 Minuten ideologiefrei über politische Themen. Unterschätzt man den Beitrag, den 20 Minuten zu einer informiertenGesellschaft leistet? +Man muss unterscheiden: unterschätzt vom Publikum oder in einer elitären Betrachtung? Vom Publikum sicher nicht, darum +«Seit den ersten Ausgab zen wir die Pendlerzeitu um Menschen unterweg erreichen. Unvergessen die komplett gelbe Ausg zur Lancierung von Rive Gelb. Auch künftig setze mit Rivella und Focuswater auf 20 Minuten als starke Plattform im digitalen Raum.» Silvan Brauen, Rivella-Co-CEO ben nutung, gs zu bleibt gabe ella en wir + +«Mein Medienkonsum hat sich bereits stark ins Digitale verlagert. 20 Minuten ist für mich eine praktische tägliche Orientierungshilfe: schnell, kostenlos zugänglich und thematisch breit genug, um mir einen Überblick zu geben. Die App fühlt sich an wie der direkte Draht zur Schweiz.» Manuela Frey, Model + +«20 Minuten hat mit eine innovativen Konzept den Schweizer Medienmarkt mischt und ist rasch zur ten Tageszeitung geword Mit der Coop-Zeitung Weekly waren wir Teil dieser Erfolgsgeschichte. Mit 20 Minuten digital kann ich jederzeit und überall erfahren, was die Schweiz bewegt.» Philipp Wyss, Coop-CEO em n aufgegrössden. + +Menschen in der Schweiz zusammen» +Bereit für die digitale Ära: Das Team von 20 Minuten bietet rund um die Uhr News, Inspiration, Unterhaltung und Sport. 20min/Taddeo Cerletti +wurde es auch so ein Erfolg. Aber in einer akademischen Betrachtung wahrscheinlich schon. +«Subventionierte Angebote dienen meistens dem Strukturerhalt.» +Werbegelder fliessen in ungebrochenem Tempo ins Silicon Valleyab. DerAbflussvon Schweizer Werbegeldern zu den Big-Tech-Firmen betrug 2024 2,2 Milliarden Franken. Noch 176 Millionen Franken flossen zu Schweizer Newsplattformen. Was passiert, wenn diese Entwicklung so weitergeht? +Auf demWerbemarkt stehen wir am stärksten unter Druck. Wir müssen imWettbewerb mit den globalen Angeboten andere, spezielle Qualitäten bieten und diese vermarkten. Darum haben wir bei 20 Minuten den Verkauf wieder zurück ins +Unternehmen geholt. +Liegt es nicht auch in der Verantwortung von Schweizer Unternehmen, einen Teil ihres Mediabudgets in unabhängige Schweizer Medien zu investieren? +Es ist unsere Aufgabe, mit guten Inhalten ein spannendes Publikum zu erreichen und attraktiveWerbemöglichkeiten zu bieten, sodass Unternehmen gerne bei unsWerbung platzieren. Das ist bei 20 Minuten der +Fall und der Trend ist positiv. +Auch bei TX gab es einen grossen Stellenabbau. Kritiker sind der Meinung: Es braucht eine Quersubventionierung, tiefere Renditeforderungen oder staatliche Subventionierung. Was sagen Sie dazu? +Medien leben davon, dass sie einen Mehrwert für ihr Publikum schaffen. Für die Gesellschaft haben Medien einen Wert, wenn sie diese erreichen und ihre Bedürfnisse erfüllen. Dann finden sie auch eine wirtschaftliche Basis und sind unabhängig. Die Unabhängigkeit ist in meinem Credo die wichtigste Ambition. Subventionierte Angebote dienen meistens dem Strukturerhalt und der Verbreitung von Inhalten, die aus Sicht des Publikums verzichtbar sind. Es widerspricht meiner Vorstellung einer freien Gesellschaft, das Medienangebot staatlich vorzugeben. So würde sich die Katze in den eigenen Schwanz beissen. +Gebührenfinanzierte Onlineangebote konkurrenzieren primachen. Der Name sagt es. Es gibt keine Notwendigkeit und keine Legitimation, darüber hinaus mit Gebührengeld Onlineangebote zu schaffen. Das muss in der Konzession geregelt werden. Wenn die Politik es nicht tut und die SRG sich nicht selbst besinnt, riskiert sie, vor dem Volk zu verlieren. +ImMärz stimmen wir über die SRG-Halbierungsinitiative ab. +ChefredaktorinPompermitVerlegerSupino. 20min/TaddeoCerletti +vate Medien wie 20 Minuten direkt. Was erwarten Sie hier von der Politik? +Das Schweizer Radio und Fernsehen SRF wurde geschaffen, um Radio und Fernsehen zu +Was ist Ihre Haltung dazu? +Die Eidgenössische Wettbewerbskommission hat festgehalten, dass die SRG mit ihrem Onlineangebot das private Medienangebot direkt konkurrenziert. Das ist das Problem. Mir geht es nicht um die Finanzierung, ich stehe der SRG positiv gegenüber. Aber sie muss sich auf Radio und Fernsehen beschränken. Natürlich auch über digitale Verbreitungskanäle. Dafür kann man das Gebührengeld sehr gut und sinnvoll einsetzen. Ich denke etwa an Schweizer Filme, an grosse Anlässe wie den Eurovision Song Contest, an den Kulturbereich und an Sportübertragungen wie das Lauberhornrennen. Wenn die SRG mit demGebührengeld stattdessen Onlinemedien entwickelt und damit die Existenz des privaten Angebots gefährdet, braucht sie die Mittel offenbar nicht für Radio und Fernsehen. Das finde ich schade. +Zum Schluss: Was wünschen Sie 20 Minuten und 20 Minutes für die Zukunft? +Dass 20 Minuten einen gesellschaftlichen Mehrwert schafft: das Publikum gut informiert und unterhält, inspiriert und die Menschen in der Schweiz zusammenbringt. In diesem Sinn weiterhin viel Erfolg! +DÉSIRÉE POMPER +«In unseren Pausen räumen wird sehr oft 20 Minuten gelesen prüfen wir gerade, o den QR-Code für die lineausgabe an den Wänden aufhängen sollen, damit alle Mitarbeitenden Zugang haben». Anna Hug, n-ft . Hier ob wir e Onn +Co-Geschäftsleiterin Hug AG + +«Ein persönlicher Moment mit 20 Minuten bleibt mir ganz besonde in Erinnerung: Diesen Sommer war ich zu Gas bei Chefredaktorin Dési Pomper imLive-Talk, mitten in der Gemüse- und Früchteabteilung unserer Filiale am Limmatplatz.» Mario Irminger, Migros-CEO ers st irée + +«Früher habe ich au weg insGymi imme die blaue Box gegriff Vater hat auch die e andere Zeitungsaus wahrt, bei der Mujin auf der Titelseite wa Etwa nach meinem WM-Titel vor drei Monaten in Tokio.» Ditaji Kambundji, LeichtathletikWeltmeisterin uf dem Schuler wieder in ffen. Mein eine oder sgabe aufbenga oder ich aren. m + + \ No newline at end of file diff --git a/tests/data/pdf/groundtruth/newspaper-00.json b/tests/data/pdf/groundtruth/newspaper-00.json new file mode 100644 index 0000000000..33e5aab0f4 --- /dev/null +++ b/tests/data/pdf/groundtruth/newspaper-00.json @@ -0,0 +1,2095 @@ +{ + "schema_name": "DoclingDocument", + "version": "1.10.0", + "name": "newspaper-00", + "origin": { + "mimetype": "application/pdf", + "binary_hash": 12972298369965199385, + "filename": "newspaper-00.pdf" + }, + "furniture": { + "self_ref": "#/furniture", + "children": [], + "content_layer": "furniture", + "name": "_root_", + "label": "unspecified" + }, + "body": { + "self_ref": "#/body", + "children": [ + { + "$ref": "#/texts/0" + }, + { + "$ref": "#/texts/1" + }, + { + "$ref": "#/texts/2" + }, + { + "$ref": "#/texts/3" + }, + { + "$ref": "#/texts/4" + }, + { + "$ref": "#/texts/5" + }, + { + "$ref": "#/texts/6" + }, + { + "$ref": "#/texts/7" + }, + { + "$ref": "#/texts/8" + }, + { + "$ref": "#/texts/9" + }, + { + "$ref": "#/texts/10" + }, + { + "$ref": "#/pictures/0" + }, + { + "$ref": "#/texts/12" + }, + { + "$ref": "#/pictures/1" + }, + { + "$ref": "#/texts/15" + }, + { + "$ref": "#/texts/16" + }, + { + "$ref": "#/texts/17" + }, + { + "$ref": "#/texts/18" + }, + { + "$ref": "#/texts/19" + }, + { + "$ref": "#/texts/20" + }, + { + "$ref": "#/texts/21" + }, + { + "$ref": "#/texts/22" + }, + { + "$ref": "#/texts/23" + }, + { + "$ref": "#/texts/24" + }, + { + "$ref": "#/texts/25" + }, + { + "$ref": "#/texts/26" + }, + { + "$ref": "#/pictures/2" + }, + { + "$ref": "#/texts/27" + }, + { + "$ref": "#/pictures/3" + }, + { + "$ref": "#/texts/28" + }, + { + "$ref": "#/pictures/4" + }, + { + "$ref": "#/texts/29" + }, + { + "$ref": "#/pictures/5" + }, + { + "$ref": "#/texts/31" + }, + { + "$ref": "#/texts/32" + }, + { + "$ref": "#/texts/33" + }, + { + "$ref": "#/texts/34" + }, + { + "$ref": "#/texts/35" + }, + { + "$ref": "#/texts/36" + }, + { + "$ref": "#/texts/37" + }, + { + "$ref": "#/texts/38" + }, + { + "$ref": "#/texts/39" + }, + { + "$ref": "#/texts/40" + }, + { + "$ref": "#/texts/41" + }, + { + "$ref": "#/texts/42" + }, + { + "$ref": "#/pictures/6" + }, + { + "$ref": "#/texts/44" + }, + { + "$ref": "#/texts/45" + }, + { + "$ref": "#/texts/46" + }, + { + "$ref": "#/texts/47" + }, + { + "$ref": "#/texts/48" + }, + { + "$ref": "#/texts/49" + }, + { + "$ref": "#/texts/50" + }, + { + "$ref": "#/texts/51" + }, + { + "$ref": "#/texts/52" + }, + { + "$ref": "#/pictures/7" + }, + { + "$ref": "#/texts/53" + }, + { + "$ref": "#/pictures/8" + }, + { + "$ref": "#/texts/54" + }, + { + "$ref": "#/pictures/9" + } + ], + "content_layer": "body", + "name": "_root_", + "label": "unspecified" + }, + "groups": [], + "texts": [ + { + "self_ref": "#/texts/0", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "furniture", + "label": "page_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 28.35, + "t": 816.79, + "r": 218.62, + "b": 804.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 18 + ] + } + ], + "orig": "2 AB JETZT DIGITAL", + "text": "2 AB JETZT DIGITAL" + }, + { + "self_ref": "#/texts/1", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "furniture", + "label": "page_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 457.95, + "t": 811.03, + "r": 623.63, + "b": 803.38, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 40 + ] + } + ], + "orig": "Dienstag, 23. Dezember 2025 20minuten.ch", + "text": "Dienstag, 23. Dezember 2025 20minuten.ch" + }, + { + "self_ref": "#/texts/2", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "furniture", + "label": "page_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 680.32, + "t": 811.03, + "r": 845.99, + "b": 803.38, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 40 + ] + } + ], + "orig": "20minuten.ch Dienstag, 23. Dezember 2025", + "text": "20minuten.ch Dienstag, 23. Dezember 2025" + }, + { + "self_ref": "#/texts/3", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "furniture", + "label": "page_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1085.31, + "t": 816.79, + "r": 1225.98, + "b": 804.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 16 + ] + } + ], + "orig": "AB JETZT DIGITAL", + "text": "AB JETZT DIGITAL" + }, + { + "self_ref": "#/texts/4", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "furniture", + "label": "page_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1266.04, + "t": 816.79, + "r": 1275.59, + "b": 804.87, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 1 + ] + } + ], + "orig": "3", + "text": "3" + }, + { + "self_ref": "#/texts/5", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 28.35, + "t": 768.89, + "r": 204.54, + "b": 727.55, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 26 + ] + } + ], + "orig": "Liebe Leserinnen und Leser", + "text": "Liebe Leserinnen und Leser", + "level": 1 + }, + { + "self_ref": "#/texts/6", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 28.35, + "t": 720.36, + "r": 127.6, + "b": 553.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 434 + ] + } + ], + "orig": "Heute lest ihr die letzte Ausgabe der Pendlerzeitung 20 Minuten. Damit geht ein St\u00fcck Mediengeschichte zu Ende. 26 Jahre lang hat euch diese Zeitung Gespr\u00e4chsstoff geliefert. Auch wenn viele 20-MinutenFans uns schon lange ausschliesslich digital nutzen: Noch heute greifen mehr als 1,3 Millionen Leserinnen und Leser t\u00e4glich in die blaue Box. Unser Blatt tritt als klare Nummer 1 der Schweizer Tageszeitungen ab. Danke f\u00fcr eure Treue!", + "text": "Heute lest ihr die letzte Ausgabe der Pendlerzeitung 20 Minuten. Damit geht ein St\u00fcck Mediengeschichte zu Ende. 26 Jahre lang hat euch diese Zeitung Gespr\u00e4chsstoff geliefert. Auch wenn viele 20-MinutenFans uns schon lange ausschliesslich digital nutzen: Noch heute greifen mehr als 1,3 Millionen Leserinnen und Leser t\u00e4glich in die blaue Box. Unser Blatt tritt als klare Nummer 1 der Schweizer Tageszeitungen ab. Danke f\u00fcr eure Treue!" + }, + { + "self_ref": "#/texts/7", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 28.35, + "t": 550.36, + "r": 127.62, + "b": 413.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 348 + ] + }, + { + "page_no": 1, + "bbox": { + "l": 137.48, + "t": 720.36, + "r": 236.74, + "b": 603.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 349, + 652 + ] + } + ], + "orig": "Der Dank gilt ebenso unserenWerbekunden, die 20 Minuten erst m\u00f6glich gemacht haben. Mittlerweile hat sich der Werbemarkt radikal ver\u00e4ndert - insbesondere seit der Pandemie. Aufgrund des Medienwandels fliessen Werbegelder vom Print hin zu vielf\u00e4ltigen Werbem\u00f6glichkeiten im digitalen Raum. Heute ist es nicht mehr m\u00f6glich, die hohen Kosten f\u00fcr Druck und Verteilung unserer Gratiszeitung zu tragen. Darum konzentrieren wir uns jetzt auf unser digitales Angebot, das schweizweit t\u00e4glich mehr als 4 Millionen Mal besucht wird - am h\u00e4ufigsten \u00fcber die App. Damit ist 20 Minuten die mit Abstand reichweitenst\u00e4rkste digitale Medienmarke in allen Landesteilen.", + "text": "Der Dank gilt ebenso unserenWerbekunden, die 20 Minuten erst m\u00f6glich gemacht haben. Mittlerweile hat sich der Werbemarkt radikal ver\u00e4ndert - insbesondere seit der Pandemie. Aufgrund des Medienwandels fliessen Werbegelder vom Print hin zu vielf\u00e4ltigen Werbem\u00f6glichkeiten im digitalen Raum. Heute ist es nicht mehr m\u00f6glich, die hohen Kosten f\u00fcr Druck und Verteilung unserer Gratiszeitung zu tragen. Darum konzentrieren wir uns jetzt auf unser digitales Angebot, das schweizweit t\u00e4glich mehr als 4 Millionen Mal besucht wird - am h\u00e4ufigsten \u00fcber die App. Damit ist 20 Minuten die mit Abstand reichweitenst\u00e4rkste digitale Medienmarke in allen Landesteilen." + }, + { + "self_ref": "#/texts/8", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 137.48, + "t": 600.36, + "r": 236.75, + "b": 462.15, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 