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>)

TEI笔记:语音转录

TEI(Text Encoding Initiative,文本编码倡议)用于编码数字形式的文本全文。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。
总体上,TEI对文本进行的编码较少深入到文本内容。对于口语材料的转录,“8 Transcriptions of Speech”说明不是面向语言学家的(如分析话语、语音等),主要是揭示社会交互过程
TEI可以客观转录整个语音过程,包括讲话过程中的停顿、改变语音语调,受干扰、其他背景声音,不同讲话者的插话、同时讲话,讲话过程中展示的书写文字,视频中的身势(如眼神、手势)等。上述非文本信息可以简单表示此种情况的存在,也可以精确表达。当然,语音资料文档本身的信息也能记录。
感觉TEI的标记功能很强大,适合记录演讲、访谈、讨论等富含文字内容的影音资料。
一、专用元素
话语<u>,停顿<pause>,声音<vocal>(不一定是说话声),身势<kinesic>,事件<incident>(影响话语),书写文字<writing>(说话过程中展示),转换<shift>(说话方式变化),同步与重叠(多种表示方式同时说话)。
属性:归属者@who,类型@type、@subtype,时间@start、@end、@dur
1、例(p.262):对话
<u who=”#mar”>you
never <pause/> take this cat for show and tell
<pause/> meow meow</u>【停顿。可说明停顿时间如:<pause dur=”PT20S”/>】
<u who=”#ros”>yeah well I dont want to</u>
<incident>【声音影响谈话】
<desc>toy cat has bell in tail which continues to make a tinkling sound</desc>
</incident>
<vocal who=”#mar”>【学一声猫叫】
<desc>meows</desc>
</vocal>
<u who=”#ros”>because it is so old</u>
<u who=”#mar”>how <choice>【发音有误】
<orig>bout</orig>
<reg>about</reg>
</choice>
<emph>your</emph> cat <pause/>yours is <emph>new</emph>【强调,未具体说明】
<kinesic>【身势】
<desc>shows Father the cat</desc>
</kinesic>
</u>
<!– … –>
<listPerson>【参与者清单】
<person xml:id=”mar”>
<!– … –>
</person>
<person xml:id=”ros”>
<!– … –>
</person>
<person xml:id=”fat”>
<!– … –>
</person>
</listPerson
2、例(p.265):显示书写文字
<u who=”#a”>look at this</u>
<writing who=”#a” type=”newspaper”
gradual=”false”>Government claims economic problems
<soCalled>over by June</soCalled>
</writing>
<u who=”#a”>what nonsense!</u>
3、例(p.271):同步和重叠
<u who=”#jane”>have you read Vanity Fair</u>
<u trans=”overlap” who=”#stig”>yes</u>【同步】
<u xml:id=”utt1″ who=”#jane”>have you read Vanity <anchor synch=”#utt2
#k1″ xml:id=”a1″/> Fair</u>【第1个人说话,更精确地定义同步位置】
<u xml:id=”utt2″ who=”#stig”>yes</u>【第2个人说话点,第1个人说到Vanity时】
<kinesic xml:id=”k1″ who=”#lou”
iterated=”true”>【第3个人身势点,第1个人说到Vanity时点头】
<desc>nods head vertically</desc>
</kinesic>
4、例(p.272):同步和重叠
传统表达方式:
Tom: I used to smoke – –
Bob: (interrupting) You used to smoke?
Tom: (at the same time) a lot more than this. But I never inhaled the smoke
通常转录方式:
(1) I used to smoke [ a lot more than this ]
(2) …………………………[ you used to smoke ]
(1) but I never inhaled the smoke
TEI方式之用<timeline>精确计时
<timeline origin=”#TS-t01″ unit=”s”>【从15:33:01开始2.5秒】
<when xml:id=”TS-t01″ absolute=”15:33:01Z”/>
<when xml:id=”TS-t02″ interval=”2.5″
since=”#TS-t01″/>
</timeline>
<u who=”#tom”>I used to smoke
<anchor synch=”#TS-t01″/>a lot more than this【同步时段】
<anchor synch=”#TS-t02″/>but I never inhaled the smoke</u>
<u who=”#bob”>
<anchor synch=”#TS-t01″/>You used to smoke<anchor synch=”#TS-t02″/>【同步时段】
</u>
二、转录声音的来源
需要在标头<teiHeader>的文档描述<fileDesc>的来源描述<sourceDesc>部分,说明声音的来源:
1、标头必备内容:来源描述为必备内容
<teiHeader>
  <fileDesc>
    <titleStmt>……</titleStmt>
    <publicationStmt>……</publicationStmt>
    <sourceDesc>……</sourceDesc>
  </fileDesc>
</teiHeader>
2、<sourceDesc>常用元素与属性
(1)<scriptStmt>文字说明,@xml:id标识号
<bibl>书目(及相关元素,如<title><author><date><time><respStmt>)
例(p.258)
<scriptStmt xml:id=”CNN12″>
<bibl>
<author>CNN Network News</author>
<title>News headlines</title>
<date when=”1991-06-12″>12 Jun 91</date>
</bibl>
</scriptStmt>
(2)<recordingStmt>录制说明
<recording>录制事件,@type录制类型(及相关元素<equipment><broadcast>)
@dur 持续时间
例(p.259)
<recordingStmt>
<recording type=”audio” dur=”P30M”>
<respStmt>
<resp>Location recording by</resp>
<name>Sound Services Ltd.</name>
</respStmt>
<equipment>
<p>Multiple close microphones mixed down to stereo Digital
Audio Tape, standard play, 44.1 KHz sampling frequency</p>
</equipment>
<date>12 Jan 1987</date>
</recording>
</recordingStmt>
(3)<transcriptionDesc>转录描述,@ident编码约定标识号,@version编码约定版本号
不同研究社群定义的转录约定(空格、标点、特殊字符等)。
例(p.261)
<transcriptionDesc ident=”HIAT”
version=”2004″/>

