中古佛教寫本資料庫工作手冊

出自DILA Wiki
於 2018年10月17日 (三) 10:52 由 imported>Blueve.tw 所做的修訂 →‎第一階段

中古佛教寫本資料庫編碼工作手冊
The Database on Medieval Chinese Dūnhuáng Texts
Date: 2015-07-06 Author:林靜慧(Lin Ching-hui)

本計畫為中華佛研所與根特大學根特佛學研究中心的合作專案。由洪振洲(Hung Jen-jou)、安東平(Christoph Anderl)主持,馬德偉(Marcus Bingenheimer, Temple University)、張伯雍 (Zhang Boyong)擔任顧問。(馬德偉與張伯雍另有類似專案可參見敦煌漢文佛教寫卷點校本專案

中古佛教寫卷資料庫編碼計畫,目前進行三個階段,總計完成寫卷三十卷。

工作圖例一:S-3491.png寫卷影像
工作圖例二:S-3491TEI.png標記
工作圖例三:S-3491TEXT.png的數位版本

壹、工作流程說明

一、下載所需敦煌寫卷影像檔(如至國際敦煌項目),並在PDF檔上標好行號。
二、搜尋寫卷內容是否有文字檔,若有文字檔則下載;若沒有則將影像檔初步打成文字檔。
三、細部分辨寫卷字形,用Notepad++或oxygen開啟寫卷文字檔(xml檔),在文字檔的基礎上,開始加上標記語言。工作時需注意下例幾點:
  1、注意標記語言的使用(參見「#參、標記語言範例表」)。
  2、遇到萬國碼(Unicode)已收錄的異體字,需同時維護異體字庫(參見檔案「00-variant-table-Ms-Project」),並注意程式只能判斷一組正字與異體字的關係,所以如果該異體字另兼正字,那麼就不能列入該檔中,需用人工輸入標記:<orig reg="X">Y</orig>(X代表教育部規範之正字,Y代表異體字),以免因程式無法分辦而造成混亂。
  3、遇到萬國碼(Unicode)沒收錄的異體字,需到教育部異體字字典找出對應字與下載字圖,存入異體字圖庫(參見檔案「gaiji」);若是異體字典沒有對應的字,先標明缺字並記錄該字的卷次行次字次,稍後需要造字。(如果將來出版實體書,這些Unicode沒有的異體字圖檔皆需造字,將圖檔改成文字。)
  4、遇到萬國碼(Unicode)、教育部異體字典未收錄,而全字庫中有造字的異體字,到檔案「png_24x24」搜尋字碼,存到「gaiji\png」中,因字檔前面不能是數字,所以在原檔名前加上大寫的Q。
  5、標明資料來源。
四、完成標記後,用oxygen轉成原抄本檔與標準字檔,初步檢查是否有誤。
五、使用freecommandXE軟體叫出encoding-desc.rb程式,用Oxygen中的Tools/Compare Files將轉好的00-encodingDesc檔案合併,異體字庫中的缺字(專案新增異體字)才能顯示在html的頁面上。
六、最後使用freecommandXE軟體叫出char-reg.rb程式,將異體字庫中的異體字轉成<orig reg="X">Y</orig>(X代表教育部規範之正字,Y代表異體字),用Oxygen中的Tools/Compare Files將轉好的標記xml檔案合併,最後再檢查是否有誤。

