5 7 ADBS La DTD TEI principes et

5 à 7 ADBS La DTD TEI : principes et fonctionnement pour la création de contenu éditorial 24 Janvier 2008 Gautier Poupeau, Unilog Management gautier. poupeau@logicacmg. unilog. com

Introduction La DTD TEI : Le framework Le schéma principes et fonctionnement pour la création de contenu éditorial 24/01/2008 № 2

Introduction : essai de définition La TEI (Text encoding initiative) est un framework/cadre de description pour créer des schémas/grammaires utilisés pour encoder des textes de encoder des textes nature très diverse en vue de leur : • échange ; • exploitation, c’est-à-dire : • les publier • y effectuer des recherches • les traiter 24/01/2008 № 3

Qu’est-ce-qu’un texte ? Un texte est la représentation sur un support d’une construction logique de phrases formant une unité. Un texte comprend différents éléments plus ou moins implicites que le lecteur prend compte dans le processus de lecture pour le comprendre et l’appréhender : • un support • un contexte • une présentation • une structure 24/01/2008 № 4

Qu’est-ce-que l’encodage ? L’encodage ou le balisage consiste à rendre explicite l’ensemble des caractéristiques et phénomènes d’un texte en vue de leur exploitation par les machines. L’encodage permet : • la caractérisation de parties d’un texte de manière formalisée ; • la mise en lumière de la structure logique et hiérarchique d’un texte. L’encodage facilite la réutilisation du texte dans différents contextes par différents utilisateurs. 24/01/2008 № 5

XML : une syntaxe pour encoder les textes XML (e. Xtensible Markup Language) est un langages à balises issu de SGML. Exemple : <etatcivil id="1"> <nomdefamille>Poupeau</nomdefamille> <prenom>Gautier</prenom> <datedenaissance>1980/05/19</datedenaissance> </etatcivil> Des éléments ou balises complétés par des attributs s’emboîtent pour mettre en lumière la structure d’un texte. Le fichier XML forme un arbre avec une racine et des nœuds. Chaque élément précise le rôle ou la caractéristique tenu par la portion d’informations entourée dans le contexte du texte. 24/01/2008 № 6

Avantages de XML § XML est une recommandation du W 3 C § XML est indépendant d’un logiciel, d’un éditeur, d’une plate-forme, d’un système d’exploitation § XML n’est pas un format binaire, aucun logiciel particulier n’est requis pour lire du XML § XML est relativement facile à utiliser § De plus en plus d’applications supportent le XML § XML est extensible § …. . Mais XML est extensible !! 24/01/2008 № 7

Permettre l’interopérabilité : les schémas XML Un schéma permet de déterminer le nom des éléments et des attributs, leurs significations et leurs règles d’utilisation. Un schéma peut être comparé à une grammaire. Trois langages pour décrire un schéma : • DTD (Document type definition) issu pour SGML • XML schema (XSD), recommandation du W 3 C • Relax NG, norme OASIS et ISO 24/01/2008 № 8

Les problèmes de XML et des schémas XML § Les schémas sont majoritairement spécialisés et limités à un type de textes : • EAD pour les inventaires d’archives • Docbook pour la documentation technique • XHTML pour les pages Web § Les schémas peuvent s’avérer incomplet pour encoder certains besoins particuliers. § Les schémas évoluent et peuvent perdre la compatibilité descendante. § L’utilisation d’un même schéma peut différer d’un utilisateur à un autre ce qui n’est pas forcément documenté. § Les schémas sont définis suivant un des trois langages (DTD, XML schema, Relax NG) § Construire un schéma est un travail complexe, long et fastidieux et n’a de sens que dans la mesure où il est partagé par une large communauté. § Les schémas existants ne permettent pas d’encoder à la fois la structure logique et la structure physique d’un texte. § La syntaxe XML est-elle pérenne ? Qu’en est-il de JSON, par exemple ? 24/01/2008 № 9

