Billets

Spécification du format XML-TEI pour l’alignement texte-image. 2. Bonnes pratiques d’encodage

Laisser un commentaire

Table des matières

1 Objet du présent document
2 Principes
    2.1 Structure générale des documents
    2.2 Format des transcriptions alignable au niveau de mot <text>
3 Éléments de mise en page (page, colonne, ligne)
    3.1 Surfaces
    3.2 Pages
    3.3 Colonnes
    3.4 Lignes
    3.5 Rejets
    3.6 Réclames
    3.7 Titres courants
    3.8 Autres éléments péritextuels (en-tête, pied de page, marge)
4 Mots
5 Abréviations
6 Ponctuations
7 Caractères
    7.1 Structure
    7.2 Identifiants
    7.3 Lettres ramistes
    7.4 Capitalisation
    7.5 Initiales peintes (lettrines)
    7.6 Lettres d’attente
8 Jeux de lettres
    8.1 Définitions et exemples
    8.2 Ligatures et lettres fusionnées
    8.3 Lettres enclavées
    8.4 Lettres suscrites
    8.5 Lettres adscrites
9 Diacritiques, espaces blancs, coupure de mots
    9.1 Diacritiques
    9.2 Espaces blancs (segmentation)
    9.3 Apostrophes (marques d’élision)
    9.4 Marque de coupure de mot
10 Corrections scribales (ajouts, suppressions, interversions)
    10.1 Suppressions
    10.2 Ajouts interlinéaires ou en marge
    10.3 Substitutions
    10.4 Interversions (transpositions)
11 Corrections éditoriales

 

1 Objet du présent document

Ce document est la publication du format XML-TEI utilisé pour l’alignement texte-image et l’annotation des formes par le logiciel Oriflamms.exe . La présente spécification décrit les bonnes pratiques pour l’emploi balises TEI en vue de l’alignement texte image et dans l’annotation des caractères du projet Oriflamms.

Ce document a été rédigé par Alexei Lavrentiev, Yann Leydier etDominique Stutzmann.

Il fait suite à Spécification du format XML-TEI pour l’alignement texte-image. 1. Structure et convention de nommage.

2 Principes

2.1 Structure générale des documents

De façon générale, l’élément <TEI> est la racine de tous les documents. Dans le cas des collections de chartes ou d’inscriptions, la racine est <teiCorpus> dont le <teiHeader> porte les métadonnées communes de la collection. Chaque charte ou inscription est alors placée dans un élément <TEI>, dont le <teiHeader> porte les métadonnées spécifiques (et notamment la description de la source <sourceDesc> / <msDesc>).

2.2 Format des transcriptions alignable au niveau de mot <text>

Le projet Oriflamms réunit un corpus de transcriptions issues de divers projets ayant des niveaux de précision paléographique inégaux. On définit le jeu de balise minimal et les règles nécessaires pour l’alignement à l’image.

On distingue :

  • les éléments alignables
  • les éléments exclus de l’alignement (qui n’ont pas de correspondance graphique sur l’image ou qui sont difficiles à traiter dans le cadre du projet)

Les éléments exclus de l’alignement à l’intérieur du corps du texte sont identifiés par un attribut:

ana="ori:align-no"

 

Pour l’éditeur de texte

Les attributs 

@ana="ori:align-no"

sont ajoutés automatiquement dans la préparation par le logiciel TXM et ne sont pas insérés par l’éditeur de texte. Un paramétrage peut être nécessaire pour des nouveaux corpus qui voudraient inclure ou exclure des éléments de l’alignement.

3 Éléments de mise en page (page, colonne, ligne)

Les éléments <pb/>, <cb/> et <lb/> sont insérés à leur place dans la transcription, y compris au milieu des mots.
Les cas échéant, on utilise l’attribut 

@break="no"

pour indiquer que l’unité sémantique n’est pas interrompue.

3.1 Surfaces

Un élément 

<milestone unit="surface"/>

doit se trouver au début du texte correspondant à une image alignable (page double ou simple, image d’une inscription)

  • son attribut @facs indique le chemin vers le fichier image correspondant
  • son attribut @xml:id est obligatoire et unique dans un document, il s’utilise pour l’alignement stand-off
  • cet élément est toujours suivi d’un <pb/>

Pour l’éditeur de texte

Cet élément n’est pas inséré par l’éditeur de texte. Il est ajouté devant les éléments <pb/> munis d’un attribut @facs durant la transformation par le logiciel TXM.

3.2 Pages

L’élément <pb/> se place au début de chaque page simple ou de surface d’une inscription.

  • l’attribut @facs indique le chemin vers le fichier image correspondant ou à une surface identifiée dans l’en-tête de la transcription
  • l’attribut @xml:id est obligatoire et unique dans un document
  • l’attribut @n peut indiquer le numéro de la page (pas nécessairement unique dans un document)
  • dans le cas d’images représentant une unique page, l’élément <pb/> est toujours précédé d’un 
    <milestone unit="surface"/>

Dans le cas où une image numérisée représente plusieurs pages,

  • le premier élément <pb/> porte l’attribut @facs et est précédé de l’élément 
    <milestone unit="surface"/>.
  • le (ou les) autre(s) contiennent uniquement les attributs @xml:id et @n. Ce cas se présente notamment pour les pages recto sur des reproductions en double page de codex en écriture latine.