349 + ] + } + ], + "orig": "Am Anfang dieser Erfolgsgeschichte stand unsere einzigartige Zeitung. In dieser Ausgabe w\u00fcrdigen wir die Medienrevolution 20 Minuten nochmals. Viel Vergn\u00fcgen mit dem Blick in die Vergangenheit. Und so weh der Abschied von der Zeitung tut: Wir freuen uns auf unsere gemeinsame Zukunft auf den digitalen Kan\u00e4len. In diesem Sinne: Jetzt App downloaden!", + "text": "Am Anfang dieser Erfolgsgeschichte stand unsere einzigartige Zeitung. In dieser Ausgabe w\u00fcrdigen wir die Medienrevolution 20 Minuten nochmals. Viel Vergn\u00fcgen mit dem Blick in die Vergangenheit. Und so weh der Abschied von der Zeitung tut: Wir freuen uns auf unsere gemeinsame Zukunft auf den digitalen Kan\u00e4len. In diesem Sinne: Jetzt App downloaden!" + }, + { + "self_ref": "#/texts/9", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 137.48, + "t": 458.92, + "r": 174.24, + "b": 452.69, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 9 + ] + } + ], + "orig": "HERZLICH,", + "text": "HERZLICH,", + "level": 1 + }, + { + "self_ref": "#/texts/10", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 137.48, + "t": 450.25, + "r": 227.99, + "b": 413.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 72 + ] + } + ], + "orig": "D\u00c9SIR\u00c9E POMPER, CHEFREDAKTORIN BERNHARD BRECHB\u00dcHL, CEO 20-MINUTEN-GRUPPE", + "text": "D\u00c9SIR\u00c9E POMPER, CHEFREDAKTORIN BERNHARD BRECHB\u00dcHL, CEO 20-MINUTEN-GRUPPE" + }, + { + "self_ref": "#/texts/11", + "parent": { + "$ref": "#/pictures/0" + }, + "children": [], + "content_layer": "body", + "label": "caption", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 28.35, + "t": 229.93, + "r": 184.22, + "b": 212.37, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 72 + ] + } + ], + "orig": "20-Minuten-CEO Bernhard Brechb\u00fchl und ChefredaktorinD\u00e9sir\u00e9ePomper. 20min", + "text": "20-Minuten-CEO Bernhard Brechb\u00fchl und ChefredaktorinD\u00e9sir\u00e9ePomper. 20min" + }, + { + "self_ref": "#/texts/12", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 256.54, + "t": 769.31, + "r": 619.14, + "b": 736.62, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 22 + ] + } + ], + "orig": "\u00ab20 Minuten bringt die", + "text": "\u00ab20 Minuten bringt die", + "level": 1 + }, + { + "self_ref": "#/texts/13", + "parent": { + "$ref": "#/pictures/1" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 267.87, + "t": 501.83, + "r": 378.0, + "b": 474.28, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 77 + ] + } + ], + "orig": "20-Minuten-Verleger und Verwaltungsratspr\u00e4sident der TX Group: Pietro Supino.", + "text": "20-Minuten-Verleger und Verwaltungsratspr\u00e4sident der TX Group: Pietro Supino." + }, + { + "self_ref": "#/texts/14", + "parent": { + "$ref": "#/pictures/1" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 267.87, + "t": 469.64, + "r": 319.53, + "b": 465.54, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 21 + ] + } + ], + "orig": "20min/Taddeo Cerletti", + "text": "20min/Taddeo Cerletti" + }, + { + "self_ref": "#/texts/15", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 256.53, + "t": 440.68, + "r": 489.74, + "b": 418.37, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 99 + ] + } + ], + "orig": "Z\u00dcRICH Verleger Pietro Supino \u00fcber das Printende, zu Big Tech abfliessende Werbegelder und die SRG.", + "text": "Z\u00dcRICH Verleger Pietro Supino \u00fcber das Printende, zu Big Tech abfliessende Werbegelder und die SRG." + }, + { + "self_ref": "#/texts/16", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 256.54, + "t": 409.93, + "r": 367.57, + "b": 373.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 118 + ] + } + ], + "orig": "Pietro Supino, heute endet mit der letzten Printausgabe von 20 Minuten nach 26 Jahren eine \u00c4ra. Wie f\u00fchlt sich das an?", + "text": "Pietro Supino, heute endet mit der letzten Printausgabe von 20 Minuten nach 26 Jahren eine \u00c4ra. Wie f\u00fchlt sich das an?", + "level": 1 + }, + { + "self_ref": "#/texts/17", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 256.54, + "t": 370.36, + "r": 370.93, + "b": 213.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 454 + ] + } + ], + "orig": "Wehm\u00fctig. Ich habe noch das Bild vor Augen, wie 20 Minuten am Tag der Lancierung in Z\u00fcrich am Bellevue verteilt wurde. Wir waren damals nicht beteiligt. Ichwar skeptisch.Wer h\u00e4tte gedacht, dass 20 Minuten die gr\u00f6sste und wichtigste nationale Medienmarke werden k\u00f6nnte? Die Erfolgsgeschichte von 20 Minuten ist beeindruckend! Tats\u00e4chlich war 20 Minuten eine der rentabelsten Zeitungen Europas. Sp\u00e4ter wurde 20 Minuten auch online zur Nummer 1. Was ist das", + "text": "Wehm\u00fctig. Ich habe noch das Bild vor Augen, wie 20 Minuten am Tag der Lancierung in Z\u00fcrich am Bellevue verteilt wurde. Wir waren damals nicht beteiligt. Ichwar skeptisch.Wer h\u00e4tte gedacht, dass 20 Minuten die gr\u00f6sste und wichtigste nationale Medienmarke werden k\u00f6nnte? Die Erfolgsgeschichte von 20 Minuten ist beeindruckend! Tats\u00e4chlich war 20 Minuten eine der rentabelsten Zeitungen Europas. Sp\u00e4ter wurde 20 Minuten auch online zur Nummer 1. Was ist das" + }, + { + "self_ref": "#/texts/18", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 382.89, + "t": 409.93, + "r": 450.1, + "b": 402.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 17 + ] + } + ], + "orig": "Erfolgsgeheimnis?", + "text": "Erfolgsgeheimnis?", + "level": 1 + }, + { + "self_ref": "#/texts/19", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 382.9, + "t": 400.36, + "r": 497.31, + "b": 322.04, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 222 + ] + } + ], + "orig": "20 Minuten wollte den Menschen ein neues Erlebnis bieten: in kurzer Zeit solide informieren und dar\u00fcber hinaus unterhalten. Das Konzept war eine Innovation. Nach der \u00dcbernahme haben wir die Qualit\u00e4t systematisch ausgebaut.", + "text": "20 Minuten wollte den Menschen ein neues Erlebnis bieten: in kurzer Zeit solide informieren und dar\u00fcber hinaus unterhalten. Das Konzept war eine Innovation. Nach der \u00dcbernahme haben wir die Qualit\u00e4t systematisch ausgebaut." + }, + { + "self_ref": "#/texts/20", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 382.9, + "t": 319.93, + "r": 496.39, + "b": 302.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 61 + ] + } + ], + "orig": "20 Minuten war in der Vergangenheit oft ein First Mover. Wer-", + "text": "20 Minuten war in der Vergangenheit oft ein First Mover. Wer-" + }, + { + "self_ref": "#/texts/21", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 388.63, + "t": 275.42, + "r": 490.54, + "b": 226.09, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 67 + ] + } + ], + "orig": "\u00abNach der \u00dcbernahme haben wir die Qualit\u00e4t systematisch ausgebaut.