L’approche de la TEI § Une communauté partageant les mêmes buts et objets d’études détermine les besoins d’encodage liés à leur discipline. Elle établit un compromis sur les éléments et leurs règles d’utilisation. § La consolidation des éléments déterminés par les différentes communautés constitue un guide qui s’attache à repérer, organiser, définir et normaliser les différentes informations/éléments d’un texte : guidelines for Electronic Text encoding and interchange (aujourd’hui la 5ème version dite P 5). § Une application est mise à disposition pour construire son schéma personnalisée à partir des guidelines. 24/01/2008 № 10

Conséquences de l’approche de la TEI § La syntaxe XML n’est qu’un moyen d’encoder un texte suivant la TEI (sous-entendu les guidelines). § La TEI est indépendante du langage de définition du schéma XML (DTD, XML schema, Relax NG). Conclusion : le schéma n’est qu’une conséquence § La TEI ne se limite pas à un type de textes et, de du guidelines. par sa maturité (20 ans), répond à l’ensemble des Un texte encodé en TEI est validé selon un schéma besoins des chercheurs en sciences humaines et qui respecte le guidelines de la TEI. même plus. § La TEI comprend 450 éléments !! § Et la TEI est extensible… 24/01/2008 № 11

Le consortium TEI Pour maintenir, développer et faire connaître la TEI, une fondation à but non lucrative a été fondée en 1999. Elle est basée à : • Oxford University • Brown University • University of Virginia • LORIA/ATILF/INIST (Nancy) Deux instances composent le TEI Consortium : • TEI council, chargé des développements du guidelines ; • TEI board, chargé de gérer le consortium. Deux éditeurs sont chargés de mettre au point et consolider le guidelines : • Lou Burnard, Oxford University • Syd Bauman, Brown University Toutes les institutions ou personnes peuvent adhérer au consortium pour supporter la TEI. Le consortium organise une fois par an une réunion rassemblant les membres, occasion pour présenter les projets, les nouveaux développements et rencontrer les différents acteurs de la TEI. 24/01/2008 № 12

Organisation de la TEI : les modules (1) Les 450 éléments de la TEI sont réparties en 21 chapitres qui décrivent et définissent un ensemble cohérent d’éléments, appelé module. Nom du module Identification Exemples Analysis Analyse et interprétation <c>, <w>, <m> Certainty Certitude et incertitude <certainty> Core Eléments communs à tous les textes <bibl>, <hi>, <list>, <item>, <p>, <note>, <l>, <lb/>, <pb/> Corpus Métadonnées pour les corpus linguistiques <text. Desc> Dictionaries Dictionnaires imprimés <entry>, <etym>, <def> Drama Texte dramatique <role>, <cast. List>, <actor> Figures Tableaux, formules et images <figure>, <table>, <row>, <cell> Gaiji Documentation des caractères et des glyphes <char>, <g> Header Métadonnées communes <tei. Header>, <title. Stmt>, <series. Stmt> iso-fs Analyse des traits structurelles Linking Lien, segmentation et alignement 24/01/2008 <link>, <seg> № 13

Organisation de la TEI : les modules (2) Nom du module Identification Exemples Msdescription Description des manuscrits <ms. Description>, <binding. Desc>, <filiation> Namesdates Noms, dates, personnes et lieux <pers. Name>, <date>, <geog. Name>, <org. Name> Nets Graphes, réseaux et arbres <root>, <tree> Spoken Transcription de corpus oraux <incident>, <pause>, <u> Tagdocs Documentation des éléments (de la TEI) Tei Infrastructure de la TEI <tei>, <teicorpus> Textcrit Apparat critique <list. Wit>, <witness>, <app>, <rdg> Textstructure Structure par défaut des textes <text>, <front>, <body>, <back>, <div> Transcription des sources primaires <damage>, <hand. Shift>, <restore> Verse Texte versifié <rhyme>, <caesura> En fonction du texte encodé, l’utilisateur choisit les modules qui lui sont utiles pour construire son schéma. Seul le module tei est obligatoire. Mais il faut au minimum les modules tei, core, header et textstructure pour encoder un texte simple. 24/01/2008 № 14

