佛寺志專案 特字處理
回《中國佛寺史志》數位典藏工作手冊 Archive of Buddhist Temple Gazetteers（Service manual）
佛寺志專案 特字處理
作業環境
皆以 NotePad++ 軟體來處理 UTF-8 編碼的txt檔。
一、將現有 txt 檔更改為 UTF-8 編碼的方式：
- 點選另存新檔。
- 在存檔畫面下方「編碼」那一欄選擇 UTF-8。
二、以 NotePad++ 開啟已更改編碼的 txt 檔案。
特字處理原則
特殊字處理的原則，首先是尋查有無unicode編碼字（包含Extention C）， 然後再根據文字本身（或搭配前後文）是否易於辨識而做應對的標記。
有 unicode 編碼的字
易於辨識
此字易於辨識者（不會產生懷疑的），則直接採用unicode編碼字，不做任何標記。
例如：静，徳，録，䟽
如果 unicode 有編碼，但是 unicode 網站上在「Your Browser」欄位有的電腦看得到、有的電腦看不到，而「The Unicode Standard」欄位看不到圖檔，例如 U+2F8BB，超出 Extension-D(U+2B740-U+2B81D) 的範圍，現有軟體支援較少。而且這個字容易辨識可與「捨」通用，只是在「口」之上的一豎稍微凸出來一點，就直接採用通用字「捨」，不必另加標記。(根據 2011.9.27 會議結論)
不易讀懂，罕用字
此字不易於辨識者（不易讀懂，罕用字），但有通用字時，則標記 <choice>。
例如：㝎（定），灋（法），銕（鐵）。（見圖二）
標記：
<choice>
<orig>文本原字(unicode)</orig>
<reg resp="ddbc.da">通用字</reg>
</choice>
範例：
優曇華發<choice>
<orig>㝎</orig>
<reg resp="ddbc.da">定</reg></choice>中香
（通用字的查詢，可借助字書工具，如CBETA漢字資料庫，教育部異體字網站等）
有歧義
若文字本身有歧義，易使讀者對句意產生誤會者（即文字本身雖為一般字，但在此另當別解時），則標記 <choice>。
例如：縣（「懸」的通假字），餉（「晌」的通假字）
標法：
<choice>
<sic>文本原字</sic>
<reg resp="ddbc.da">消歧字</reg>
</choice>
範例：
萬靈八部<choice>
<sic>縣</sic>
<reg resp="ddbc.da">懸</reg></choice>望已久
無 unicode 編碼的字
易於辨識
此字易於辨識者（不會產生懷疑的），但有通用字時，則選用其通用字，而不做任何標記。
- 少一撇、多一點的字：不標記（選擇用通用字）。例：播，余。（見圖一）
- 刻版慣例，書寫習慣：不標記（選擇用通用字）。例：於，所。（見圖一）
- 搭配前後文易於辨識者：不標記（選擇用通用字）。例：關。（見圖一）
不易辨識, 有通用字
此字不易於辨識者（不易讀懂，罕用字），但有通用字時，則標記 <reg>。
例如：[叠*毛]＝㲲。（見圖三）
標法：
<reg>通用字</reg>
範例：
青天飛一錫，白<reg>㲲</reg>入孤雲。
不易辨識, 無通用字
此字不易於辨識者（不易讀懂，罕用字），無通用字時，則標記 <g>，並需建立缺字檔。（缺字建檔方法見【附一】）
例如：[悖*力]。（見圖四）
標法：
<g ref="#字圖檔名"/>
範例：
頓令須彌倒卓，<g ref="#btg086026901"/><!--[悖*力]-->𣿨全枯。
訛字處理
文本中的錯字，包含看似錯誤但仍照實轉錄的字，則加以修訂。
訛字修訂：
<choice><sic>文本的字</sic><corr resp="ddbc.da">修訂後的字</corr></choice>
範例：
一切殿宇皆頹<choice><sic>圯</sic><corr resp="ddbc.da">圮</corr></choice>剝落
漏字處理
文本中的缺漏字，或模糊不清的字，或難以讀懂的字，則標「省略」標記 <gap>。
缺漏字
標法：
<gap extent="1" unit="chars" reason="lost"/>
註：unit 屬性是單位，extent 屬性是有幾個單位，本例中 unit="chars"，extent="1" 便表示有１個字。
模糊不清的字
標法：
<gap extent="2" unit="chars" reason="unclear"/>
難以讀懂的字（例如草書字）
標法：
<gap extent="3" unit="chars" reason="illegible"/>
缺漏一段文字
標法：
<gap extent="unknown" unit="chars" reason="lost"/>
底本本身的刪塗、訂正字
1.後人訂正字
<choice>
<del>刪塗字</del>
<add>後人訂正字</add>
</choice>
例：（g014p0156）
<choice>
<del>梦</del>
<add>愛</add>
</choice>
2.原著(編)者訂正字
<del>刪塗字</del>
