TEI笔记:数字化文本的文字转录

TEI(Text Encoding Initiative,文本编码倡议)用于编码数字形式的文本全文,包括转录语音。语音转录方面,除口述文字外,TEI可以精准标记整个语音过程、包括非文本信息。
同样对于文本,除最终文字外,TEI也能标记整个书写过程、记录文稿上的各种修改、加注等痕迹,因而特别适合标识手稿、古籍、批注本等,以及对其数字化图片(数字摹本)的文字转录。TEI可以完美保留第一手资料信息,包括:不同位置的加注,手稿上的更改、更正、错误,书写过程中划线、加符号、重描(字上改写)、掉换顺序等修改痕迹,因损坏、模糊而无法转录情况,不同的笔迹等。当然,页眉、页脚、版式等信息也不会被忽略。
数字化文本的文字转录,古籍有很大需求,会涉及字符集不够大,需要说明竖排版式的问题。最新版P5的指导文件第5章对字符、字形和书写模式有说明(5 Characters, Glyphs, and Writing Modes)。而第11章则详解第一手资料的表示(11 Representation of Primary Sources),特别适用于数字化图片与转录文字对照表示的情况。
零、自造字与竖排本
1、字符:声明字符集中没有字符,以图片形式提供
在标头的<encodingDesc>,用元素<charDecl>声明字符
2、字形:声明已有字符的不同字形(比如避讳字?)
同上,用元素<charDecl>声明,增加新字符
3、书写模式:除从左向右、从上向下的通常书写外的各种其他模式
中文古籍多用从右向左的垂直书写模式,用属性@style说明。以下为日语例(p.203)
<lg xml:lang=”ja”
style=”writing-mode: vertical-rl”>
<l>古池や</l>
<l>蛙</l>
……
</lg>
一、数字摹本的表示
1、第1层元素
摹本<facsimile>、来源文档<sourceDoc>,可以代替或和<text>同用:
<text>转录文本
<facsimile>摹本图片
<sourceDoc>摹本图片+转录文本(嵌入转录法)
<facsimile>+<text>(并列转录法)
2、第2层及以下元素、属性
面<surfaceGrp>、<surface>(二维坐标空间,通常为1个数字化文件)
区域<zone>(面中的二维区域,如:叶中的页,页中的图区域)
坐标值属性:@ulx、@uly左上角x、y,@lrx、@lry右下角x、y
3、例(p.364):面组
<facsimile>
  <surfaceGrp n=”leaf1″>【面组/第1叶,含2页】
    <surface>
      <graphic url=”page1.png”/>
    </surface>
    <surface>【1面/第2页,有不同精度图片】
      <graphic url=”page2-highRes.png”/>
      <graphic url=”page2-lowRes.png”/>
    </surface>
  </surfaceGrp>
</facsimile>
4、例(p.365):面坐标
<facsimile>
  <surface ulx=”0″ uly=”0″ lrx=”500″ lry=”321″>
Handschrift.karlsruhe.blb.jpg”/>
  </surface>
</facsimile>
二、转录与摹本结合(数字化图片与文字对照)
例(p.371):并列转录法
<facsimile>【摹本图片】
  <surface start=”#PB49R”>【以PB49R为标识关联】
    <graphic url=”Bovelles-49r.png”/>
  </surface>
</facsimile>
<text>【转录文字】
  <body>
    <div>
      <!– … –>
      <pb xml:id=”PB49R”/>
      <fw>De Geometrie 49</fw>
      <!– … –>
    </div>
  </body>
</text>
三、转录文字方法
1、更改、更正和错误的文本(手稿常见现象)
选择<choice>(同一文本的交替编码组,嵌套<abbr><expan>、<sic><corr>等)
缩写<abbr>,扩展<expan>
更正<corr>,原文如此<sic>
添加<add>、<addSpan>,删除<del>、<delSpan>,恢复<restore>(嵌套<del>)
替代<subst>、<substJoin>(删除……改为……:嵌套<del><add>)
跳过<gap>(忽略),隔开文字<secl>,空格<space>
多余文字<surplus>,(转录者/编者)补充文字<supplied>
(1)例(p.384):在原有文字上标注删除
For I hate this <del rend=”strikethrough” hand=”#dhl”>my</del> body, which is so dear
to me …【在my上划删除线,表示删除】
<handNote xml:id=”dhl”>D H Lawrence holograph</handNote>【说明笔迹情况】
(2)例(p.385有手写稿图片):添加和删除
