<font size=2 face="sans-serif">Hello all,</font><br><br><font size=2 face="sans-serif">After the two workshops on crawling
YouTube (covered in our June update), we were able in July to launch a
production crawl using the process previously outlined. This first crawl
lasted 20 days. The curators selected 42 channels and we crawled all the
videos from these channels: 28 063 videos, with the exception of 10 videos
that had been removed and one video excluded because of our filters. The
crawl represents 1.8 TB and more than 3 000 hours of video. A second crawl
is planned in November.</font><br><br><font size=2 face="sans-serif">We have also finished work on giving
access to these videos, as well as those crawled during the elections last
year. To replay the videos within YouTube pages, we built on the system
already used for Dailymotion. A specific rule is applied to pages for which
videos have been collected, allowing us to replace the YouTube player with
another called FLV Player, which is present in our archives. We use the
metadata collected during the crawl to establish the link between the web
page and the correct video file. As the page listing all the videos on
a channel is not fully collected by Heritrix, we created pages within our
access application with the full list of videos collected for each channel,
and inserted a button within the YouTube page to link to this list. Finally,
we created a "guided tour", similar to that which already exists
for news sites, with a list of all the YouTube channels collected. This
is also based on the metadata, with additional description added by curators.</font><br><br><font size=2 face="sans-serif">In other news, we have just started
our broad crawl for 2018. It will be the biggest broad crawl we have yet
performed, with a budget of 110 TB and 4.7 million domains in the seed
list. The budget per domain is 2 500 URLs (compared to 1 500 URLs last
year). During this crawl, the total size of the BnF web archives is expected
to exceed 1 Petabyte.</font><br><br><font size=2 face="sans-serif">Best regards,</font><br><font size=2 face="sans-serif">The BnF digital legal deposit team</font><br><br><font face="sans-serif"><hr />
<p>Exposition <strong><em><a href="http://www.bnf.fr/fr/evenements_et_culture/anx_expositions/f.atelier_bordas.html?seance=1223931686263">Épreuves d'imprimeur. Estampes de l'Atelier Franck Bordas</a></em></strong> – du 2 octobre au 25 novembre 2018 | François-Mitterrand</p>
<p style="color:#008000"><strong>Avant d'imprimer, pensez à l'environnement.</strong></p></font>