\u00bb", + "text": "\u00abNach der \u00dcbernahme haben wir die Qualit\u00e4t systematisch ausgebaut.\u00bb" + }, + { + "self_ref": "#/texts/22", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 509.25, + "t": 439.93, + "r": 616.56, + "b": 413.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 66 + ] + } + ], + "orig": "den bald auch weitere Medien ihre gedruckten Zeitungen einstellen?", + "text": "den bald auch weitere Medien ihre gedruckten Zeitungen einstellen?", + "level": 1 + }, + { + "self_ref": "#/texts/23", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 509.26, + "t": 410.36, + "r": 623.66, + "b": 332.04, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 223 + ] + } + ], + "orig": "20 Minuten ist ein anderes Modell als Abo-Zeitungen. Darum w\u00fcrde ich von 20 Minuten nicht ableiten, was f\u00fcr Abo-Zeitungen gilt. Aber der Trend, dass Print r\u00fcckl\u00e4ufig ist und das Digitale w\u00e4chst, gilt auch f\u00fcr Abo-Zeitungen.", + "text": "20 Minuten ist ein anderes Modell als Abo-Zeitungen. Darum w\u00fcrde ich von 20 Minuten nicht ableiten, was f\u00fcr Abo-Zeitungen gilt. Aber der Trend, dass Print r\u00fcckl\u00e4ufig ist und das Digitale w\u00e4chst, gilt auch f\u00fcr Abo-Zeitungen." + }, + { + "self_ref": "#/texts/24", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 509.26, + "t": 329.93, + "r": 623.58, + "b": 253.85, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 237 + ] + } + ], + "orig": "20 Minuten war immer gratis. Damit erreicht es alle Menschen und sozialen Schichten. Zudem berichtet 20 Minuten ideologiefrei \u00fcber politische Themen. Untersch\u00e4tzt man den Beitrag, den 20 Minuten zu einer informiertenGesellschaft leistet?", + "text": "20 Minuten war immer gratis. Damit erreicht es alle Menschen und sozialen Schichten. Zudem berichtet 20 Minuten ideologiefrei \u00fcber politische Themen. Untersch\u00e4tzt man den Beitrag, den 20 Minuten zu einer informiertenGesellschaft leistet?" + }, + { + "self_ref": "#/texts/25", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 509.26, + "t": 250.36, + "r": 623.66, + "b": 212.55, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 118 + ] + } + ], + "orig": "Man muss unterscheiden: untersch\u00e4tzt vom Publikum oder in einer elit\u00e4ren Betrachtung? Vom Publikum sicher nicht, darum", + "text": "Man muss unterscheiden: untersch\u00e4tzt vom Publikum oder in einer elit\u00e4ren Betrachtung? Vom Publikum sicher nicht, darum" + }, + { + "self_ref": "#/texts/26", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 38.27, + "t": 170.36, + "r": 152.82, + "b": 43.85, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 320 + ] + } + ], + "orig": "\u00abSeit den ersten Ausgab zen wir die Pendlerzeitu um Menschen unterweg erreichen. Unvergessen die komplett gelbe Ausg zur Lancierung von Rive Gelb. Auch k\u00fcnftig setze mit Rivella und Focuswater auf 20 Minuten als starke Plattform im digitalen Raum.\u00bb Silvan Brauen, Rivella-Co-CEO ben nutung, gs zu bleibt gabe ella en wir", + "text": "\u00abSeit den ersten Ausgab zen wir die Pendlerzeitu um Menschen unterweg erreichen. Unvergessen die komplett gelbe Ausg zur Lancierung von Rive Gelb. Auch k\u00fcnftig setze mit Rivella und Focuswater auf 20 Minuten als starke Plattform im digitalen Raum.\u00bb Silvan Brauen, Rivella-Co-CEO ben nutung, gs zu bleibt gabe ella en wir" + }, + { + "self_ref": "#/texts/27", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 245.2, + "t": 170.36, + "r": 342.18, + "b": 42.51, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 303 + ] + } + ], + "orig": "\u00abMein Medienkonsum hat sich bereits stark ins Digitale verlagert. 20 Minuten ist f\u00fcr mich eine praktische t\u00e4gliche Orientierungshilfe: schnell, kostenlos zug\u00e4nglich und thematisch breit genug, um mir einen \u00dcberblick zu geben. Die App f\u00fchlt sich an wie der direkte Draht zur Schweiz.\u00bb Manuela Frey, Model", + "text": "\u00abMein Medienkonsum hat sich bereits stark ins Digitale verlagert. 20 Minuten ist f\u00fcr mich eine praktische t\u00e4gliche Orientierungshilfe: schnell, kostenlos zug\u00e4nglich und thematisch breit genug, um mir einen \u00dcberblick zu geben. Die App f\u00fchlt sich an wie der direkte Draht zur Schweiz.\u00bb Manuela Frey, Model" + }, + { + "self_ref": "#/texts/28", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 425.2, + "t": 170.36, + "r": 540.42, + "b": 42.51, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 320 + ] + } + ], + "orig": "\u00ab20 Minuten hat mit eine innovativen Konzept den Schweizer Medienmarkt mischt und ist rasch zur ten Tageszeitung geword Mit der Coop-Zeitung Weekly waren wir Teil dieser Erfolgsgeschichte. Mit 20 Minuten digital kann ich jederzeit und \u00fcberall erfahren, was die Schweiz bewegt.\u00bb Philipp Wyss, Coop-CEO em n aufgegr\u00f6ssden.", + "text": "\u00ab20 Minuten hat mit eine innovativen Konzept den Schweizer Medienmarkt mischt und ist rasch zur ten Tageszeitung geword Mit der Coop-Zeitung Weekly waren wir Teil dieser Erfolgsgeschichte. Mit 20 Minuten digital kann ich jederzeit und \u00fcberall erfahren, was die Schweiz bewegt.\u00bb Philipp Wyss, Coop-CEO em n aufgegr\u00f6ssden." + }, + { + "self_ref": "#/texts/29", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 665.41, + "t": 769.31, + "r": 1272.8, + "b": 743.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 33 + ] + } + ], + "orig": "Menschen in der Schweiz zusammen\u00bb", + "text": "Menschen in der Schweiz zusammen\u00bb", + "level": 1 + }, + { + "self_ref": "#/texts/30", + "parent": { + "$ref": "#/pictures/5" + }, + "children": [], + "content_layer": "body", + "label": "caption", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 680.32, + "t": 561.45, + "r": 1166.34, + "b": 552.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 140 + ] + } + ], + "orig": "Bereit f\u00fcr die digitale \u00c4ra: Das Team von 20 Minuten bietet rund um die Uhr News, Inspiration, Unterhaltung und Sport. 20min/Taddeo Cerletti", + "text": "Bereit f\u00fcr die digitale \u00c4ra: Das Team von 20 Minuten bietet rund um die Uhr News, Inspiration, Unterhaltung und Sport. 20min/Taddeo Cerletti" + }, + { + "self_ref": "#/texts/31", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 680.32, + "t": 540.36, + "r": 791.49, + "b": 503.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 89 + ] + } + ], + "orig": "wurde es auch so ein Erfolg. Aber in einer akademischen Betrachtung wahrscheinlich schon.", + "text": "wurde es auch so ein Erfolg. Aber in einer akademischen Betrachtung wahrscheinlich schon." + }, + { + "self_ref": "#/texts/32", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 685.98, + "t": 476.98, + "r": 767.01, + "b": 431.21, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 62 + ] + } + ], + "orig": "\u00abSubventionierte Angebote dienen meistens dem Strukturerhalt.