TEI中的书目描述及其他

最近在看TEI(Text Encoding Initiative),这是对文本进行数字化编码、添加机读语义标识的标准。
最新版指南《TEI P5:电子文本编码与交换指南》(3.3.0版,2018.1.31更新),长达1841页:
幸好有台湾出版的中文版,主要内容是轻量版(TEI Lite选录版)手册和完全版指南第2章标头的翻译:
TEI 使用指南:運用TEI處理中文文獻 / 魯‧伯納、麥克‧蘇寶麥昆、馬德偉 著; 謝筱琳、黃韋寧 譯.
看完中文版指南,再以样例为主浏览完全版指南,只了解个大概。
感觉TEI具有相当大的灵活性,很大的努力在于保持文本的原有状态:一是元素标识位置放置自由(随文本而定),二是可以用不同元素表达相同含意(适应不同文本表达);同时根据分析需要,对相同文本可采用侧重、深度各不相同的元素标识。相形之下,编目标准有时不免有削足适履之感。
TEI文件由标头<teiHeader>和文本<text>组成:标头由文件描述(必备)、编码描述、配置描述和修订描述4部分组成;文本由文前、正文(必备)和文后3部分组成。
其中文件描述<fileDesc>(2.2),是完全按照信息源,对书目信息进行客观描述,与书目记录的著录部分很相似。并且TEI的这部分也是参照编目界的标准,特别是ISBD,因为目的是“确保编目记录所需的资讯能够从TEI文件标头中取回复原”(中文版p.227)。<fileDesc>的7个部分与ISBD8大项很接近:
<titleStmt> 题名说明(含责任说明)
<editionStmt> 版本说明
<extent> 数量
<publicationStmt> 出版说明(含发行)
<seriesStmt> 丛编说明
<notesStmt> 附注说明
<sourceDesc> 来源描述(电子文本所依据的来源的书目描述)
另外,正文或文后可能有书目引用和参考文献(3.11),也与书目信息有关,揭示项目与方法接近文后参考文献标准。
试着依据TEI P5指南本身,做一下标头部分的“文件描述”。特点是可以完全按题名页原顺序转录(数量例外),文字间以TEI元素分隔:
<fileDesc>
 <titleStmt>【1题名和责任说明】
  <title type=”main”>TEI P5:</title>【正题名】
  <title type=”sub”>Guidelines for Electronic Text Encoding and Interchange</title>【副题名】
  <respStmt>【责任说明1】
   <resp>by </resp> <orgName>the TEI Consortium</orgName>
   </respStmt>
  <respStmt>【责任说明2】
   <resp>Originally edited by</resp> <persName>C.M. Sperberg-McQueen</persName> and <persName>Lou Burnard</persName> for the <orgName>ACH-ALLC-ACL Text Encoding Initiative</orgName>
   </respStmt>
   <respStmt>【责任说明3】
    <resp>Now entirely revised and expanded under the supervision
of the</resp> <orgName>Technical Council of the TEI Consortium</orgName>
   </respStmt>
 </titleStmt>
 <editionStmt>【2版本说明】
  <respStmt>【版本责任说明】
    <orgName>The TEI Consortium</orgName>
  </respStmt>
   <edition n=”V3.3.0″>Version 3.3.0. Last updated on <date>31st January 2018</date>, revision
f4d8439</edition>【版本】
 </editionStmt>
 <extent>【3数量】
  <measure unit=”MB” quantity=39>39MB</measure>
  <measure unit=”pages” quantity=”1841″>1841 pages</measure>
 </extent>
 <publicationStmt>【4出版说明】
  <publisher>Text Encoding Initiative Consortium</publisher>【出版者】
  <date>2018</date>【出版日期】
 </publicationStmt>
</fileDesc>
文件描述<fileDesc>属于客观描述。在文本<text>部分,文前<front>或文后<back>也可以对题名页等进行描述,此时可以考虑字体、字号、颜色,甚至可以完美揭示排版样式。
同样的内容,如果在正文<body>部分,可以根据文本分析的需要,以不同方式揭示语言文字的内涵。TEI不是规定一种做法,而是提供多种灵活表达。如对于名称,在可以有多种灵活表达方式。专有名称,可以使用通用的<name>,也可以使用更专指的揭示方式,如作为团体名称,以下3种方式专指度相同:
<orgName>【专指元素】
<name type=”org”>【专有名称+type属性】
<rs type=”org”>【通用名称+type属性】
各种缩写,也可根据需要予以说明(或者不做说明)。如机构名the TEI Consortium中含有首字母缩略词TEI,可以表示为:
<name type=”org”>the TEI Consortium</name>
<rs type=”org”>the <abbr type=”acronym”>TEI</abbr> Consortium</rs>
甚至在名称中提供TEI的全拼形式:
<orgName>the
 <choice>
  <abbr type=”acronym”>TEI</abbr> Consortium
  <expan>Text Encoding Initiative</expan>
 </choice> Consortium
</orgName>