  • 附加說明:
  1. 所使用的標記規範為 TEI P5
  2. 最好安裝 Unicode Super-CJK Fonts v6.0。

貳、編碼語言使用說明

異體字(包含通同字)的標記

  1、在標明異體字或通同字時使用,標為:<orig reg="X">Y</orig>(X代表教育部規範之正字,Y代表異體字)。
  2、當Y為萬國碼(Unicode)所沒有的字時,則代換成<g ref="#Z"/>(Z代表教育部異體字典中的字碼或缺字所在的卷次行次字次)。
  3、檔案「00-variant-table-Ms-Project」收錄的異體字,freecommandXE程式會自動轉成<orig reg="X">Y</orig>的標記並出現type(Unicode常用罕用字分類),但是若在<orig reg="X">中放進「00-variant-table-Ms-Project」收錄的異體字,卻會被程式自動略過,字形不會產生變動,因此若遇到一字兼兩種正字的異體時,要選擇其中一種收入「00-variant-table-Ms-Project」,另外一種則採用人工輸入,如仏字同時是佛與似的異體字,「00-variant-table-Ms-Project」檔中已選擇仏作為佛的異體,程式只會自動將仏轉成佛,那麼遇到似的異體時,便要標為:<orig reg="似">仏</orig>。
  4、所謂通同字,意指兩字有時有通用的情形,又各自另兼正字,如:鍾鐘為通同字,但其各有本義,鍾為酒器,鐘為樂器,在「二口金鍾」此文之鍾字作樂器解時,其本字當為鐘,此時編碼作<orig reg="鐘">鍾</orig>;又如:「有願尅從」,剋與尅為同音同義的通同字,克與剋為通同字,此文尅當作「能夠」解,克與尅都有「能夠」之意,而此尅依據教育部異體字典考定:因與正字剋形體相近而成為常用之俗寫異體字,此時編碼作<orig reg="剋">尅</orig>。
  5、或有因字形相近,導致書寫習慣將兩字通用者,如:无(無的異體)與元,師與帥,客與容,雨與兩,此雖有通用的事實,但為書寫筆畫的習慣,而非意義有相通處,因此被歸入形近而誤的錯字,標為:<choice><sic>A</sic><corr>B</corr></choice> (A代表原文字形,B代表編碼者修定的標準字)。
  

錯字(包含假借字)的標記

  1、一般錯字:在標明字形書寫錯誤時使用,標為:<choice><sic>A</sic><corr>B</corr></choice> (A代表原寫本的字形,B代表編碼者修定的標準字,當A為Unicode所沒有的字時,則代換成<orig reg="X">Y</orig>),若有他本可以作為校勘證據,便用<note>說明出處(出處可使用簡稱,並在凡例中將完整出處說明)。除了單字對應的錯字之外,還有一字誤為兩者:
    1)一字誤拆為二字者,如:S-3491有臭的異體字臰被誤拆成自㤪二字,則標成:<choice><sic>自㤪</sic><corr>臰</corr></choice>。
    2)一字誤拆為二字,並換行者,則加入<lb/>,如:S-3491有尖被誤拆成五人二字,其中人字換行書寫,則標成:<choice><sic>五</sic><lb/><sic corr="尖">人</sic></choice>。
  2、同音通假(假借字)視為因音同或音近而造成的錯字,如:S-2113「吝此明珠如姓明」,姓明二字語義不通,當為性命之同音假借的錯字,此時標為:<choice><sic>姓明</sic><corr>性命</corr></choice>。
  3、形近而誤的錯字,如:S-3491「跂覢電作朱旗」,跂乃形近跛而誤,而跛與披音近通假,有另一版本P-2187降魔變押座文與本卷之語為證,故標為:<choice><sic>跂</sic><corr>跛</corr></choice><note>本卷95行有跛旗之語,故知跂為跛之誤,且跂覢二字P-2187作披閃,蓋跛假作披。</note>。

特殊符號的標記

  1、以萬國碼「雁點」(レ点 U+3191)與乙字為倒乙符號(參見:媒體:敦煌古代的標點符號.pdf維基百科:訓読 ),在標明文字倒乙時使用,標為:<orig reg="AB">B<add place="inline-right">㆑</add>A</orig>或<orig reg="AB">B<add place="inline-right">乙</add>A</orig>。
    1)倒乙字若是萬國碼(Unicode)已收錄的異體字則直書其字形,freecommandXE程式會將其轉成<orig reg="X">Y</orig>。
    2)倒乙字若是萬國碼(Unicode)未收錄的異體字,則標為:<orig reg="X">Y</orig>。
    3)<orig reg="AB">中的A、B字體須為標準字,B<add place="inline-right">㆑</add>A此處的A、B則可放入異體字。
  2、以萬國碼「疊字符號」(踊り字 U+303B)為重文符號,在標明省書重文時使用,如:<choice>A〻<expan>AA</expan></choice>或<choice>A〻B〻<expan>ABAB</expan></choice>(所有的 <expan> 標記中已視為「正規化」,故不再有如 <unclear> 等標記)。
    1)重文字若是萬國碼(Unicode)有收錄的異體字則直書其字形,freecommandXE程式會將其轉成<orig reg="X">Y</orig>。
    2)重文字若是萬國碼(Unicode)未收錄有的異體字,則標為:<orig reg="X">Y</orig>。
    3)省書符號前有行號時的標法:只標省書符號。
  3、另有一種省書方式沒有特殊符號的標示,而是對常用字形直接減筆書寫,如𦬇為菩薩的省書符號,此時則標為:<choice>卄卄<expan>菩薩</expan></choice>。
    1)包含的字形若是萬國碼(Unicode)有收錄的異體字則直書其字形,freecommandXE程式會將其轉成<orig reg="X">Y</orig>。
    2)包含的字形若是萬國碼(Unicode)未收錄有的異體字,則標為:<orig reg="X">Y</orig>。
    3)<expan>只在表示的縮寫還原時使用, <expan> 標記中已視為「正規化」,故不再有如 <reg>或<unclear> 等標記。
  