\u00bb", + "text": "\u00abSubventionierte Angebote dienen meistens dem Strukturerhalt.\u00bb" + }, + { + "self_ref": "#/texts/33", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 680.32, + "t": 399.93, + "r": 787.39, + "b": 292.28, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 278 + ] + } + ], + "orig": "Werbegelder fliessen in ungebrochenem Tempo ins Silicon Valleyab. DerAbflussvon Schweizer Werbegeldern zu den Big-Tech-Firmen betrug 2024 2,2 Milliarden Franken. Noch 176 Millionen Franken flossen zu Schweizer Newsplattformen. Was passiert, wenn diese Entwicklung so weitergeht?", + "text": "Werbegelder fliessen in ungebrochenem Tempo ins Silicon Valleyab. DerAbflussvon Schweizer Werbegeldern zu den Big-Tech-Firmen betrug 2024 2,2 Milliarden Franken. Noch 176 Millionen Franken flossen zu Schweizer Newsplattformen. Was passiert, wenn diese Entwicklung so weitergeht?" + }, + { + "self_ref": "#/texts/34", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 680.32, + "t": 290.36, + "r": 791.49, + "b": 213.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 224 + ] + } + ], + "orig": "Auf demWerbemarkt stehen wir am st\u00e4rksten unter Druck. Wir m\u00fcssen imWettbewerb mit den globalen Angeboten andere, spezielle Qualit\u00e4ten bieten und diese vermarkten. Darum haben wir bei 20 Minuten den Verkauf wieder zur\u00fcck ins", + "text": "Auf demWerbemarkt stehen wir am st\u00e4rksten unter Druck. Wir m\u00fcssen imWettbewerb mit den globalen Angeboten andere, spezielle Qualit\u00e4ten bieten und diese vermarkten. Darum haben wir bei 20 Minuten den Verkauf wieder zur\u00fcck ins" + }, + { + "self_ref": "#/texts/35", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 801.36, + "t": 540.36, + "r": 880.23, + "b": 532.04, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 19 + ] + } + ], + "orig": "Unternehmen geholt.", + "text": "Unternehmen geholt.", + "level": 1 + }, + { + "self_ref": "#/texts/36", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 801.35, + "t": 529.93, + "r": 909.99, + "b": 473.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 145 + ] + } + ], + "orig": "Liegt es nicht auch in der Verantwortung von Schweizer Unternehmen, einen Teil ihres Mediabudgets in unabh\u00e4ngige Schweizer Medien zu investieren?", + "text": "Liegt es nicht auch in der Verantwortung von Schweizer Unternehmen, einen Teil ihres Mediabudgets in unabh\u00e4ngige Schweizer Medien zu investieren?" + }, + { + "self_ref": "#/texts/37", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 801.35, + "t": 470.36, + "r": 912.52, + "b": 403.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 201 + ] + } + ], + "orig": "Es ist unsere Aufgabe, mit guten Inhalten ein spannendes Publikum zu erreichen und attraktiveWerbem\u00f6glichkeiten zu bieten, sodass Unternehmen gerne bei unsWerbung platzieren. Das ist bei 20 Minuten der", + "text": "Es ist unsere Aufgabe, mit guten Inhalten ein spannendes Publikum zu erreichen und attraktiveWerbem\u00f6glichkeiten zu bieten, sodass Unternehmen gerne bei unsWerbung platzieren. Das ist bei 20 Minuten der" + }, + { + "self_ref": "#/texts/38", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 801.36, + "t": 400.36, + "r": 908.21, + "b": 392.15, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 31 + ] + } + ], + "orig": "Fall und der Trend ist positiv.", + "text": "Fall und der Trend ist positiv." + }, + { + "self_ref": "#/texts/39", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 801.35, + "t": 389.93, + "r": 911.86, + "b": 322.28, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 192 + ] + } + ], + "orig": "Auch bei TX gab es einen grossen Stellenabbau. Kritiker sind der Meinung: Es braucht eine Quersubventionierung, tiefere Renditeforderungen oder staatliche Subventionierung. Was sagen Sie dazu?", + "text": "Auch bei TX gab es einen grossen Stellenabbau. Kritiker sind der Meinung: Es braucht eine Quersubventionierung, tiefere Renditeforderungen oder staatliche Subventionierung. Was sagen Sie dazu?" + }, + { + "self_ref": "#/texts/40", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 801.35, + "t": 320.36, + "r": 912.52, + "b": 212.04, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 320 + ] + }, + { + "page_no": 1, + "bbox": { + "l": 922.39, + "t": 540.36, + "r": 1033.55, + "b": 442.04, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 321, + 605 + ] + } + ], + "orig": "Medien leben davon, dass sie einen Mehrwert f\u00fcr ihr Publikum schaffen. F\u00fcr die Gesellschaft haben Medien einen Wert, wenn sie diese erreichen und ihre Bed\u00fcrfnisse erf\u00fcllen. Dann finden sie auch eine wirtschaftliche Basis und sind unabh\u00e4ngig. Die Unabh\u00e4ngigkeit ist in meinem Credo die wichtigste Ambition. Subventionierte Angebote dienen meistens dem Strukturerhalt und der Verbreitung von Inhalten, die aus Sicht des Publikums verzichtbar sind. Es widerspricht meiner Vorstellung einer freien Gesellschaft, das Medienangebot staatlich vorzugeben. So w\u00fcrde sich die Katze in den eigenen Schwanz beissen.", + "text": "Medien leben davon, dass sie einen Mehrwert f\u00fcr ihr Publikum schaffen. F\u00fcr die Gesellschaft haben Medien einen Wert, wenn sie diese erreichen und ihre Bed\u00fcrfnisse erf\u00fcllen. Dann finden sie auch eine wirtschaftliche Basis und sind unabh\u00e4ngig. Die Unabh\u00e4ngigkeit ist in meinem Credo die wichtigste Ambition. Subventionierte Angebote dienen meistens dem Strukturerhalt und der Verbreitung von Inhalten, die aus Sicht des Publikums verzichtbar sind. Es widerspricht meiner Vorstellung einer freien Gesellschaft, das Medienangebot staatlich vorzugeben. So w\u00fcrde sich die Katze in den eigenen Schwanz beissen." + }, + { + "self_ref": "#/texts/41", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 922.39, + "t": 439.93, + "r": 1032.64, + "b": 422.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 55 + ] + }, + { + "page_no": 1, + "bbox": { + "l": 1043.43, + "t": 540.36, + "r": 1154.61, + "b": 443.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 56, + 347 + ] + } + ], + "orig": "Geb\u00fchrenfinanzierte Onlineangebote konkurrenzieren primachen. Der Name sagt es. Es gibt keine Notwendigkeit und keine Legitimation, dar\u00fcber hinaus mit Geb\u00fchrengeld Onlineangebote zu schaffen. Das muss in der Konzession geregelt werden. Wenn die Politik es nicht tut und die SRG sich nicht selbst besinnt, riskiert sie, vor dem Volk zu verlieren.", + "text": "Geb\u00fchrenfinanzierte Onlineangebote konkurrenzieren primachen. Der Name sagt es. Es gibt keine Notwendigkeit und keine Legitimation, dar\u00fcber hinaus mit Geb\u00fchrengeld Onlineangebote zu schaffen. Das muss in der Konzession geregelt werden. Wenn die Politik es nicht tut und die SRG sich nicht selbst besinnt, riskiert sie, vor dem Volk zu verlieren." + }, + { + "self_ref": "#/texts/42", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1043.43, + "t": 439.93, + "r": 1151.0, + "b": 422.