「《南亭和尚全集》專案工作手冊」:修訂間差異

出自DILA Wiki
imported>Tsairung lin
imported>Tsairung lin
行 257: 行 257:


=異體字=
=異體字=
「異體字正規化之作業規範」
* 「異體字正規化之作業規範」
<syntaxhighlight lang="XML">
<syntaxhighlight lang="XML">
1.書中使用之「罕用字」,根據教育部異體字字典判定為異體字者,為方便讀者查閱,則正規化為常用之正字:
1.書中使用之「罕用字」,根據教育部異體字字典判定為異體字者,為方便讀者查閱,則正規化為常用之正字:

於 2019年2月27日 (三) 14:16 的修訂

範圍

《南亭和尚全集》共 13 冊。

更新

  • search-vol-json
  • vols

新增每冊,記得更新:P:\2017南亭和尚全集\02Master data\out

轉檔程式

  • ruby

Commander =>P:\2017南亭和尚全集\02Master data\bin =>工具=>Dos 視窗

1.文件檔轉xml=>ruby t2x.rb
 從P:\2017南亭和尚全集\02Master data\out\xml複製到外面的xml
2.跑本文ruby x2h.rb
3.跑全文檢索ruby x2t.rb
4.跑樹狀ruby toc.rb

檔案架構

<?xml version="1.0" encoding="UTF-8"?>
<?xml-model href="../schema/nanting.rnc" type="application/relax-ng-compact-syntax"?>
<TEI xmlns="http://www.tei-c.org/ns/1.0" xmlns:h="http://www.w3.org/1999/xhtml">
  <teiHeader>
    <fileDesc>
      <titleStmt>
        <title>《佛說孛經鈔講話》</title>
        <author>南亭和尚</author>
      </titleStmt>
      <publicationStmt>
        <p>本電子檔智慧財產權屬於台北市華嚴蓮社,不得散佈發行。</p>
      </publicationStmt>
      <sourceDesc>
        <bibl>
          <title level="s">南亭和尚全集</title><biblScope></biblScope>
          <title level="m">佛說孛經鈔講話(第一冊)</title>
          <publisher>財團法人台北市華嚴蓮社董事會</publisher>
          <pubPlace>台北市,台灣</pubPlace>
          <date when="1985-09-03">中華民國七四年九月三日</date><edition n="8">初版</edition>
        </bibl>
      </sourceDesc>
    </fileDesc>
    <revisionDesc>
      <change when="2018-02"><name>周邦信</name> MS Word 轉為 TEI P5 標記</change>
    </revisionDesc>
  </teiHeader>
  <text>
    <body>

txt轉XML

  • txt轉檔前,人力標示:
p1  => 頁數
tab =><p>
J   =><div rend="jing"><p>
〔〕〔〕 =>雙行夾註
H1...H2 (大寫)轉<div><head>=>顯示在科判,也顯示在內文。
h1...h2 (小寫)=>轉成科判目錄,已重新編排順序,不顯示在內文。
自序、引言,標示H

注意: 以上的雙行夾註不是這個:[...][...]
括號不要選錯了。

  • txt轉檔前,另存新檔:
存檔類型:(*.txt)=>其他編碼方式=>Unicode(UTF 8)

注意:
編輯器請勿使用 windows 內建的筆記本,它會偷偷加 BOM
Windows 下純文字編輯器建議使用 notepad++ , 它會顯示檔案的編碼, 也會顯示有沒有 BOM, 也不會偷偷的加 BOM.

XML分檔案

  • 一冊分成不同篇章:
1-1.xml
1-2.xml
1-3.xml

XML轉介面科判

  • 編輯:
toc.txt
toc-vols.txt

XML Elements

byline

  • 顯示楷體

例如第十冊:p203(10-1xml)

<p rend="kaiti">——摘錄自 國父遺敎教選集第五卷、心理建設甲部、第一章</p>

choice

  • 新增「註解」

【原書用字】:深密經;【數位版】:解深密經

例如第二冊:2-1.xml

<lbn="5.06"/>夫子之文章,可得而聞也;夫子之言性與天道,不可得而聞也。』」此與<choice><sic>深密經</sic><corr>解深密經</corr></choice>上,佛說:「阿<lbn="5.07"/>陀那識甚深細,

div 1

章節調整

<div><head type="add">第三節  說經的時候和說經的處所</head><p rend="head">第二講</p>
<p>各位聽眾!佛說孛經鈔,今天講第一章中的</p>
<p rend="h2">第三節  說經的時候和說經的處所</p>

div 2

  • div(文本區段)文件的正文前資訊、正文及正文後資訊的分支區段。章節皆以 div 元素標示。例如第一冊a1,(1-3xml)
<div><head>引言</head>

例如第一冊,p5(1-3xml)

<div><p>這是講翻譯這部經的人。「吳」是東漢以後,魏、蜀、吳三國中的吳。「支謙」是翻譯這部


head

  • TEI 定義:(標題)包含任何種類的標題,如章節、列表、詞彙表、寫本描述等的標題。
<div><head></head></div>
如果科判不用兩層,則不需要再開頭加上<head>,而改用<p>,例如11-77.xml
<lb 
n="308.01"/><div><p>〈鳳山佛教蓮社廿五周年、大雄寶殿落成〉</p>

jing

  • <jing>經文
<div rend="jing"><p>聞如是:一時,佛在舍衛國。</p></div>

note

  • place:標明來源文件中註釋出現的位置

雙行夾註

例如:第二冊,p38(2-2.xml)