字形模糊不清、損毀、塗改的標記

  1、<unclear>:當文字墨色模糊(如:退色或磨損)或文字筆畫不清(如:行書、草書)難以判斷,需依賴上下文才能判讀時使用;若需要其他文獻校勘才能判讀時,便加上<note>說明文獻出處。
    1)若是遇到文字模糊不清無法確切辨識清楚時使用(原有的<reg>標號不用),標成:<unclear>A</unclear>(A代表該字);若是雖然字形不甚清晰,但仍有50%以上的把握能判斷該字,則直其書其字。
    2)若是異體字的字形不清楚,亦直接以<unclear>包覆標準字,不再使用<orig reg="X">或<choice>。
    3)若是因行書、草書的寫法導致筆畫不清,則不管字跡是否模糊,皆使以<unclear>包覆標準字。
  2、<damage>:當文字損毀時使用。
    1)文字略有損毀,尚可辨識時使用,標成:<damage>A</damage>(A代表損毀字)。
    2)若因破損而無法辨識,則標成:<damage unit="char" extent="X"/>(X代表損毀的字數)。
    3)損毀嚴重,需參酌他本,理校出正字,則標成:<choice><unclear><damage unit="char" extent="1"/></unclear><reg>A</reg></choice>(A代表編碼者理校出的正字)。(<unit="chars"> 是早期的標記,現在統一作 unit="char")
  3、<gap>:文字並非損毀,或因塗改或其他原因,使得完全無法分辨字形時使用,標成:<gap unit="char" extent="1"/>。

刪除字的標記

  1、當某字被刪去時,標為:<del>A</del>(A代表被刪去的字);若A為異體字,則代入<orig reg="X">Y</orig>。
  2、同一行中,先刪去某字,隨後寫上正確的字時,標為:<del>A</del>À(A代表原本寫錯的字,À代表改正後的字)。
  3、當某字被刪去後,又在其右邊加上改正的字時,標為:<subst><del>A</del><add place="inline-right">À</add></subst>(A代表原本寫錯的字,À代表改正後的字)。
  4、當某字被塗毀時,導致無法辨別字體時,標為:
  5、當在錯字上添加筆畫改成正確的字時,標為:<subst><del>A</del><add>À</add></subst>(A代表原本寫錯的字,À代表改正後的字)。
  6、寫卷表示刪除字,除了直接劃掉、塗改筆畫,還有在被刪字的右邊標上卜字或是頓點等符號,詳細例證可參見媒體:敦煌古代的標點符號.pdf,在此並不特別標出符號形式,統一採用<del>標記。

插入字的標記

  1、在字的右邊插入文字時,標為:<add place="inline-right">A</add>(A代表被插入的字)。
  2、在筆劃不清的字右邊插入文字時,標為:<subst><add place="inline-right">A</add></subst>。
  3、在錯字上添加筆畫改成正確的字時,標為:<subst><del>A</del><add>À</add></subst>(A代表原本寫錯的字,À代表改正後的字)。
  4、當被刪去的某字被塗毀而無法辨識,又在右邊加入改正字時,標為:<subst><gap unit="char" extent="1"/><add place="inline-right">A</add></subst>(A代表被插入的字)。
  5、當被刪改的錯字被標記者判定為誤時,在<choice><sic>A</sic><corr>B</corr></choice>(A代表原文字形,B代表編碼者修訂的字)後加上<note>作說明。