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 57 + ] + } + ], + "orig": "ImM\u00e4rz stimmen wir \u00fcber die SRG-Halbierungsinitiative ab.", + "text": "ImM\u00e4rz stimmen wir \u00fcber die SRG-Halbierungsinitiative ab." + }, + { + "self_ref": "#/texts/43", + "parent": { + "$ref": "#/pictures/6" + }, + "children": [], + "content_layer": "body", + "label": "caption", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 922.68, + "t": 289.93, + "r": 1141.07, + "b": 282.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 59 + ] + } + ], + "orig": "ChefredaktorinPompermitVerlegerSupino. 20min/TaddeoCerletti", + "text": "ChefredaktorinPompermitVerlegerSupino. 20min/TaddeoCerletti" + }, + { + "self_ref": "#/texts/44", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 922.39, + "t": 269.93, + "r": 1025.79, + "b": 243.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 73 + ] + } + ], + "orig": "vate Medien wie 20 Minuten direkt. Was erwarten Sie hier von der Politik?", + "text": "vate Medien wie 20 Minuten direkt. Was erwarten Sie hier von der Politik?", + "level": 1 + }, + { + "self_ref": "#/texts/45", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 922.39, + "t": 240.36, + "r": 1033.55, + "b": 213.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 81 + ] + } + ], + "orig": "Das Schweizer Radio und Fernsehen SRF wurde geschaffen, um Radio und Fernsehen zu", + "text": "Das Schweizer Radio und Fernsehen SRF wurde geschaffen, um Radio und Fernsehen zu" + }, + { + "self_ref": "#/texts/46", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1043.43, + "t": 269.93, + "r": 1137.9, + "b": 262.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 26 + ] + } + ], + "orig": "Was ist Ihre Haltung dazu?", + "text": "Was ist Ihre Haltung dazu?", + "level": 1 + }, + { + "self_ref": "#/texts/47", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1043.43, + "t": 260.36, + "r": 1154.59, + "b": 212.04, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 139 + ] + }, + { + "page_no": 1, + "bbox": { + "l": 1164.47, + "t": 540.36, + "r": 1275.83, + "b": 323.82, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 140, + 782 + ] + } + ], + "orig": "Die Eidgen\u00f6ssische Wettbewerbskommission hat festgehalten, dass die SRG mit ihrem Onlineangebot das private Medienangebot direkt konkurrenziert. Das ist das Problem. Mir geht es nicht um die Finanzierung, ich stehe der SRG positiv gegen\u00fcber. Aber sie muss sich auf Radio und Fernsehen beschr\u00e4nken. Nat\u00fcrlich auch \u00fcber digitale Verbreitungskan\u00e4le. Daf\u00fcr kann man das Geb\u00fchrengeld sehr gut und sinnvoll einsetzen. Ich denke etwa an Schweizer Filme, an grosse Anl\u00e4sse wie den Eurovision Song Contest, an den Kulturbereich und an Sport\u00fcbertragungen wie das Lauberhornrennen. Wenn die SRG mit demGeb\u00fchrengeld stattdessen Onlinemedien entwickelt und damit die Existenz des privaten Angebots gef\u00e4hrdet, braucht sie die Mittel offenbar nicht f\u00fcr Radio und Fernsehen. Das finde ich schade.", + "text": "Die Eidgen\u00f6ssische Wettbewerbskommission hat festgehalten, dass die SRG mit ihrem Onlineangebot das private Medienangebot direkt konkurrenziert. Das ist das Problem. Mir geht es nicht um die Finanzierung, ich stehe der SRG positiv gegen\u00fcber. Aber sie muss sich auf Radio und Fernsehen beschr\u00e4nken. Nat\u00fcrlich auch \u00fcber digitale Verbreitungskan\u00e4le. Daf\u00fcr kann man das Geb\u00fchrengeld sehr gut und sinnvoll einsetzen. Ich denke etwa an Schweizer Filme, an grosse Anl\u00e4sse wie den Eurovision Song Contest, an den Kulturbereich und an Sport\u00fcbertragungen wie das Lauberhornrennen. Wenn die SRG mit demGeb\u00fchrengeld stattdessen Onlinemedien entwickelt und damit die Existenz des privaten Angebots gef\u00e4hrdet, braucht sie die Mittel offenbar nicht f\u00fcr Radio und Fernsehen. Das finde ich schade." + }, + { + "self_ref": "#/texts/48", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "section_header", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1164.47, + "t": 319.86, + "r": 1275.63, + "b": 293.84, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 72 + ] + } + ], + "orig": "Zum Schluss: Was w\u00fcnschen Sie 20 Minuten und 20 Minutes f\u00fcr die Zukunft?", + "text": "Zum Schluss: Was w\u00fcnschen Sie 20 Minuten und 20 Minutes f\u00fcr die Zukunft?", + "level": 1 + }, + { + "self_ref": "#/texts/49", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1164.47, + "t": 290.36, + "r": 1275.63, + "b": 222.04, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 198 + ] + } + ], + "orig": "Dass 20 Minuten einen gesellschaftlichen Mehrwert schafft: das Publikum gut informiert und unterh\u00e4lt, inspiriert und die Menschen in der Schweiz zusammenbringt. In diesem Sinn weiterhin viel Erfolg!", + "text": "Dass 20 Minuten einen gesellschaftlichen Mehrwert schafft: das Publikum gut informiert und unterh\u00e4lt, inspiriert und die Menschen in der Schweiz zusammenbringt. In diesem Sinn weiterhin viel Erfolg!" + }, + { + "self_ref": "#/texts/50", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1164.47, + "t": 220.25, + "r": 1223.82, + "b": 213.85, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 14 + ] + } + ], + "orig": "D\u00c9SIR\u00c9E POMPER", + "text": "D\u00c9SIR\u00c9E POMPER" + }, + { + "self_ref": "#/texts/51", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 690.24, + "t": 169.98, + "r": 783.43, + "b": 62.42, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 219 + ] + } + ], + "orig": "\u00abIn unseren Pausen r\u00e4umen wird sehr oft 20 Minuten gelesen pr\u00fcfen wir gerade, o den QR-Code f\u00fcr die lineausgabe an den W\u00e4nden aufh\u00e4ngen sollen, damit alle Mitarbeitenden Zugang haben\u00bb. Anna Hug, n-ft . Hier ob wir e Onn", + "text": "\u00abIn unseren Pausen r\u00e4umen wird sehr oft 20 Minuten gelesen pr\u00fcfen wir gerade, o den QR-Code f\u00fcr die lineausgabe an den W\u00e4nden aufh\u00e4ngen sollen, damit alle Mitarbeitenden Zugang haben\u00bb. Anna Hug, n-ft . Hier ob wir e Onn" + }, + { + "self_ref": "#/texts/52", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 690.24, + "t": 59.38, + "r": 757.97, + "b": 42.43, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 27 + ] + } + ], + "orig": "Co-Gesch\u00e4ftsleiterin Hug AG", + "text": "Co-Gesch\u00e4ftsleiterin Hug AG" + }, + { + "self_ref": "#/texts/53", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 888.66, + "t": 170.36, + "r": 988.05, + "b": 42.42, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 266 + ] + } + ], + "orig": "\u00abEin pers\u00f6nlicher Moment mit 20 Minuten bleibt mir ganz besonde in Erinnerung: Diesen Sommer war ich zu Gas bei Chefredaktorin D\u00e9si Pomper imLive-Talk, mitten in der Gem\u00fcse- und Fr\u00fcchteabteilung unserer Filiale am Limmatplatz.