孔夫子釣而不綱,弋<note place="inline2"><lb/></note>

orig

  • 保留原書文字,並顯示正規化文字
<div><head>南亭和<choice><orig></orig><reg></reg></choice>全集序</head>

p

  • 標記散文的段落。

例如:冊一,p2(1-3.xml)

<p>——供中國佛敎會廣播組佛敎之聲佛學廣播用</p>

pb

  • 頁碼記錄於 pb 元素的 n 屬性,例如:冊一,p1(1-3.xml)
<pb n="1"/><lb 
n="1.01"/>

search

以xml分總序、冊、篇章,P:\2017南亭和尚全集\02Master data\out\search-vol-json

  • $vols = array(
  • '1-1' => '第一冊 南亭和尚全集序(汪慧枝)',
  • '1-2' => '第一冊 南亭和尚全集序(李志夫)',
  • '1-3' => '第一冊《佛說孛經鈔講話》',
  • ......
  • '5-1' => '第五冊〈歸戒授受的演變〉',

seg

在 TEI 的中英文解釋:
<seg> (arbitrary segment) represents any segmentation of text below the ‘chunk’ level.
<seg> (隨機分割)包含文件中任何隨機字詞層次的單元 (包括其他分割元素)。

  • <seg style="font-weight:bold"> 粗體
  • <seg style="font-weight:normal"> 不要粗體
<p><lb 
n="181.03"/><p rend="h2">2 釋經文,<seg style="font-weight:normal">分六</seg>:(1) 示行果。</p></p>

toc

總目類別、冊別架構見於:

  • P:\2017南亭和尚全集\02Master data\bin\toc-vols.txt
  • P:\2017南亭和尚全集\02Master data\bin\toc.txt
  • toc.txt
 編輯時,第一層保留兩個空格,第二層保留四個空格

OCR

Google Docs

  • 1.有檔案大小限制,一本書需切檔,一次約切30頁。
  • 2.半形符號取代為全形,書眉拿掉。

ABBY前製作業(兩面掃成一頁) 例如第三冊:

  • 1.Adobe =>把第三冊,另存為180個jpg
  • 2.Scan Tailor =>裁切,轉出檔案 001_1L,001_2R,002_1L,002_2R
  • 3.FreeCommander(2 mins) =>批次重新命名=>編排順序lL改為3L
  • 4.ABBY

OCR校對規範

  • 1.以word檔案,比對ABBYY與Google Docs產生的文字。
  • 2.頁碼:請打在每一頁文字的開頭,自己獨立的一行。格式例如:p1 p2
  • 3.內縮空兩格請輸入:tab鍵
  • 4.需要如書一樣換行。
  • 5.雙行夾註,加入〔〕符號:

例如:第三冊第一頁。 ...無漏法〔既能自利,又能利他〕〔如大車乘能運重致遠〕...智慧

  • 6.「圖片檔案」的文字請刪除,將以掃描檔方式呈現。
  • 7.「隔頁書名」請刪除。
  • 8.「頁眉」請刪除。
  • 9.「目錄」請刪除。
  • 10.異體字,請參考異體字表格:保留原書字體。例如四「衆」弟子
  • 11.如果打不出該文字,或者無法判斷該文字是否有誤,例如:異體字,請先打上●
  • 12.經文前標示英文字母J(不用內縮空兩格)。
  • 13.破折號輸入:——(請複製該格式)
  • 14.針對有疑問的字詞,可列一個表格清單:例如第四冊,p91,絕對沒有那「們」(疑為「麼」)
  • 15.針對內容有疑慮部分,可列表參照。

標記校對規範

  • 1.標記之前確認:
  標逗、
  內文與目錄不符、
  字詞疑慮、
  字詞統一、
  專有名詞、
  政治宗教上等對立議題,並列表請示作法。
  以上可參考校對人員寫的「校對註記」
  • 2.標記之前,確認打不出來的異體字●
  • 3.如遇異體字,請輸入異體字正規化_凡例2018_10_26.xlsx
  n1.1,原書:沾漑益廣;數位化:沾溉益廣
  • 4.如遇新的異體字,請輸入variant.txt
  例如:尙,尚;衆,眾
  • 5.PNG需要改成png,勾選副檔名就可以改png
  • 6.加入科判層次
  • 7.雙層夾註檢查
  • 8.更改title
  • 9.檢查out裡面html的toc-vols,toc.txt
  • 10.check well-formed

科判

  • 表示科判層次,在txt文件檔案:

一、(一)1(1)➀➊A(A)a(a)Ⓐ, 分別以h1,h2,h3,h4,h5,h6,h7,h8,h9,h10,h11 表示:

h1
....內文....
h2

異體字

  • 「異體字正規化之作業規範」
1.書中使用之「罕用字」,根據教育部異體字字典判定為異體字者,為方便讀者查閱,則正規化為常用之正字:
  例如:「够」為「罕用字」,並且為異體字,正規化為「夠」。「冲」為「罕用字」,並且為異體字,正規化為「沖」。
2.若有另兼正字之異體字,並為教育部判斷之常用字,則沿用原字不予改動。
  例如:招徠的「徠」,教育部判為「次常用字」。雖然「徠」、「來」為異體字,「徠」也為正字,沿用原字「徠」不予改動 。
3.人名、地名、專有名詞不作正規化。
4.凡正規化字體,可以點選該字,即可看到原書之字體。

缺字處理

介面的缺字圖片來源依據難檢字庫之ID

文內標記,例,冊4,p101.14:

<choice><orig><g ref="#Z0079"/></orig><reg></reg></choice>
  • ref 屬性是該缺字的編碼