С http трабл - именно в том, что слишком свободный формат и каждый будет корректировать неточный скан, неверную, по его мнению, разбивку и т.п. ручками. В результате расплодится миллион версий одного и того же. И все разлетится.

Ну, http != HTML. По http можно передавать хоть HTML, хоть plain text, хоть что. Другое дело, повторюсь, не хочется терять интеграцию с традиционным web; в идеале распределённая библиотека людям, работающим через наши прокси должна быть видна как набор обыкновенных веб-страниц (ради этого, напоминаю, и стоит мутить что-то новое, просто бесплатные библиотеки в p2p-сетях есть и так, и ещё много где помимо p2p-сетей). Для этого и нужна отдача документов по http. И желательно именно в HTML или, на худой конец, в plain text, чтобы, кликнув на ссылку, мы могли бы просмотреть текст тут же, в браузере, "не отходя от кассы".

O'k, предположим, HTML слишком свободен. Тогда что могло бы его заменить? Возможно, нечто на основе DocBook (http://en.wikipedia.org/wiki/DocBook) (кстати, это действительно идея)?

Но это, между прочим, не повод отказываться от того, чтобы клиент выглядел как прокси, через который пользователь смотрит весь веб вообще. Наоборот, это позволило бы конвертить наш высокостандартизованный формат =) в HTML на лету, сохраняя прозрачную интеграцию с WWW.

Особенно, если стандартный формат действительно клепать на DocBook. В современных *nix'ах тогда преобразование в human readable вид вообще можно будет осуществлять стандартными утилитами, которые уже есть в каждом дистрибутиве Linux и *BSD; мастдай я знаю хуже, но, видимо, обработка XML и там сильно ушла вперёд со времен Win98. Говорят, даже формат свежего M$ Office — XML-based. Так что тоже, небось, всё нужное уже есть.

Правда, создание спецификаций формата, руководствуясь которыми два разных человека, исходно имея на руках по нераспознанной бумажной книжке, получали бы в итоге одинаковые или по крайней мере несущественно различающиеся файлы — это если и не утопия, то, по крайней мере, очень неслабая задача.

Кстати, еще одна идея туда же. Чековая сумма вычисляется в процессе индексирования. Таким образом, в оную входят только слова- пробелы, переносы, знаки препинания исключаются. То есть правильно распознанный текст становится идентичен свлему собрату независимо от форматирования.

"О!"© =)

Да, это действительно выглядит разумной идеей.