Pour l’éditeur de texte

Il est recommandé de renseigner l’attribut @n systématiquement avec, pour les manuscrits foliotés, la mention du feuillet et du côté, par exemple 

<pb n="26r"/>
<pb n="26v"/>
<pb n="26-bis-r"/>
<pb n="26-bis-v"/>.

L’identifiant @xml:id est ajouté lors de la transformation préalable à l’alignement

3.3 Colonnes

L’élément <cb/> est inséré au début de chaque colonne même s’il n’y en a qu’une seule (y compris directement après <pb/>)

  • l’attribut @facs peut renvoyer à l’identifiant de la <zone> correspondante
  • l’attribut @xml:id peut être utilisé pour un alignement stand-off
  • l’attribut @n peut indiquer le numéro de la colonne (pas nécessairement unique dans un document)

Pour l’éditeur de texte

L’élément <cb/> pour les pages à longues lignes (c’est-à-dire à une seule colonne) n’est pas inséré par l’éditeur de texte. Il est ajouté automatiquement lors de la transformation par le logiciel TXM.

Pour les mises en page à plusieurs colonnes, il est recommandé d’insérer directement un élément <cb/> devant la première colonne. Il est recommandé de renseigner l’attribut @n systématiquement avec, pour les manuscrits foliotés, la mention du feuillet, du côté, et de la colonne, par exemple 

<cb n="26ra"/>
<cb n="26rb"/>
<cb n="26va"/>
<cb n="26vb"/>
<cb n="27ra"/>,
...

3.4 Lignes

L’élément <lb/> est inséré au début de chaque ligne, y compris de la première ligne d’un paragraphe ou d’une page.

  • l’attribut @n est obligatoire et indique le numéro de la ligne que l’élément <lb/> précède.
    • l’attribut @n peut être créé et renseigné automatiquement
    • en cas de rejet, plusieurs éléments <lb/> distincts ont la même valeur pour l’attribut @n
  • l’attribut @xml:id est utilisé pour l’alignement et pour la gestion des rejets (il peut être ajouté automatiquement lors de la préparation de corpus)

Pour l’éditeur de texte

Lors de la transformation préalable à l’alignement par le logiciel TXM, il est procédé aux deux opérations suivantes :

  • ajout d’un élément <lb/> initial s’il a été omis.
  • ajout d’une numérotation des <lb/> par l’attribut @n, avec une numérotation incrémentale à partir de « 1 » ou à partir du numéro précédent s’il y en (cf. ci-dessous « rejets »).

3.5 Rejets

Lorsqu’une partie du texte fait l’objet d’un rejet sur une autre ligne, on utilise l’attribut @type=’rejet’ à l’intérieur de l’élément <lb/> : 

<lb type="rejet"/>

Dans ce cas :

  • l’attribut @n est obligatoire
  • l’attribut @rend est facultatif et peut être utilisé pour indiquer la position sur la ligne
    • <lb type="rejet" rend="align(right)"/>

      précède la partie rejetée à droite

    • <lb type="rejet" rend="align(center)"/>

      Si deux rejets se situent sur une même ligne, l’atttibut @rend=’align(center)’ est obligatoire pour le rejet situé au milieu

    • pour les valeurs de l’attribut @rend, on utilise la syntaxe suggérée dans les Guidelines de la TEI http://www.tei-c.org/release/doc/tei-p5-doc/en/html/ref-att.global.rendition.html
  • l’attrbut @corresp pointe vers l’identifiant de la ligne qui “accueille” le rejet

Pour l’éditeur de texte

L’attribut @corresp n’est pas inséré par l’éditeur de texte. Lors de la transformation préalable à l’alignement par le logiciel TXM, l’attribut @corresp est calculé automatiquement.

L’attribut @n est facultatif dans la transcription, mais est obligatoire pour tous les éléments <lb/> concernés par le rejet (ligne qui « accueille » le rejet et ligne de rejet).

Exemple simplifié de transcription (abréviations résolues, capitalisation non indiquée)

Exemple de rejet : rubrique sur trois lignes (ms. Colmar, BM, 2)
Exemple de rejet : rubrique sur trois lignes (ms. Colmar, BM, 2)
Exemple de rejet : transcription avec coloration syntaxique
Exemple de rejet : transcription avec coloration syntaxique
<lb/>illis iniquitatem ipsorum, et in malicia eorum
<lb/>disperdet eos disperdet illos dominus deus noster
<milestone unit="psalmus" n="94"/>
<title><hi rend="red">Laus can
<lb n="28" rend="align(right)" type="rejet" break="no"/>tici ipsi dauid
<lb n="29" rend="align(right)" type="rejet"/>XCIIII.</hi></title>
<lb n="28"/><hi rend="initiale">U</hi>enite exultemus
<lb n="29"/>domino iubilemus deo salutari nostro
<lb/> preocupemus faciem eius in confessione et in psalmis

 

3.6 Réclames

La transcription des réclames est facultative. Si la réclame est transcrite, on utilise la balise <fw> avec un <lb/> à l’intérieur.