The O.E.D. is not a dictionary so much as a corpus of precedents <del hand=”#RG”>in the</del>:【未说明删除方式】
current, obsolete, <add hand=”#RG” place=”above”>cant,</add> cataphretic and
nonce-words are all included.【在行上添加文字】
(3)例(p.385):添加内容后被删除
You quote the <del>
<add hand=”#RG” place=”margin”>Norton</add>【页边添加文字】
</del> O.E.D…
(4)例(p.391, 392) :不同转录方法:跳过,或者添加
I am dr Sr yr <gap reason=”illegible” quantity=”3″
unit=”word”/>Sydney Smith【因难以辨认,跳过3个词】
I am dr Sr yr <supplied reason=”illegible” resp=”#msm”
source=”#Ry2″>very humble Servt</supplied> Sydney Smith【难以辨认,由责任人msm依据来源Ry2,添加3个词】
2、不同笔迹
笔迹说明<handNote>,笔迹改变<handShift>
3、损坏和猜测
损坏<damageSpan><damage>,模糊<unclear>
补充文字<supplied>,跳过<gap>
4、标记书写过程(文稿上的各种修改痕迹)
修改<mod>(如划线等)
元标记<metamark>(图形或文字符号,与各种修改结合用)
重描<retrace>(在原字上修改)
重做<redo>,撤销<undo>(如删除后恢复)
掉换顺序<listTranspose><transpose>(与<metamark>结合)
四、版式
例(p.411):定义面
<sourceDoc>
  <surfaceGrp type=”quire” n=”1″>【第1帖】
    <surfaceGrp type=”leaf” n=”1″>【第1叶】
      <surface type=”recto” n=”1r”>【第1页正面】
        <!– … –>
      </surface>
      <surface type=”verso” n=”1v”>【第1页反面】
        <!– … –>
      </surface>
    </surfaceGrp>
  <surfaceGrp type=”leaf” n=”2″>
    <surface type=”recto” n=”2r”>
      <!– … –>
    </surface>
    <surface type=”verso” n=”2v”>
      <!– … –>
    </surface>
  </surfaceGrp>
    <!– other leaves in first quire –>
  </surfaceGrp>
    <!– other quires here –>
</sourceDoc>
五、页眉、页脚等信息
印版工作<fw>(逐页标题、导词、页码等)
<fw type=”head” place=”top-centre”>Poëms.</fw>
<fw type=”pageNum” place=”top-right”>29</fw>
<fw type=”sig” place=”bot-centre”>E3</fw>
<fw type=”catch” place=”bot-right”>TEMPLE</fw>
六、在标头中定义变更和修订的标识(xml:id)
1、TEI标头<profileDesc>之<creation>,记录原文档制作或电子文件修订过程中的变化:
变化<listChange><change>
2、例(p.415)
<profileDesc>
  <creation>
    <listChange ordered=”true”>
      <change xml:id=”ST-1″>First stage, written in ink </change>【第1阶段,墨水笔书写】
      <change xml:id=”ST-2″>Second stage, with revisions written in the author’s hand
using pencil</change>【第2阶段,作者笔迹用铅笔修改】
      <change xml:id=”ST-3″>Fixation of the pencilled revisions together with further
revisions in the author’s hand using ink</change>【修改铅笔修订,作者笔迹用墨水笔修改】
      <change xml:id=”ST-4″>Additions in a different hand, probably at a later
stage</change>【可能在稍后阶段,以不同笔迹添加】
    </listChange>
  </creation>
</profileDesc>
详见最新版P5的指导文件:
参见:

国际图联2018年会推出的重要文件及网站

国际图联2018年会正在马来西亚吉隆坡召开(2018.8.24-30),会议期间发布或再推出一系列文件(有些有中文版)和网站,依新闻发布顺序:

1、IFLA Statement on Fake News(国际图联应对假新闻声明)
新闻报道:Build Skills, Fight Censorship: IFLA’s Response to Fake News (2018-8-25)
中文版新闻:增强各项技能,对抗审查制度:国际图联应对假新闻的对策
“网络虚假信息不仅影响个人决策而且危害社会舆论。然而与此同时,打击“假新闻”的概念又为限制言论自由的高压政策提供了借口。对此,行之有效的对策必须建立在更健全的媒体、信息素养以及对数字环境更强大自信的基础上,同时还要注意不要采取可能限制信息获取自由的措施。在这方面,图书馆大有可为。”
大有可为之处,就是提高信息素养,IFLA先前的相关文件:
2011:IFLA Media and Information Literacy Recommendations(中文版:国际图联媒介和信息素养建议书)
2017:IFLA Statement on Digital Literacy (18 August 2017)(国际图联数字素养声明)

2、Library Map of the World (LMW)(世界图书馆地图,网站)
新闻报道:Now available: Data, Stories and more with Country Pages from the IFLA Library Map of the World (2018-8-26)
中文版新闻:数据、报道及更多内容现已在国际图联世界图书馆地图国家页上推出
网站2017年IFLA年会发布。目前收录220万个图书馆(中国5909个,其中国家图书馆1、高校图书馆2914、公共图书馆2994)。
2018年新增栏目国家页(Countries),“包含对图书馆环境的简要概述,其中包括:图书馆系统、管理与资金模式、发展与政策优先事项以及图书馆界最新成果。此外,国家页将提供有关国家图书馆协会、国家图书馆、决策机构和图书馆支持组织的详情,以及有关图书馆政策与立法、教育与活动的信息”。
报道栏目(SD Stories)收录图书馆与联合国2030可持续发展目标(SDG)相关的“故事”,目前仅4个国家5个报道(为收集更多故事,IFLA另有指导讲故事的手册,见下6)。

3-4、IFLA Globe Vision(国际图联全球愿景报告) 和 IFLA Global Vision Ideas Store(国际图联全球愿意点子商店,网站)
新闻报道:Launched! IFLA Global Vision Ideas Store now live (2018-8-26)
新闻中文版:正式发布!国际图联全球愿景“点子商店”现已上线
IFLA Globe Vision:《全球愿景》目前只看到摘要(就是全文?):十大亮点和十大机遇中文版
国际图联全球愿意点子商店(网站):参与全球大讨论,截止期2018-9-30

5、Getting Started with the Marrakesh Treaty – a Guide for Librarians(《马拉喀什条约》入门:图书馆员指南)
新闻报道:Getting Started: New IFLA Guide on Making the Marrakesh Treaty Real (2018-8-27)
《马拉喀什条约》是针对视障者版权例外的国际条约,于2016年9月生效。中国于2013年6月28日最早一批签约,但一直没有批准(WIPO-Administered Treaties: Contracting Parties > Marrakesh VIP Treaty,80个签约国,未批准的一半以上)。因此中文版新闻也没有了?