\u00bb Mario Irminger, Migros-CEO ers st ir\u00e9e", + "text": "\u00abEin pers\u00f6nlicher Moment mit 20 Minuten bleibt mir ganz besonde in Erinnerung: Diesen Sommer war ich zu Gas bei Chefredaktorin D\u00e9si Pomper imLive-Talk, mitten in der Gem\u00fcse- und Fr\u00fcchteabteilung unserer Filiale am Limmatplatz.\u00bb Mario Irminger, Migros-CEO ers st ir\u00e9e" + }, + { + "self_ref": "#/texts/54", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "text", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1087.09, + "t": 170.36, + "r": 1208.15, + "b": 43.86, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 319 + ] + } + ], + "orig": "\u00abFr\u00fcher habe ich au weg insGymi imme die blaue Box gegriff Vater hat auch die e andere Zeitungsaus wahrt, bei der Mujin auf der Titelseite wa Etwa nach meinem WM-Titel vor drei Monaten in Tokio.\u00bb Ditaji Kambundji, LeichtathletikWeltmeisterin uf dem Schuler wieder in ffen. Mein eine oder sgabe aufbenga oder ich aren. m", + "text": "\u00abFr\u00fcher habe ich au weg insGymi imme die blaue Box gegriff Vater hat auch die e andere Zeitungsaus wahrt, bei der Mujin auf der Titelseite wa Etwa nach meinem WM-Titel vor drei Monaten in Tokio.\u00bb Ditaji Kambundji, LeichtathletikWeltmeisterin uf dem Schuler wieder in ffen. Mein eine oder sgabe aufbenga oder ich aren. m" + } + ], + "pictures": [ + { + "self_ref": "#/pictures/0", + "parent": { + "$ref": "#/body" + }, + "children": [ + { + "$ref": "#/texts/11" + } + ], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 27.11, + "t": 399.36, + "r": 237.23, + "b": 233.79, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [ + { + "$ref": "#/texts/11" + } + ], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/1", + "parent": { + "$ref": "#/body" + }, + "children": [ + { + "$ref": "#/texts/13" + }, + { + "$ref": "#/texts/14" + } + ], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 255.74, + "t": 729.09, + "r": 623.65, + "b": 453.5, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/2", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 123.38, + "t": 178.6, + "r": 235.07, + "b": 33.54, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/3", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 346.73, + "t": 175.02, + "r": 415.8, + "b": 34.13, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/4", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 516.12, + "t": 181.5, + "r": 623.21, + "b": 33.66, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/5", + "parent": { + "$ref": "#/body" + }, + "children": [ + { + "$ref": "#/texts/30" + } + ], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 679.01, + "t": 729.33, + "r": 1275.56, + "b": 563.86, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [ + { + "$ref": "#/texts/30" + } + ], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/6", + "parent": { + "$ref": "#/body" + }, + "children": [ + { + "$ref": "#/texts/43" + } + ], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 921.01, + "t": 409.15, + "r": 1154.35, + "b": 293.55, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [ + { + "$ref": "#/texts/43" + } + ], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/7", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 763.39, + "t": 176.83, + "r": 873.32, + "b": 33.72, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/8", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 972.73, + "t": 177.54, + "r": 1076.28, + "b": 33.56, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [], + "references": [], + "footnotes": [], + "annotations": [] + }, + { + "self_ref": "#/pictures/9", + "parent": { + "$ref": "#/body" + }, + "children": [], + "content_layer": "body", + "label": "picture", + "prov": [ + { + "page_no": 1, + "bbox": { + "l": 1169.83, + "t": 178.7, + "r": 1275.32, + "b": 34.27, + "coord_origin": "BOTTOMLEFT" + }, + "charspan": [ + 0, + 0 + ] + } + ], + "captions": [], + "references": [], + "footnotes": [], + "annotations": [] + } + ], + "tables": [], + "key_value_items": [], + "form_items": [], + "pages": { + "1": { + "size": { + "width": 1303.94, + "height": 850.39 + }, + "page_no": 1 + } + } +} \ No newline at end of file diff --git a/tests/data/pdf/groundtruth/newspaper-00.md b/tests/data/pdf/groundtruth/newspaper-00.md new file mode 100644 index 0000000000..5c637fea85 --- /dev/null +++ b/tests/data/pdf/groundtruth/newspaper-00.md @@ -0,0 +1,115 @@ +## Liebe Leserinnen und Leser + +Heute lest ihr die letzte Ausgabe der Pendlerzeitung 20 Minuten. Damit geht ein Stück Mediengeschichte zu Ende. 26 Jahre lang hat euch diese Zeitung Gesprächsstoff geliefert. Auch wenn viele 20-MinutenFans uns schon lange ausschliesslich digital nutzen: Noch heute greifen mehr als 1,3 Millionen Leserinnen und Leser täglich in die blaue Box. Unser Blatt tritt als klare Nummer 1 der Schweizer Tageszeitungen ab. Danke für eure Treue! + +Der Dank gilt ebenso unserenWerbekunden, die 20 Minuten erst möglich gemacht haben. Mittlerweile hat sich der Werbemarkt radikal verändert - insbesondere seit der Pandemie. Aufgrund des Medienwandels fliessen Werbegelder vom Print hin zu vielfältigen Werbemöglichkeiten im digitalen Raum. Heute ist es nicht mehr möglich, die hohen Kosten für Druck und Verteilung unserer Gratiszeitung zu tragen. Darum konzentrieren wir uns jetzt auf unser digitales Angebot, das schweizweit täglich mehr als 4 Millionen Mal besucht wird - am häufigsten über die App. Damit ist 20 Minuten die mit Abstand reichweitenstärkste digitale Medienmarke in allen Landesteilen. + +Am Anfang dieser Erfolgsgeschichte stand unsere einzigartige Zeitung. In dieser Ausgabe würdigen wir die Medienrevolution 20 Minuten nochmals. Viel Vergnügen mit dem Blick in die Vergangenheit. Und so weh der Abschied von der Zeitung tut: Wir freuen uns auf unsere gemeinsame Zukunft auf den digitalen Kanälen. In diesem Sinne: Jetzt App downloaden! + +## HERZLICH, + +DÉSIRÉE POMPER, CHEFREDAKTORIN BERNHARD BRECHBÜHL, CEO 20-MINUTEN-GRUPPE + +20-Minuten-CEO Bernhard Brechbühl und ChefredaktorinDésiréePomper. 