  • l’attribut @place est obligatoire et permet notamment de détecter des réclames décalées par rapport aux colonnes. Les valeurs incluent :
    • bottom-center
    • bottom-left
    • bottom-right
  • l’attribut @type (facultatif) permet de distinguer les réclames des titres courants et d’autres éléments de pied de page. 
    <fw @type="catch"><lb/>[catchword]</fw>

Pour l’éditeur de texte

Si, lors de l’alignement, on détecte plus de lignes dans l’image que dans la transcription (en particulier, si le logiciel identifie la réclame comme une ligne alors qu’elle n’est pas transcrite), le logiciel permet de supprimer la ligne de trop.

3.7 Titres courants

La transcription des titres courants placés en haut de page est facultative. Si le titre courant est transcrit, on utilise la balise <fw> avec un <lb/> à l’intérieur. Elle peut être placée entre <pb/> et <cb/> si le titre se trouve au milieu du haut de page.

  • l’attribut @place est obligatoire. Les valeurs incluent :
    • top-center
    • top-left
    • top-right
  • l’attribut @type=’header’ (facultatif) permet de distinguer les titres courants des réclames et d’autres éléments d’en-tête ou de pied de page. 
    <fw @type="header"><lb/>[running title]</fw>

3.8 Autres éléments péritextuels (en-tête, pied de page, marge)

La transcription des autres éléments péritextuels est facultative. Ces éléments comprennent la foliotation, la pagination, la numérotation de colonnes, la numérotation des parties du texte, etc.

Par exemple : numérotation des psaumes en marge inférieure dans le manuscrit Rennes, Bibliothèque municipale, ms. 2 au f. 111r, les chiffres « 97 » et « 98 » sous la colonne 111ra et les chiffres « 99 », « 100 » et « 101 » sous la colonne 111rb.

Eléments péritextuels (numérotation des psaumes) : Rennes, Bibliothèque municipale, ms. 2 (111r)
Eléments péritextuels (numérotation des psaumes) : Rennes, Bibliothèque municipale, ms. 2 (111r)

Si ces éléments sont transcrits, on utilise la balise <fw> avec un <lb/> à l’intérieur.

  • l’attribut @place est obligatoire. Les valeurs incluent :
    • bottom-center
    • bottom-left
    • bottom-right
    • margin
    • margin-left
    • margin-center
    • margin-right
    • top-center
    • top-left
    • top-right
  • l’attribut @type (facultatif) permet de les distinguer des réclames et des titres courants, par exemple @type=’footer’

La transcription de ces éléments peut être combinée avec tout autre élément, dont <add/>.

4 Mots

  • Tous les mots sont balisés <w>
  • @xml:id obligatoire
    • pattern recommandé : w_[textID]_[position absolue]
  • @rend peut être utilisé pour indiquer la taille de l’espace blanc après le mot (voir Espaces blancs)
  • <seg type="wp">

    si un mot est coupé en fin de ligne, de colonne ou de page, chaque segment est balisé <seg type=’wp’> avec un identifiant @xml:id

    • pattern recommandé : wp_[wordID]_[position relative]
    • @part facultatif indique la partie (I = “initiale”, F = “finale”, ces valeurs sont imposées par la TEI)

Exemple :

<w xml:id="w106_000006">
    <seg type="wp"
               xml:id="wp106_000006_1" 
               part="I">Iheru</seg>
  <lb/>
  <seg type="wp" 
             xml:id="wp106_000006_2" 
             part="F">salem</seg>
</w>

Pour l’éditeur de texte

L’élément <w/> n’est pas inséré par l’éditeur. Lors de la transformation préalable à l’alignement par le logiciel TXM, la tokénisation et insertion des éléments <w/> autour des mots définis comme chaînes de caractères séparés par des espaces ou des ponctuations est réalisée de façon automatique. Si un mot est interrompu par des éléments <pb/>, <cb/> ou <lb/> avec l’attribut @break=’no’, chaque partie est entourée par un élément <seg/>, constitué ainsi <seg type=’wp’ xml:id=’wp_[identifiantdumot]_1′ part=’I’> pour la partie initiale et <seg type=’wp’ xml:id=’wp[identifiantdumot]_2′ part=’F’> pour la partie finale.