標點符號的標記

  1、一般標點標為:<pc>X</pc>(X代表編碼者插入的中式全型標點符號,只會在標準字體化的版本顯示)。
  2、當標點剛好落在重文符號中間時,如:以手遮<choice>日〻<expan>日日</expan></choice>光所下之䖏,兩個日中間當斷句時,可標為:<expan>日<pc>,</pc>日</expan>,或是日<pc>,</pc><choice><expan>日</expan></choice>。

注解的標記

  1、小字雙行夾注,標為:<hi rendition="#inline-para">X<lb/>X</hi>(X代表注解內容,<lb/>代表換行點)。
  2、後人寫的雙行小字注解文字,標為:<note resp="hand2" rendition="#inline-para">X<lb/>X</note>(X代表注解內容,<lb/>代表換行點)。
  3、後人寫在右邊注解文字,標為:<note resp="hand2" rendition="#inline-right">X</note>(X代表注解內容)。
  4、編碼者的說明(會公開顯示),標為:<note>X</note>(X代表注解內容)。
  5、編碼者給自己看的提示(不會公開顯示),標為:<!--X-->。
  6、《敦煌變校注》的錨點(目前顯示為□):<anchor type="dh-bw-jiaozhu" n="X"/>(X代表原書注解序號)。

空格的標記

  • 凡是文獻末尾的空格不予以標記。

  1、韻文的空格:在散文描述中,插入一段偈語或詩歌時,往往換行縮排,並在句與句之間空若干字,此時在空下的位置標記<space type="verseSpacing" unit="char" extent="X"/>(X代表所空字數)。
  2、段落的空格:在另起一段,或徵引文獻時,行首會空下若干字,此時在空下的位置標記<space type="punctuation" unit="char" extent="X"/>(X代表所空字數)。
  3、挪抬的空格:在行文中,有為表示敬意而空一字者,此時在空下的位置標記<space type="honorific" unit="char" extent="X"/>(X代表所空字數)。
  4、無意義的空格:有在標題上空下數字,或在行文中有不該有空字而空者,此時在空下的位置標記<space type="simpleSpace" unit="char" extent="X"/>(X代表所空字數)。

參、標記語言範例表

肆、標記原則

  • 基本原則一:不論原文使用何種字體(楷書、行書、草書等),皆迻錄為楷書(楷化)。
  • 基本原則二:沒有特殊標記之字即標準字,此所謂標準字指的是2015年前後時期教育部異體字字典所定正字。

依照寫卷字形情況分成下面幾類標記規則:
  一、標準字
    1、字形筆畫與教育部異體字典所定正字完全相同者,即直書其字型而不作任何標記。
    2、字形與標準字大致相同,但筆畫因書寫習慣而有細部不同時,亦直書其字型而不作任何標記。
    3、當字形可辨識為某字,但細部筆畫不易辨識時,即標示為<unclear>標準字</unclear>。
  二、異體字(包含通同字)
    1、當字形筆畫與標準字有結構性的不同,而此不同並非因為書寫習慣造成時,判定為異體字。
    2、萬國碼(Unicode)有收錄者,按原字型迻錄(此類將由freecommandXE程式轉成< orig >,顯示在原文抄本時為原字型,在標準字體化則呈現為藍色標準字)。
    3、萬國碼(Unicode)無收錄,而教育部異體字典有收錄,能夠以所對應的正字表達出來,教育部異體字字典對該字的編號會記錄在<g>@ref標記中,如:<orig reg="那"><g ref="#A04204-023"/></orig>。
    4、萬國碼(Unicode)與教育部異體字典皆無收錄,但字形結構上能夠分辨者:
      1)字形與教育部異體字典收錄之字雖不完全相同,但差異不大者,標為:<orig reg="那"><g ref="#A04204-023"/></orig>。
      2)字形與教育部異體字典有明顯不同者,<g>@ref標記編號為該字的卷次、行次、字次,如:<orig reg="福"><g ref="#S-2113-036-09"/></orig>(S-2113為卷次,036為行次,09為字次)。
    5、古今通同字:兩者字形不同,但為古今字或有通用的情形,標例同異體字:如:紅旗初<orig reg="震">辰</orig><note>《說文》段注云:辰,震也。震振古通用,此亦可作振。</note>。
  三、錯字(包含同音通假、形近而誤)
    1、當字形筆畫與標準字有結構性的不同,且確定其與音義標準字也不同,判定為錯字。一般錯字標為:<choice><sic>錯字</sic><corr>標準字</corr></choice>,其後加<note>判定錯誤的依據</note>
    2、形近而誤:因此字形相近而產生錯誤,如:雹子空中自消<choice><orig>客</orig><reg>溶</reg></choice><note>本卷客容不分,此處客當作容,而容通溶。</note>。
    3、同音通假:因字音相近而產錯誤,如:恡此明珠如<choice><orig>姓明</orig><reg>性命</reg></choice><note>見蘇遠鳴:〈敦煌石窟中的瑞像圖〉。</note>。

