nieuws voor jiten.nl

Doorzoek of bekijk alleen het gedigitaliseerde deel van 1934 woordenboek

De optie om alleen de digitale versie van Van de Stadt’s woordenboek uit 1934 te doorzoeken is op de start pagina voorlopig vervallen, maar nu apart te vinden op het adres ＜www.jiten.nl/boek＞.

Het is vormgegeven per pagina, maar geheel doorzoekbaar.

De digitalisatie is nog niet compleet, maar onderaan de pagina’s staat de link naar de corresponderende JPEG pagina. Ik voeg bijna dagelijks weer woorden toe en denk het binnen afzienbare tijd te voltooien.

In tegenstelling tot de JPEG zoek pagina voor het 1934 woordenboek kan ＜www.jiten.nl/boek＞ ook met Japanse spelling (kana of kanji) doorzocht worden om een pagina te vinden, en ook met Nederlandse trefwoorden.¹

Omdat ik het nu net heb gemaakt is het minder krakkemikkig dan de oude code van jiten.nl en tien keer zo snel (bij normaal verkeer ongeveer 0.13 sec.).

Tijdelijk geen zoekopties

Ik heb voor nu de opties om te zoeken in een specifieke database, of op prefix, suffix of deel van een woord, verwijderd. (De methode die ik gebruikte maakte GET urls die ongewenste bezoeken van bots veroorzaakten en problematische indexering door BING en GOOGLE.)

Ik hoop ze later wel weer toe te voegen (vrijwel zeker via cookies). Wie hoopt dat dat ik daar prio aan geef, neem vrijblijvend contact met me op.

Indexering door Google en Bing

Bij inspectie van het access log voor jiten.nl ontdekte ik foute paden die achter index.cgi geplakt waren. Hoe waren die ontstaan?

Omdat de paden ongewenst zijn heb ik er 404 van gemaakt via AcceptPathInfo Off. Na verder onderzoek bleek me dat ik bij mijn laatste ronde om maar een beperkt aantal bots toe te staan via robots.txt¹ ik te strikt was geweest. Ik stond index.cgi?z=[woord] toe, maar /?z=[woord] niet (meer). Misschien dat dit Googlebot prikkelde om op zoek te gaan naar alternative paden (zoals: index.cgi/correcties/glossary/glossary/?z=[woord])?

Wel, robots.txt ook weer gewijzigd, na een tijdje zal de situatie zich wel weer stabiliseren.

waapuro roomaji en een mededeling

Ontbrekende waapuro roomaji (van de meta data) toegevoegd aan oudere ingangen en sommige ingangen met een - in het titelwoord.

Kennelijk ga ik verder met het digitaliseren van Van de Stadt’s woordenboek. Meer hierover later.

mojibake in sommige warandict resultaten: opgelost

In sommige resultaten van warandict was het Japans corrupt (mojibake). Dit was omdat ik een library niet had bijgewerkt.

Laatste versie van Waran Jiten toegevoegd

Ik heb de laatste (2025/10/23) versie van het Waran Jiten project (modern Japans→Nederlands Japans woordenboek) toegevoegd.

Het heeft in mijn gecorrigeerde versie 62.437 ingangen.

Het Waran Jiten project stelt de data beschikbaar in een variant van edict, volgens de website voor gebruik op wwwjdic en in andere toepassingen. Dat is een goede zaak!

Er zitten wat structurele fouten in het bestand, dat niet correct edict of edict2 volgt, en misschien 50 of zo andere fouten. Bij de vorige versies was dat ook al zo. Ik heb Hans Coppens daar destijds over bericht, maar dit fixen heeft waarschijnlijk geen prioriteit, wat ik begrijp. Het betekent wel dat het de bewering “...maakt de inhoud van het woordenboek in één klap bruikbaar voor vele software-applicaties” (pagina 4-7-2026 geraadpleegd) niet helemaal juist is (kniesoor die daar op let).

Uit mijn hoofd waren de structurele afwijkingen van het officiële edict format:¹

• karakters die voor een specifieke betekenis gelden moeten volgens edict tussen ronde haken in het betekenisveld worden geïdentificeerd. Waran plaatst evenwel in het titelveld iets als (bet. 1-3), wat applicaties breekt. (Voorbeeld waarbij delen van het titelveld in het lezingveld terecht komen.)
• de spatie tussen het titelwoord en het lezingveld ontbreekt
• varianten van het titelwoord, en meerdere lezingen, worden in Waran gescheiden met " / ", maar edict2 schrijft voor: ";" als scheidingsteken (in edict versie 1 was het voorschrift meerdere ingangen, maar waarschijnlijk volgt Waran edict2). (Op wwwjdict is dit gecorrigeerd.)
• officieel hebben kana woorden geen lezingveld (dit lijkt me geen probleem, voor mij was dit zelfs makkelijker)

Vermoedelijk is het ook niet de bedoeling dat extra informatie in de gloss tussen rechte haken [ ] wordt geplaatst (omdat het lezingveld al tussen rechte haken staat denk ik). Waran gebruikt afwisselend ronde en rechte haken.

De overige fouten waren tikfouten en tekens en zinnen die in verkeerde velden terecht waren gekomen.

Mijn bijgewerkte versie staat hier. Het bestand is niet gezipt (7,5M).

Twee ingangen heb ik laten vervallen omdat ik zo gouw niet wist hoe ze te fixen (te weten マツキノコ en ポンド). Een aantal ingangen met meerdere schrijfwijzen heb ik gesplitst naar aparte ingangen. De rechte haken in de gloss heb ik laten staan (voor deze beslissing werd ik onmiddellijk gestraft, omdat ik de zoek regex moest aanpassen).

Noten:

1. “KANJI-1;KANJI-2 [KANA-1;KANA-2] /(general information) (see xxxx) gloss/gloss/.../ ”

Bots van Meta

Vandaag heb ik regels toegevoegd om bots van Meta te blokkeren (via apache en fail2ban). Het lijkt er op dat die bots de oorzaak waren van recente Timeouts.

Update 19 maart 2026

Vandaag bezweek de server weer onder bots.

Ik heb opnieuw de configuratie van de server aangepast en probeer nu bots te blokkeren via SetEnvIfNoCase User-Agent "Applebot" bad_bot en Require not env bad_bot etc.

Tevens de parameters in IfModule mpm_event_module naar beneden bijgesteld.

Ik handhaaf deze server voor alleen <jiten.nl>, de belasting is te hoog om de server voor ook nadere websites te kunnen gebruiken.

Meer RAM en CPU zou helpen natuurlijk, maar is duur. Huidige config:

Memory	1,024 MB
CPU	1 cores @ 70%
€ 185.04    yearly 

Online

Ik heb de website weer draaiend gekregen. Misschien ietsje beter ingesteld dan gisteren.

Ik overweeg code te schrijven voor mens detectie gekoppeld aan agressief bots blokkeren.

De site is tijdelijk off-line

Met een beetje geluk is de website morgen weer bereikbaar.