5 Abréviations

Les abréviations peuvent faire l’objet de trois traitements différents :

  • transcription facsimilaire ou allographétique : la partie du mot concernée par l’abréviation (le mot entier le cas échéant) est balisée <abbr>, avec les caractéristiques suivantes :
    • <abbr> entoure l’ensemble des caractères qui permettent de comprendre l’abréviation
    • <am> entoure la transcription du signe qui, le cas échéant, signale le mécanisme abréviatif, souvent un tilde ;
  • transcription normalisée ou diplomatique : la partie du mot concernée par l’abréviation (le mot entier le cas échéant) <expan>, avec les caractéristiques suivantes :
    • <expan> entoure l’ensemble développé des caractères concernés par l’abréviation ;
    • <ex> entoure les lettres restituées suite à la résolution de l’abréviation ; il peut y avoir plusieurs éléments <ex> à l’intérieur de l’élément <expan>
  • transcription multiniveaux : la partie du mot concernée est entourée par les éléments <choice> / <abbr><am> + <expan><ex>, avec les mêmes caractéristiques que ci-dessus
    • l’élément <choice> englobe un élément <abbr> et un élément <expan>
    • l’élément <abbr> englobe zéro, un ou plusieurs éléments <am>
    • l’élément <expan> englobe zéro, un ou plusieurs éléments <ex>

Exemples d’abréviations pour le mot “nomine” abrégé “nõe” et “nõie” et pour les déclinaisons du mot “noster” abrégés sur le radical “nr”.

Encodage des abréviations avec les éléments <choice>, <expan>, <ex>, <abbr> et <am>
Encodage des abréviations avec les éléments <choice>, <expan>, <ex>, <abbr> et <am>

Abréviations et alignement

Si on utilise <choice>, l’élément <expan> est exclu de l’alignement.

Pour les transcriptions utilisant uniquement l’élément <expan>, les lettres restituées sont balisées <ex>. Selon le type de l’abréviation, elles sont :

  • non alignées ;
  • considérées comme un caractère unique s’il s’agit d’un symbole (note tironienne) et de certains tildes qui ne se superposent pas entièrement sur les autres caractères :
    • “9” ou “c retourné” sur la ligne pour “con”, “com”, “cum” (ꝯ = & #xA76F;)
    • “7” ou “7 barré” pour “et” (⁊ ou  = & #x204A; ou & #xF158; (MUFI))
    • “÷” pour “est” (∻ = & #x223B;)
    • tilde anguleux pour “er” (_͛ ou _ = & #x35B; ou & #xF1C8; (MUFI))
    • tilde à double courbe pour “ur” (_᷑ ou _ = & #x1DD1; ou & #xF153; (MUFI))
    • tilde en forme de “9”, aussi posé sur la ligne dans les écritures méridionales, pour “us” (_ꝰ = & #xA770;)

À propos du logiciel Oriflamms.exe

Le logiciel Oriflamms.exe dans sa version 0.6.3 n’exploite pas l’élément <am> qui peut entourer les marques d’abréviation, ni dans l’alignement texte-image ni dans l’annotation des caractères.

Les marques d’abréviation représentées par des caractères Unicode combinatoires, sont regroupées avec le caractère qui précède lors de l’alignement au niveau de caractère (ces marques sont repérables par la classe Unicode \p{M}).

Le logiciel Oriflamms.exe se fonde ainsi sur les caractères Unicode ou MUFI en considérant que les caractères combinant forment un caractère unique avec celui qui les porte, ou en utilisant les caractères non combinant en tant que tel.

6 Ponctuations

Toutes les ponctuations sont balisées <pc>

  • @xml:id obligatoire
    • pattern recommandé : pc_[textID]_[position absolue]
  • Les ponctuations ajoutées par l’éditeur sont balisées <reg> (à l’intérieur de <pc>). Elles sont exclues de l’alignement
  • On peut utiliser <choice> / <orig> + <reg> pour donner la ponctuation originale et normalisée.
  • Lorsque la transcription source ne distingue pas les ponctuations ajoutées par l’éditeur des ponctuations présentes dans le manuscrit et conservées dans l’édition, on ne met aucune balise. L’algorithme d’alignement doit dans ce cas prévoir les deux hypothèses : une marque peut avoir ou ne pas avoir de correspondance dans l’image.

7 Caractères

7.1 Structure

L’élément <c/> est utilisé dans le cas d’alignement au niveau de caractère.

L’élément <c/> peut contenir l’élément <g/> dans trois cas :

  • pour représenter les allographes sans correspondance exacte dans Unicode ou MUFI, dans ce cas :
    • @ref optionnel pointe vers l’entrée du “dictionnaire” correspondante
    • le contenu de <g> est le caractère unicode (ou MUFI), dont l’allographe est le plus proche
  • pour enregistrer les représentations divergentes d’un caractère aux différents niveaux de transcription (normalisé / graphématique / allographétique), cf. Lettres ramistes, capitalisation, initiales
  • pour baliser les marques d’abréviation combinatoires dans les transcriptions alignées au niveau de caractère (cf. la section correspondante)

Dans les deux premiers cas, la balise <g> n’est exploitée ni dans l’alignement texte-image ni dans l’annotation des caractères.