伍、所見異體字表

  • 關於本計畫所見之異體字與標記異體字的標準、特殊情況的處理,詳見所見異體字表
  • 關於"所見異體字表"裡的一些規範:

 一、EUC:是Unicode未收,但全字庫字碼有的字型。
 二、Unicode已收之字,教育部異體字典必定有收,因此不附異體字典字碼。
 三、本專案在標記異體字的順序為:
  1、萬國碼(Unicode)已收之字,不附異體字典碼;
  2、萬國碼(Unicode)未收,但EUC有的字碼,採用EUC字碼,而不用異體字典字碼;
  3、萬國碼(Unicode)已收之字,但電腦字型打不出來,則採用異體字典字碼;
  4、萬國碼(Unicode)未收,則採用異體字典字碼;
  5、萬國碼(Unicode)與異體字典皆未收,則採用專案自訂字碼(通常是字圖的位置)。
 四、在備註欄標註"同F252-049-07","F252-049-07"為Unicode與教育部異體字典皆未收,表示此字型在標記時,因其字型與此字碼相同,因此標為同一字。
 五、拼音欄皆依照台灣常用注音為準(某些字的讀音有破音字,或其聲調在大陸與台灣有別)。

陸、完成寫卷

第一階段

時間:2015-07-06~2017-03-31
工作內容:進行敦煌佛教寫本之數位化標記寫卷七種,總計十四卷:

  • 諸佛瑞像記S.5659、S.2113
  • 破魔變P.2187、S.3491
  • 難陀出家經起P.2324
  • 佛說楞伽經禪門悉談章P.2204、P.2212
  • 太子成道經P.2999、S.2682、S.4626
  • 維摩詰經講經文F.101、F.252
  • 菩提達摩南宗定是非論P.2045、P3488

第二階段

時間:2017-04-01至2017-12-31
工作內容:進行破魔變P.2187、S.3491之中英對照校注出版,可參見中古佛教寫寫卷資料庫出版專案

第三階段

時間:2018-01-01至2018-12-31
工作內容:進行敦煌佛教寫本之數位化標記寫卷有十二種,總計十六卷:

  • 南宗定邪正五更轉Db.77、BD.8325、S.2679
  • 五更轉南宗贊S.4173、S.4654
  • 菩提達摩南宗定是非論Dunbo77
  • 南陽和尚頓教解脫禪門直了性壇語Db.77、P.2045
  • 淨覺註般若波羅蜜多心經S.4556
  • 興山寺禪師沙門定慧詩朁S.5809
  • 第七祖大照和尚寂滅日齋贊文S.2512
  • 大晉敦煌郡張和尚寫真贊P.3792
  • 前河西僧統翟和尚邈真贊P.4660
  • 晉敦煌郡張和尚寫真贊P.3792
  • 悉達太子修道因緣R.48
  • 妙法蓮華經講經文P.2305

柒、標記工作的心得與問題討論

  • 異體字與通同字並不等同,是否該分同一類?
  • 通假字是否該視為錯字?
  • 專案新增之異體字,亦可能是錯字,或需考證?或需更多證據?證據數量的標準?
  • 異體字書寫筆畫之判讀,如:辵字旁寫作辶,或作人字型;水字旁寫作兩點,或作一直豎;戈字旁的點畫或在橫筆之下,或與撇筆相連;艹字旁或相連,或不相連,這些筆畫是否該分清楚?
  • "所遇異體字表"在增至兩百頁左右,因圖檔太多,Word檔容易產遲緩反應,或許可改用另一種方式制作表,目前資料庫數量太大,不宜重新制做,以待後人。
  • 使用"教育部異體字典"時,發現字典收錄的字有若干問題,待資料增多之後,可一併討論。
  • 塗改字佔一個字位還是兩個字位?(塗毀一個字位+插入一個字位)