6、Libraries and the Sustainable Development Goals: A Storytelling Manual(图书馆和可持续发展目标:讲故事手册)
新闻报道:Tell your story! 2019 offers a crucial opportunity for library advocacy (2018-8-27)
中文版新闻:讲述你的故事!2019年为图书馆宣传提供重要机遇
在前述世界图书馆地图(LMW)中,提交图书馆的故事,重点关注联合国2030年议程及其17个可持续发展目标(SDG),特别是2019年的高级别政治论坛将重点关注的教育、就业、平等和信息获取方面的内容。目的是向国家和国际领导人展示图书馆贡献的重要性,并有助于使图书馆赢得应有的认可。

7、IFLA Statement On Copyright Education and Copyright Literacy(中文版:国际图联关于版权教育和版权素养的声明
新闻报道:Accelerating Access: IFLA Releases Statement on Copyright Literacy (2018-8-27)
中文版新闻:加速访问: 国际图联发布关于版权素养的声明

8、IFLA’s Trend Report 2018 Update(国际图联趋势报告2018年更新版)
新闻报道:Facing the Future with Confidence: IFLA’s Trend Report Update 2018 (2018-8-28)
中文版新闻:满怀自信,面对未来:国际图联趋势报告2018年更新版
着重说明“不要预测,做好准备”【有点矛盾?】

9、Development and Access to Information (DA2I)(发展和信息获取)
新闻报道:Seizing Opportunities, Delivering Development: IFLA and the UN 2030 Agenda (2018-8-28)
中文版新闻:【抓住机遇,实现发展:国际图联和联合国2030年议程
本报告2017年发布。目的详见6“讲故事”。

国际图联2018年会,参见建中博客会议现场报道:
国际图联吉隆坡年会(一) (2018-08-25 09:46)
国际图联吉隆坡年会(二)图书馆不仅要服务社会,而且要影响社会 (2018-08-25 22:08)
国际图联吉隆坡年会(三)全球愿景报告发布 (2018-08-26 08:33)
国际图联吉隆坡年会(四) (2018-08-27 15:04)
国际图联吉隆坡年会(五)school7获得2018年度公共图书馆奖 (2018-08-28 12:45)