7.2 Identifiants

  • En cas d’alignement fin, tous les caractères sont balisés <c>
    • @xml:id obligatoire
      • pattern recommandé : c_[wordID]_[position dans le mot]
    • @rend peut être utilisé pour indiquer la taille de l’espace blanc après le caractère (voir Espaces blancs)
  • La balise <c> est utilisée uniquement à l’intérieur d’éléments alignables
  • <c type="initiale">

    Les initiales (lettrines) sont balisées <c type=’initiale’> et sont potentiellement alignables (mais ne sont pas alignées dans le cadre du projet Oriflamms)

  • Les marques d’abréviation combinatoires et les lettres suscrites sont regroupés dans un seul élément <c> avec la lettre précédente et balisés 
    <g type="am">
<w>
  <c xml:id="c_w106_000033_1">n</c>
  <abbr>
    <c xml:id="c_w106_000033_2">
       o
       <g type="am">̅</g>
    </c>
  </abbr>
  <c xml:id="c_w106_000033_4">n</c>
  <c xml:id="c_w106_000033_5">e</c>
</w>

 

7.3 Lettres ramistes

Le choix d’usage ramiste / non-ramiste n’est pas imposé : les paires de caractères u / v et i / j sont considérées comme des allographes.

Si la distinction entre la transcription et la restitution des lettres ramistes est nécessaire en cours d’édition, il est recommandé d’utiliser l’élément <choice/> avec les éléments <reg/> et <orig/> :

<choice><reg>j</reg><orig>i</orig></choice>
<choice><reg>i</reg><orig>j</orig></choice>
<choice><reg>v</reg><orig>u</orig></choice>
<choice><reg>u</reg><orig>v</orig></choice>

Pour l’éditeur de texte

L’insertion de la chaîne de caractères comprenant les éléments <choice/>, <orig/>, <reg/> peut être facilitée par l’emploi d’entités ou par des macros.

Exemples d'entités pour la normalisation des lettres ramistes
Exemples d’entités pour la normalisation des lettres ramistes

Dans le cas de telles distinctions, il est recommandé d’utiliser les caractères « i », « j », « u » et « v » pour transcrire les occurrences où la forme attestée par le manuscrit correspond à la forme normalisée.

À propos du logiciel Oriflamms.exe

Le logiciel Oriflamms.exe dans sa version 0.6.3 permet de classer et d’annoter les formes de lettres. Il ne permet pas encore d’annoter en une seule fois l’ensemble des caractères transcrits par « i » et « j » d’un côté et « u » et « v » de l’autre.

 

Nota bene

Dans la transformation de corpus existants avec transcriptions “multi-niveaux” (e.g. le Graal), on a privilégié l’usage ramiste (u et i = voyelles ; j et v = consonnes) et on suppose que dans le manuscrit cela correspond toujours à « i » (i court) et « u » (u rond). Si dans le manuscrit on trouve un « j » (i long) ou un « v », on a utilisé l’élément <g/> avec l’attribut @ana.

Exemples :

  • <g ana="ori:dipl-j">j</g>eux

    (‘jeux’ en français moderne, écrit avec i long)

  • <g ana="ori:dipl-v">u</g>ne

    (‘une’ en français moderne, écrit avec u capital initial)

 

7.4 Capitalisation

Le choix de normalisation ou non des majuscules n’est pas imposé : les majuscules et les minuscules sont considérées comme des allographes.

Nota bene

Dans la transformation de corpus existants avec transcriptions “multi-niveaux” (e.g. le Graal), on a indiqué le “changement de casse” dans la transcription normalisée par rapport au manuscrit. On a utilisé le caractère “normalisé” dans le contenu textuel et on indique la valeur “diplomatique” dans l’attribut ana (comme dans le cas des lettres ramistes)

Exemples :

  • <g ana="ori:dipl-small">D</g>ieu

    (‘dieu’ écrit avec « d » minuscule)

  • <g ana="ori:dipl-caps">s</g>ire

    (‘sire’ écrit avec « S » majuscule, régularisé à « sire »).

Pour l’éditeur de texte

Selon la nature du texte et les objectifs de l’édition, la prise en charge de la capitalisation et de sa normalisation peut intervenir par divers processus.

La transcription peut être imitative et conservatrice (transcription selon les formes vues) et la normalisation peut intervenir par la CSS ou XSLT

  • suppression de l’ensemble des majuscules transcrites (fonction « minimize »)
  • capitalisation de la première lettre des noms propres, c’est-à-dire des mots inclus dans <name>, <persName>, <placeName>, ou <w type=’NOMpro’>,
  • capitalisation de la première lettre de phrase ou de vers si la structure comprend des éléments <s/>, <l/> ou <lb/> exploitables correctement et systématiquement, etc.

Pourtant il est difficile de couvrir tous les cas de figure et les ambiguïtés. Il faut donc évaluer au début du projet si l’encodage syntaxique est nécessaire.

Avec le logiciel Oriflamms.exe, on peut classer les morphologies des lettres a posteriori.