<add>原著(編)者訂正字</add>
例：（g094p0206）
<choice>
<del>行</del>
<add>存</add>
</choice>
缺字建檔
佛寺志缺字庫網頁 http://dev.ddbc.edu.tw/tomcat/exist/rest/db/fosizhi/xq/gaiji_input/gaiji.xq
缺字建置步驟
- 登入缺字庫網頁，輸入缺字的位置「第幾志、第幾頁、當頁第幾個字」，按「新增一筆」，產生一個缺字id：<glyph xml:id="">。缺字編碼原則：btg（佛寺志）XXX（志碼3碼）XXXX（頁碼4碼）XX（序號2碼），例如：阿育王山志第298頁第4個缺字[口*斗]的id是：btg010029804
- <glyphName>：選擇是否為unicode編碼字，若為unicode編碼字，則採用Decimal碼。
- <charProp>：若知其發音，則點選「再增加一個charProp」。
- <localName>：若知其發音，則選pronunciation。
- <value>：欄內填入此字之漢語拼音。例：媽ma1，嗎ma5，恰qia4（第幾聲用數字表示一聲、二聲、三聲、四聲、輕聲 = 1、2、3、4、5）
- <mapping type>：有common（通用字）、cbeta（CBETA組字式）、cbetaNo（CB碼）、unicode（unicode Decimal碼）、MoEvariant（教育部異體字編碼）五種型態，依其資料一一增加mapping填入。
- <note>：若對此字有特殊之考查，可add a note，描述考據的結果。例：韻 [音*貟]，異體字例，部件「口、厶」俗寫多彼此相訛，凡此皆可視為異體。
- 填寫上述資料後，按「更新資料庫」，即完成一個缺字的建置。
缺字圖檔製作
原則
裁切文本掃瞄檔(.tif)作為字圖。（作法如下）
裁切字圖步驟
利用Gimp軟體處理
- 開啟Gimp功能表「檔案」.
- 點選「開啟」.
- 選擇缺字當頁的掃瞄圖.ex:1B001P077 (檔案路徑Y:\Projects\fosizhi\master-data\images\tif\1Book001\1B001P077)
- 放大圖片以利裁切:點選「顯示」選擇「縮放1:1(100﹪)」.
- 點選「工具」選擇「變換工具」中的「剪裁」圖形cut(形狀類似一支筆).
- 將「剪裁」圖形移至缺字字體,確認位置後在選取的字框內點選滑鼠左鍵2次,即出現裁切之缺字圖檔.
- 設定圖片尺寸:點選「影像」或「圖片」選擇「縮放影像」「縮放圖片」設定尺寸:45X47(點一下右邊鐵鍊圖形--目的是解除固定) 水平及垂直解析度:72像素,完成後點選下方「縮放」即完成.
- 點選「檔案」選擇「另存新檔」並提供檔名ex:btg077009601.gif再點選下方「Gif影像檔」按2次「儲存」即完成
- 缺字圖檔存放位置Y:\Projects\fosizhi\images\figure\gword\
- 缺字圖檔請通知妙妙上傳到dev.
缺字給 CBETA Maha 製作流程
- 請 Maha 幫忙製作缺字 無CB碼、無組字式 者
- 須製作(1)的二點資訊者，於缺字介面note註明maha
- 小花再以 note 註明的 maha 彙整送給 maha
- 缺字資訊的 note 寫法可參考缺字介面的(8)<add a note>: 為註記資訊用
缺字圖上傳
FTP informations
- session:fosizhi
- host name:10.10.0.49
- user name:april
- password:m4tjp
上傳位置
從 Y:\Projects\fosizhi\images\gword\
複製到 ftp://dev.ddbc.edu.tw/fosizhi_gwords
上傳週期
從 dev 到informatics 上傳時間為一週
缺字呈現
缺字在佛寺志網頁的呈現順序
- 組字式
- 字圖
unicode 編碼字
Unihan 網站 http://www.unicode.org/charts/unihanrsindex.html
CJK漢字編碼範圍
- U+20000- U+2A6DF（中日韓統一表意文字擴展B區）
- U+2A700-U+2B73F（中日韓統一表意文字擴展C區）
- U+2B740- U+2B81F（中日韓統一表意文字擴展D區）
- Decimal：131072以上
（以上皆屬 Extension 的擴展字，可直接貼在文本）
編輯器
若unicode編碼字在Oxygen編輯器下無法直接貼上時，則先以Notepad++開啟此檔，並於內貼上此字、存檔，然後再轉接以Oxygen繼續作業。
此時經過Notepad++轉化的此缺字，將在 Oxygen 以 □ 的形式呈顯，但此字在網頁上應已可以如實呈現。
如果此字在介面仍無法顯現,請檢查是否已安裝 Undicode 擴充字型
- Y:\Projects\fosizhi\work\tools\字型\ext_b\PMingLiU Update Pack.msi
- Y:\Projects\fosizhi\work\tools\字型\hanazono\hanazono.ttf