TEI笔记:手写本和印刷古籍的编目

TEI(Text Encoding Initiative,文本编码倡议)用于编码数字形式的文本全文。最新版P5的指导文件对诗歌、剧本、语音转录、词典、手稿(含古籍)5类文本的使用各有一章详加说明。
TEI对手稿的专门章是:10 Manuscript Description,即手稿描述(著录)——基本上就是编目,对文本本身的编码极少。除通常的手稿(手写本、打字本),也适用于印刷古籍——本章中多处提到摇篮本(incunable)。当然和普通文献编目相比(参见:TEI中的书目描述及其他),手稿编目要复杂得多,有不少专指元素。
一、手稿描述<msDesc>嵌套元素
手稿描述<msDesc>一般在标头的<sourceDesc>部分,但对于文集,也可与书目元素一样出现在<listBibl>中。嵌套元素8种:
1手稿标识符<msIdentifier>(+收藏机构信息)
2标题/题名<head>
3手稿内容<msContents>(+子项)
4物理描述<physDesc>(+子项)
5历史<history>(+子项)
6附加信息<additional>(+子项)
7手稿部分<msPart>(原本在物理上分开,现绑在一起、有相同索取号的手稿或手稿部分)
8手稿片断<msFrag>(原本为整体、现分散的手稿片断,由相同或不同机构收藏)
例(p.320)
<msDesc>
  <msIdentifier>【1手稿标识符,嵌套元素见后】
    <settlement>Oxford</settlement>
    <repository>Bodleian Library</repository>【收藏馆】
    <idno>MS. Add. A. 61</idno>
    <altIdentifier type=”SC”>
      <idno>28843</idno>
    </altIdentifier>
  </msIdentifier>
  <msContents>【3内容】
    <p>
    <quote>Hic incipit Bruitus Anglie,</quote> the <title>De origine et gestis
Regum Angliae</title> of Geoffrey of Monmouth (Galfridus Monumetensis): beg.
    <quote>Cum mecum multa & de multis.</quote> In Latin.</p>
  </msContents>
  <physDesc>【4物理描述:材质、尺寸、页码。可以用更多专指元素(p.321例)】
    <p>
    <material>Parchment</material>: written in more than one hand: 7¼ x 5⅜ in., i
+ 55 leaves, in double columns: with a few coloured capitals.</p>
  </physDesc>
  <history>【5历史:最初写作地点、时间;脚注时间;购入情况】
    <p>Written in <origPlace>England</origPlace> in the <origDate>13th
cent.</origDate> On fol. 54v very faint is <quote>Iste liber est fratris
guillelmi de buria de … Roberti ordinis fratrum Pred[icatorum],</quote>
14th cent. (?): <quote>hanauilla</quote> is written at the foot of the page (15th
cent.). Bought from the rev. W. D. Macray on March 17, 1863, for £1 10s.</p>
  </history>
</msDesc>
二、词语层元素(专指元素,可嵌套于不同元素中)
原作日期<origDate>,原作时间<origDate>
支持材料<support>,装订<binding>,材质<material>,实物类型<objectType>
水印<watermark>,印章<stamp>
尺寸<dimensions>(高<height>宽<width>深<depth>,其他尺寸<dim>类型@type)
位置<locus>、<locusGrp>(参引手稿内位置)
名称<name>(及专指如<person>及<persName>等)
导词<catchwords>,签名说明<signatures>,第2叶说明<secFol>
纹章<heraldry>
三、1手稿标识符<msIdentifier>嵌套元素
所在地:国家<country>,地区<region>,定居点<settlement>
收藏机构:机构<institution>(保管单位的上级机构),保管单位<repository>,文库/特藏<collection>
标识号:<idno>, <altIdentifier>
手稿替代名:<msName>
例(p.332)
<msIdentifier>
  <country>USA</country>
  <region>California</region>
  <settlement>San Marino</settlement>
  <repository>Huntington Library</repository>【保管单位】
  <collection>El</collection>
  <idno>26 C 9</idno>【索取号】
  <msName>The Ellesmere Chaucer</msName>
</msIdentifier>
四、3知识内容<msContents>嵌套元素
1、手稿单项<msItem>,结构化手稿单项<msItemStruct>,摘要<summary>
2、<msItem>/<msItemStruct>嵌套元素:
作者、题名(一般书目元素):<author>,<respStmt>,<title>
卷首<rubric>,开端语<incipit>,结束语<explicit>,文本部分结束<finalRubric>,引语<quote>,版权页<colophon>
亲子关系<filiation>(衍生品:照相、抄本、誉本/影写本/复制本)
附注<note>,装祯附注<decoNote>;参考书目<listBibl>,<bibl>;文本语言<textLang>
例(p.336-337)
<msContents>
  <summary>A collection of Lollard sermons</summary>
  <msItem n=”1″>【第1项】
    <locus>fol. 4r-8r</locus>
    <title>3rd Sunday Before Lent</title>
  </msItem>
  <msItem n=”2″>【第2项】
    <locus>fol. 9r-16v</locus>
    <title>Sexagesima</title>
  </msItem>
</msContents>
五、4物理描述<physDesc>嵌套元素
特别要求:通用元素在前,以下专指元素在后。
实物描述<objectDesc>:支持描述<supportDesc>,支持材料<support>,条件<condition>
数量<extent>:尺寸<dimensions>,高度<height>、宽度<width>,测量<measure>(其他尺寸)
整理<collation>,叶编号<foliation>,版式描述<layoutDesc>:<layout>
手写描述<handDesc><handNote>(不同人字迹,特定手写字体),文字描述<scriptDesc><scriptNote>、打字描述<typeDesc><typeNote>、装祯描述<decoDesc><decoNote>
乐谱<musicNotation>,其他说明<additions>
装订描述<bindingDesc><binding>,印章描述<sealDesc> <seal>,配套资料<accMat>
六、5历史<history>嵌套元素
起源<origin>,流转<provenance>,获得<acquisition>
七、6附加信息<additional>嵌套元素
手稿管理信息<adminInfo>:记录史<recordHist>(+来源<source>、变化<change>),可获得情况<availability>,保管史<custodialHist>(+保管事件<custEvent>)
替代品<surrogates>(+书目信息<bibl>)