7.5 Initiales peintes (lettrines)

Les initiales peintes (lettrines) sont encodées à l’aide de l’élément <hi/> avec l’attribut @rend=‘initiale’, ou à l’aide de l’élément <g/> avec l’attribut @type=’initiale’, ainsi :

  • <hi rend="initiale">
    • l’attribut @type n’est pas autorisé
    • si l’on veut ajouter des informations, il faut les juxtaposer à l’intérieur de l’attribut @rend
      • couleur : color(red)
      • taille prévue (nombre de lignes avec retrait) : size(5lines)
      • taille réelle de l’initiale : sizeAct(7lines)
      • décoration : deco(miniature) ; deco(filigrane)
  • <g type="initiale">
    • @rend permet d’encoder les différentes caractéristiques formelles
      • couleur : color(red)
      • taille prévue (nombre de lignes avec retrait) : size(5lines)
      • taille réelle de l’initiale : sizeAct(7lines)
      • décoration : deco(miniature)

À propos du logiciel Oriflamms.exe

Le logiciel Oriflamms.exe dans sa version 0.6.3 exclut les lettrines de l’alignement dans le cadre du projet Oriflamms, mais elles sont identifiées par la balise <c type=’initiale’> lors de la tokenisation par caractère pour permettre un alignement ultérieur

Pour l’éditeur de texte

Lors de la transcription, il peut être plus simple d’utiliser des macros ou des raccourcis pour décrire les décors récurrents. On peut aussi rechercher-remplacer des chaines de caractères pour normaliser a posteriori.

7.6 Lettres d’attente

La transcription des lettres d’attente est facultative, lorsque l’initiale prévue a été réalisée. Pour les transcrire, on peut utiliser 

<subst type="initiale"><del>[lettre d'attente]</del><add>[initiale]</add></subst>

8 Jeux de lettres

8.1 Définitions et exemples

Plusieurs jeux de lettres peuvent se trouver, avec ou sans impact sur la lecture du texte.

Les lettres « fusionnées » sont équivalentes aux ligatures. Les lettres concernées partagent au moins un trait en commun. En paléographie italienne, cela s’appelle un « nesso » (un nœud).

Les lettres « enclavées » sont des lettres écrites à l’intérieur d’une autre lettre.

Les lettres suscrites sont posées directement au-dessus des lettres ordinaires et ne prennent pas de place dans la chaine horizontale

Les lettres adscrites se comporte comme des caractères en exposant en typographie moderne.

Exemples

« flores » (« e » enclavé dans « r »)
oriflamms-enclavement-flores

« victoriae » (« i » enclavé dans « v » et ligature « ae »).
oriflamms-enclavement-victoriae
« mauricius » (« ma » fusionnés, premier « i » suscrit)
oriflamms-sup-mauricius
« in commento dictorum afforismorum et in aliis afforismis particulariter » (« to » adscrit, abréviation « -rum » adscrite, abréviation par contraction « mis » adscrite ; abréviation par contraction « ter » suscrite)
oriflamms-sup-adscrit-in-commento
oriflamms-sup-adscrit-in-commento-facsim
oriflamms-sup-adscrit-in-commento-dipl

8.2 Ligatures et lettres fusionnées

Les ligatures peuvent être balisées avec

  • <hi rend="ligature">xx</c>

    • ou

  • <c type="ligature">xx</c>

La deuxième solution est plus fine : si une ligature relie la finale d’un mot à l’initiale d’un autre, on utilise l’attribut @part

Exemple :

<w>le<c type="ligature" part="I">s</c></w>
<w><c type="ligature" part="F">t</c>roeve</w>

Nota bene

On aurait préféré utiliser <g>, mais la TEI ne permet pas d’utiliser g/@part.

8.3 Lettres enclavées

Les lettres enclavées sont transcrites à l’aide du balisage suivant :

  • <hi rend="position(enclavement)">

    pour les lettres enclavées dans la lettre précédente (exclue de l’alignement) ;

  • <hi rend="position(enclavement-prolepse)">

    pour les lettres enclavées dans la lettre suivante (exclue de l’alignement) ;

8.4 Lettres suscrites

Si une seule lettre est suscrite, deux solutions sont possibles :

  • le caractère combinant en le désignant par le point Unicode ou MUFI correspondant ;
  • <hi rend="position(combsup)">

    pour les lettres suscrites (exclues de l’alignement).

Si plusieurs lettres sont suscrites, il faut utiliser

  • <hi rend="position(combsup)">

    pour les lettres suscrites (exclues de l’alignement) ;

Il est recommandé d’utiliser

  • l’ensemble d’éléments <choice/>, <reg/> et <orig/> pour les lettres qui ne marquent pas une abréviation
  • l’ensemble d’éléments <choice/> <abbr/> et <am/> avec :
    • le point Unicode ou MUFI à l’intérieur de <am/> si une lettre suscrite unique correspond à une marque d’abréviation
    • <hi rend="position(combsup)">

      à l’intérieur de <abbr/> pour une ou plusieurs lettres.

Si plusieurs lettres sont suscrites, il faut utiliser l’élément <hi/> car une séquence de plusieurs caractères combinant signifie que plusieurs lettres sont écrites l’une sur l’autre au-dessus de la lettre de base qui les précède.

