归档

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：