《南亭和尚全集》專案工作手冊
出自DILA Wiki
範圍
《南亭和尚全集》共 13 冊。
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>二</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 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>
div
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>
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">音<lb/>意</note>
orig
- 保留原書文字，並顯示正規化文字
<div><head>南亭和<choice><orig>尙</orig><reg>尚</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"/>
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>
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。
- 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>瞋</reg></choice>
- ref 屬性是該缺字的編碼