Dans l’exemple ci-dessus « particulariter » écrit avec « ter » suscrit, c’est le fait que la fin du mot soit suscrite qui signale l’abréviation (donc l’élément <hi/> lui-même), mais pas à proprement parler les trois lettres « ter ».

Exemples :

<choice>
    <reg>x</reg><orig>ͯ</orig>
</choice>
<choice>
    <expan><ex>r</ex>o</expan>
    <abbr><am>ͦ</am></abbr>
</choice>
<choice>
    <expan><ex>lari</ex>ter</expan>
    <abbr><hi rend="position(combsup)">ter</hi></abbr>
</choice>

Pour l’éditeur de texte

Les lettres enclavées, fusionnées, suscrites et adscrites ne sont pas “restituées” et ne doivent pas être balisées avec <ex/> ou <am/>.

On utilise <hi> et non <c> parce qu’une séquence de plusieurs lettres peut être adscrite ou suscrite.

8.5 Lettres adscrites

Si une seule lettre est suscrite, deux solutions sont possibles :

  • le caractère combinant en le désignant par le point Unicode ou MUFI correspondant ;
  • <hi rend="position(sup)">

    l’élément <hi @rend=’position(sup)’> contient les lettres adscrites (inclues dans l’alignement).

Si plusieurs lettres sont adscrites, il faut utiliser :

  • <hi rend="position(sup)">

    pour les lettres adscrites (inclues dans l’alignement) ;

Il est recommandé d’utiliser

  • l’ensemble d’éléments <choice/>, <reg/> et <orig/> pour les lettres qui ne marquent pas une abréviation
  • l’ensemble d’éléments <choice/> <abbr/> et <am/> avec :
    • le point Unicode ou MUFI à l’intérieur de <am/> si une lettre adscrite unique correspond à une marque d’abréviation
    • l’encodage <hi rend=’position(sup)’> à l’intérieur de <abbr/> pour une ou plusieurs lettres.

Si plusieurs lettres sont suscrites, il faut utiliser l’élément <hi/> car une séquence de plusieurs caractères combinant signifie que plusieurs lettres sont écrites l’une sur l’autre au-dessus de la lettre de base qui les précède.

Dans l’exemple ci-dessus « afforismis » écrit avec « mis » adscrit, c’est le fait que la fin du mot soit adscrite qui signale l’abréviation, mais pas à proprement parler les trois lettres « mis ».

Exemples :

<choice>
    <reg>a</reg>
    <orig>ᵃ</orig>
</choice>
<choice>
    <expan>m<ex>ateri</ex>a</expan>
    <abbr>m<am>ᵃ</am></abbr>
</choice>
<choice>
    <expan>m<ex>ateri</ex>am</expan>
    <abbr>m<hi rend="position(sup)">am</hi></abbr>
</choice>

 

affor<choice><expan><ex>is</ex>mis</expan><abbr><hi rend=’ position(sup)’>mis</hi></abbr></choice>

 
Dans les chiffres romains contenant des lettres adscrites ou suscrites, on utilise la même méthode que pour les résolutions
Exemples de lettres adscrites et suscrites valant abréviation, transcrites sans l’élément <choice>

  • <w><expan>q<ex>u</ex><hi rend="position(combsup)">a</hi>nt</expan></w>
  • <w><expan>q<ex>u</ex><hi rend="position(sup)">i</hi></expan></w>

Pour l’éditeur de texte

Les lettres enclavées, fusionnées, suscrites et adscrites ne sont pas “restituées” et ne doivent pas être balisées avec <ex/> ou <am/>.

On utilise <hi> et non <c> parce qu’une séquence de plusieurs lettres peut être adscrite ou suscrite.

On peut également écrire 

<hi rend='sup'>

sans préciser si les lettres sont adscrites ou suscrites. Par défaut, cela sera interprété comme des lettres adscrites et l’équivalent de “position(sup)”.

9 Diacritiques, espaces blancs, coupure de mots

9.1 Diacritiques

On distingue les marques d’abréviation des diacritiques d’allographes (e.g. un trait diagonal sur le i)

Au niveau allographétique, on utilise les caractères combinatoires Unicode pour les marques d’abréviation placées au-dessus des lettres (titulus ou tilde de nasalité, lettres suscrites). Par exemple, pour un o surmonté d’une barre de nasalité, on utilise la combinaison 006F + 0305.

Les diacritiques combinatoires sont exclus de l’alignement. Pour les identifier, on utilise la catégorie unicode “combining character” (M) (\p{M} en expressions régulières).

Les plages de valeurs concernées sont les suivantes :

  • Combining Diacritical Marks (0300 – 036F)
  • Combining Diacritical Marks Supplement (1DC0 – 1DFF)
  • Combining Diacritical Marks Extended (1AB0 – 1AFF)
  • Combining Half Marks (FE20 – FE2F)
  • Combining Diacritical Marks for Symbols (20D0 – 20FF)

Cela ne concerne pas les marques d’abréviation qui modifient la forme des lettres (l, d barré ; p barré (per / pro / pre), r (rum), q (quod, quia)) qui sont au niveau allographétique représentés par des caractères uniques (Unicode ou MUFI).