20min + + + +## «20 Minuten bringt die + + + +ZÜRICH Verleger Pietro Supino über das Printende, zu Big Tech abfliessende Werbegelder und die SRG. + +## Pietro Supino, heute endet mit der letzten Printausgabe von 20 Minuten nach 26 Jahren eine Ära. Wie fühlt sich das an? + +Wehmütig. Ich habe noch das Bild vor Augen, wie 20 Minuten am Tag der Lancierung in Zürich am Bellevue verteilt wurde. Wir waren damals nicht beteiligt. Ichwar skeptisch.Wer hätte gedacht, dass 20 Minuten die grösste und wichtigste nationale Medienmarke werden könnte? Die Erfolgsgeschichte von 20 Minuten ist beeindruckend! Tatsächlich war 20 Minuten eine der rentabelsten Zeitungen Europas. Später wurde 20 Minuten auch online zur Nummer 1. Was ist das + +## Erfolgsgeheimnis? + +20 Minuten wollte den Menschen ein neues Erlebnis bieten: in kurzer Zeit solide informieren und darüber hinaus unterhalten. Das Konzept war eine Innovation. Nach der Übernahme haben wir die Qualität systematisch ausgebaut. + +20 Minuten war in der Vergangenheit oft ein First Mover. Wer- + +«Nach der Übernahme haben wir die Qualität systematisch ausgebaut.» + +## den bald auch weitere Medien ihre gedruckten Zeitungen einstellen? + +20 Minuten ist ein anderes Modell als Abo-Zeitungen. Darum würde ich von 20 Minuten nicht ableiten, was für Abo-Zeitungen gilt. Aber der Trend, dass Print rückläufig ist und das Digitale wächst, gilt auch für Abo-Zeitungen. + +20 Minuten war immer gratis. Damit erreicht es alle Menschen und sozialen Schichten. Zudem berichtet 20 Minuten ideologiefrei über politische Themen. Unterschätzt man den Beitrag, den 20 Minuten zu einer informiertenGesellschaft leistet? + +Man muss unterscheiden: unterschätzt vom Publikum oder in einer elitären Betrachtung? Vom Publikum sicher nicht, darum + +«Seit den ersten Ausgab zen wir die Pendlerzeitu um Menschen unterweg erreichen. Unvergessen die komplett gelbe Ausg zur Lancierung von Rive Gelb. Auch künftig setze mit Rivella und Focuswater auf 20 Minuten als starke Plattform im digitalen Raum.» Silvan Brauen, Rivella-Co-CEO ben nutung, gs zu bleibt gabe ella en wir + + + +«Mein Medienkonsum hat sich bereits stark ins Digitale verlagert. 20 Minuten ist für mich eine praktische tägliche Orientierungshilfe: schnell, kostenlos zugänglich und thematisch breit genug, um mir einen Überblick zu geben. Die App fühlt sich an wie der direkte Draht zur Schweiz.» Manuela Frey, Model + + + +«20 Minuten hat mit eine innovativen Konzept den Schweizer Medienmarkt mischt und ist rasch zur ten Tageszeitung geword Mit der Coop-Zeitung Weekly waren wir Teil dieser Erfolgsgeschichte. Mit 20 Minuten digital kann ich jederzeit und überall erfahren, was die Schweiz bewegt.» Philipp Wyss, Coop-CEO em n aufgegrössden. + + + +## Menschen in der Schweiz zusammen» + +Bereit für die digitale Ära: Das Team von 20 Minuten bietet rund um die Uhr News, Inspiration, Unterhaltung und Sport. 20min/Taddeo Cerletti + + + +wurde es auch so ein Erfolg. Aber in einer akademischen Betrachtung wahrscheinlich schon. + +«Subventionierte Angebote dienen meistens dem Strukturerhalt.» + +Werbegelder fliessen in ungebrochenem Tempo ins Silicon Valleyab. DerAbflussvon Schweizer Werbegeldern zu den Big-Tech-Firmen betrug 2024 2,2 Milliarden Franken. Noch 176 Millionen Franken flossen zu Schweizer Newsplattformen. Was passiert, wenn diese Entwicklung so weitergeht? + +Auf demWerbemarkt stehen wir am stärksten unter Druck. Wir müssen imWettbewerb mit den globalen Angeboten andere, spezielle Qualitäten bieten und diese vermarkten. Darum haben wir bei 20 Minuten den Verkauf wieder zurück ins + +## Unternehmen geholt. + +Liegt es nicht auch in der Verantwortung von Schweizer Unternehmen, einen Teil ihres Mediabudgets in unabhängige Schweizer Medien zu investieren? + +Es ist unsere Aufgabe, mit guten Inhalten ein spannendes Publikum zu erreichen und attraktiveWerbemöglichkeiten zu bieten, sodass Unternehmen gerne bei unsWerbung platzieren. Das ist bei 20 Minuten der + +Fall und der Trend ist positiv. + +Auch bei TX gab es einen grossen Stellenabbau. Kritiker sind der Meinung: Es braucht eine Quersubventionierung, tiefere Renditeforderungen oder staatliche Subventionierung. Was sagen Sie dazu? + +Medien leben davon, dass sie einen Mehrwert für ihr Publikum schaffen. Für die Gesellschaft haben Medien einen Wert, wenn sie diese erreichen und ihre Bedürfnisse erfüllen. Dann finden sie auch eine wirtschaftliche Basis und sind unabhängig. Die Unabhängigkeit ist in meinem Credo die wichtigste Ambition. Subventionierte Angebote dienen meistens dem Strukturerhalt und der Verbreitung von Inhalten, die aus Sicht des Publikums verzichtbar sind. Es widerspricht meiner Vorstellung einer freien Gesellschaft, das Medienangebot staatlich vorzugeben. So würde sich die Katze in den eigenen Schwanz beissen. + +Gebührenfinanzierte Onlineangebote konkurrenzieren primachen. Der Name sagt es. Es gibt keine Notwendigkeit und keine Legitimation, darüber hinaus mit Gebührengeld Onlineangebote zu schaffen. Das muss in der Konzession geregelt werden. Wenn die Politik es nicht tut und die SRG sich nicht selbst besinnt, riskiert sie, vor dem Volk zu verlieren. + +ImMärz stimmen wir über die SRG-Halbierungsinitiative ab. + +ChefredaktorinPompermitVerlegerSupino. 20min/TaddeoCerletti + + + +## vate Medien wie 20 Minuten direkt. Was erwarten Sie hier von der Politik? + +Das Schweizer Radio und Fernsehen SRF wurde geschaffen, um Radio und Fernsehen zu + +## Was ist Ihre Haltung dazu? + +Die Eidgenössische Wettbewerbskommission hat festgehalten, dass die SRG mit ihrem Onlineangebot das private Medienangebot direkt konkurrenziert. Das ist das Problem. Mir geht es nicht um die Finanzierung, ich stehe der SRG positiv gegenüber. Aber sie muss sich auf Radio und Fernsehen beschränken. Natürlich auch über digitale Verbreitungskanäle. Dafür kann man das Gebührengeld sehr gut und sinnvoll einsetzen. Ich denke etwa an Schweizer Filme, an grosse Anlässe wie den Eurovision Song Contest, an den Kulturbereich und an Sportübertragungen wie das Lauberhornrennen. Wenn die SRG mit demGebührengeld stattdessen Onlinemedien entwickelt und damit die Existenz des privaten Angebots gefährdet, braucht sie die Mittel offenbar nicht für Radio und Fernsehen. Das finde ich schade. + +## Zum Schluss: Was wünschen Sie 20 Minuten und 20 Minutes für die Zukunft? + +Dass 20 Minuten einen gesellschaftlichen Mehrwert schafft: das Publikum gut informiert und unterhält, inspiriert und die Menschen in der Schweiz zusammenbringt. In diesem Sinn weiterhin viel Erfolg! + +DÉSIRÉE POMPER + +«In unseren Pausen räumen wird sehr oft 20 Minuten gelesen prüfen wir gerade, o den QR-Code für die lineausgabe an den Wänden aufhängen sollen, damit alle Mitarbeitenden Zugang haben». Anna Hug, n-ft . Hier ob wir e Onn + +Co-Geschäftsleiterin Hug AG + + + +«Ein persönlicher Moment mit 20 Minuten bleibt mir ganz besonde in Erinnerung: Diesen Sommer war ich zu Gas bei Chefredaktorin Dési Pomper imLive-Talk, mitten in der Gemüse- und Früchteabteilung unserer Filiale am Limmatplatz.» Mario Irminger, Migros-CEO ers st irée + + + +«Früher habe ich au weg insGymi imme die blaue Box gegriff Vater hat auch die e andere Zeitungsaus wahrt, bei der Mujin auf der Titelseite wa Etwa nach meinem WM-Titel vor drei Monaten in Tokio.» Ditaji Kambundji, LeichtathletikWeltmeisterin uf dem Schuler wieder in ffen. Mein eine oder sgabe aufbenga oder ich aren. m + + \ No newline at end of file diff --git a/tests/data/pdf/groundtruth/newspaper-00.pages.meta.json b/tests/data/pdf/groundtruth/newspaper-00.pages.meta.json new file mode 100644 index 0000000000..114178c476 --- /dev/null +++ b/tests/data/pdf/groundtruth/newspaper-00.pages.meta.json @@ -0,0 +1,5 @@ +[ + { + "num_cells": 375 + } +] \ No newline at end of file