佛寺志專案 特字處理

出自DILA Wiki
於 2011年9月28日 (三) 09:53 由 imported>Ray 所做的修訂 →‎底本本身的刪塗、訂正字

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:

  1. 點選另存新檔。
  2. 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

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></orig>
<reg resp="ddbc.da"></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></sic>
<reg resp="ddbc.da"></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。

  1. 少一撇、多一點的字:不標記(選擇用通用字)。例:播,余。(見圖一)
  2. 刻版慣例,書寫習慣:不標記(選擇用通用字)。例:於,所。(見圖一)
  3. 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></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></sic><corr resp="ddbc.da"></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

<choice>
  <del>刪塗字</del>
  <add>後人訂正字</add>
</choice>

例:(g014p0156)

<choice>
  <del></del>
  <add></add>
</choice>

缺字建檔

缺字圖檔製作

缺字給 CBETA Maha 製作流程

缺字圖上傳

缺字在佛寺志網頁的呈現順序?

unicode 編碼字

參考資源