Pour les diacriques n’ayant pas de fonction de marque d’abréviation, on utilise (au niveau allographétique) les caractères compactes (e.g. 00ED pour un í)

9.2 Espaces blancs (segmentation)

  • La taille de l’espace blanc qui suit un mot ou un caractère peut être encodée par @rend=”space-after(0.9mm)”
    • la valeur peut être exprimée en mm ou en vocabulaire contrôlé
      • normal (par défaut)
      • long
      • short
      • none
  • En cas de déglutination (un blanc à l’intérieur d’un mot), on peut utiliser la balise <space>
    • son attribut @ana=”#figement” peut éventuellement indiquer qu’il s’agit d’une ancienne locution (e.g. en + mi)
    • de façon générale, lors de la reconnaissance des unités lexicales, on préfère la segmentation la plus profonde (e.g. par mi, le quel, a tant).

Dans l’image, l’espace est “accroché” au mot (ou caractère) qui le précède si on ne peut pas disjoindre les deux zones.

9.3 Apostrophes (marques d’élision)

  • les apostrophes sont utilisées dans des transcriptions normalisées en cas d’élision
  • elles sont exclues de l’alignement

9.4 Marque de coupure de mot

  • Ces marques (typiquement une petite barre oblique simple ou double) peuvent être balisées <c type=”hyphen”>. La transcription en est facultative.

10 Corrections scribales (ajouts, suppressions, interversions)

10.1 Suppressions

  • on utilise la balise <del>
    • son attribut @rend permet d’indiquer la méthode de suppression (“del(dots_below)”…)

10.2 Ajouts interlinéaires ou en marge

  • on utilise la balise <add>
    • son attribut @place indique la position (above, margin)
    • les ajouts situés en dehors de la ligne d’écriture sont exlus de l’alignement

10.3 Substitution

  • on regroupe <del> et <add> sous la balise <subst> l’ajout remplace le segment supprimé
  • en cas de correction par transformation d’un caractère, on utilise le codage suivant :

<w type=”PROper” xml:id=”w106_072159″><subst> <del rend=”del(transform)”>i</del> <add place=”inline”>e</add></subst>l</w>

  • dans ce cas précis le contenu de <del> est exclu de l’alignement

10.4 Interversion (transposition)

La TEI propose un mécanisme pour la représentation des transpositions :
http://www.tei-c.org/release/doc/tei-p5-doc/en/html/PH.html#transpo

Cela suppose l’utilisation de

  • <metamark function=”transposition”> pour les marques de transposition
  • <seg> avec @xml:id pour baliser chacun des segments transposés
  • <listTranspose> / <transpose> / <ptr>+ pour indiquer la position l’ordre ciblé

Nous pouvons utiliser ce mécanisme dans les nouvelles transcriptions Oriflamms. Cela suppose que “par défaut” c’est l’ordre avant la transposition qui sera conservé jusqu’à l’analyse par TXM.

En cas de transcriptions “normalisées” ou multi-niveaux visant à représenter le texte “voulu” par le scribe (comme c’est le cas de la Queste del saint Graal), on utilise le codage suivant :

  • <ptr type=”transposition-orig” target=”#tps_1″/> à l’endroit où se trouve dans le manuscrit le premier élément à transposer
  • <seg type=”transposition-target” xml:id=”tps_1″>segment transposé</seg> là où le premier élément doit “atterrir”
  • le second élément transposé (qui devient premier après la transposition) ne porte pas de balisage particulier (ou peut éventuellement être balisé <seg type=”transposition-static”>)
  • <metamark function=”transposition”/> à utiliser éventuellement pour les marques de transposition

Exemple Graal 163d:2 (codage minimal)

<ptr type=”transposition-orig” target=”#tps106_163d2_1″/><w type=”ADVgen” xml:id=”w106_006642″>plus</w><seg type=”transposition-target” xml:id=”tps106_163d2_1″> <w type=”ADVgen” xml:id=”w106_006643″>apertement</w></seg>

Lors de l’alignement, on rétablit l’ordre physique des éléments en substituant à la balise ptr[type=”transposition-orig”] le contenu de sa cible

  • soit directement dans le logiciel
  • soit par une transformation XSLT réversible

11 Corrections éditoriales

  • <supplied> pour tous les ajouts de l’éditeur (niveau caractère, mot ou syntagme)
    • le contenu de <supplied> est exclu de l’alignement
  • <surplus> pour les mots ou syntagmes superflus du manuscrit (non exponctués)
    • pas d’impact sur l’alignement

OpenEdition vous propose de citer ce billet de la manière suivante :
Consortium Oriflamms (12 septembre 2016). Spécification du format XML-TEI pour l’alignement texte-image. 2. Bonnes pratiques d’encodage. Écriture médiévale & numérique. Consulté le 4 décembre 2024 à l’adresse https://doi.org/10.58079/skye

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.