Organisation de la TEI : les classes En plus de l’organisation sous formes de modules, les différentes éléments de la TEI sont réparties dans des classes. Elles déterminent : • Les attributs partagés par un ensemble d’éléments ; • Le comportement de l’élément, c’est-à-dire l’endroit où il peut être placé. Les éléments héritent des règles attribuées à leur classe ou à leur super-classe. Un élément peut appartenir à une ou plusieurs classes. L’utilisation des classes n’est pas requise pour mettre au point un schéma simple. 24/01/2008 № 15

Organisation de la TEI : un exemple pour les classes d’éléments <body> <div> <lem> model. common model. inter <figure> <table> <cit> <source. Desc> model. list. Like model. p. Like <list. Bibl> <p> <ab> model. bib. Like <bibl> 24/01/2008 № 16

Organisation de la TEI : un exemple pour les classes d’attributs @xml: id @xml: lang att. global @xml: base @n @rend <bibl> @rendition att. type @type @subtype att. declarable 24/01/2008 @default № 17

ODD (One document does it all) (1) Pour définir un schéma XML à partir du guidelines de la TEI, un format, appelé ODD, a été mis au point. Un fichier ODD est un document XML dérivé de la TEI qui permet de déterminer : • les modules utilisés ; • le comportement d’un élément, c’est-à-dire changer sa ou ses classes Il offre aussi la possibilité d’aller plus loin dans la personnalisation : • changer le nom d’un élément ; • déterminer les éléments utilisés ou non dans un module ; • ajouter un attribut et le rattacher à une classe ; • ajouter un nouvel élément en le reliant à une classe, un module et/ou même un élément ; • contraindre la valeur d’un élément ou d’un attribut ; • documenter l’utilisation d’un élément existant ou ajouté, c’est-à-dire son propre guide de balisage 24/01/2008 № 18

ODD (One document does it all) (2) ODD permet donc de construire son propre schéma issu de la TEI adapté à vos besoins précis. Tous les changements par rapport à la « TEI canonique » , c'est à dire les éléments et les attributs, leurs noms, leurs comportements et leurs sémantiques, seront indiqués dans ce fichier ODD. 24/01/2008 № 19

Roma : une interface Web pour construire son schéma Roma est une interface Web mis au point par le consortium qui permet de construire son fichier ODD, et donc son schéma suivant le guidelines de la TEI. http: //tei. oucs. ox. ac. uk/Roma/ 24/01/2008 № 20

Roma : page d’accueil 24/01/2008 № 21

Roma : les schémas prédéterminés 24/01/2008 № 22

Roma : les métadonnées de la personnalisation 24/01/2008 № 23

Roma : interface en français 24/01/2008 № 24

Roma : choisir la langue des éléments et de la documentation 24/01/2008 № 25

Roma : choix des modules 24/01/2008 № 26

Roma : Module ajouté 24/01/2008 № 27

Roma : Description du module 24/01/2008 № 28

Roma : ajouter un élément 24/01/2008 № 29

Roma : modification des classes d’attributs 24/01/2008 № 30

Roma : sanity checker 24/01/2008 № 31

Roma : génération de la documentation 24/01/2008 № 32

Roma : génération du schéma 24/01/2008 № 33

Roma : sauver votre personnalisation sous forme de fichier ODD 24/01/2008 № 34

Un exemple pas à pas d’utilisation de la TEI Je souhaite encoder des textes simples du type rapport, article, monographies… 24/01/2008 № 35

Qu’est-ce-qu’on encode ? § Extensibilité de XML est infinie : d'une partie à une lettre à l'intérieur d'un mot • Il est essentiel de faire des choix, car il est impossible de tout encoder. • Il faut déterminer toutes les informations possibles qu’il est utile, souhaitable d’encoder § Questions essentielles : • • • Pourquoi encoder ce document ? A quoi va servir l'encodage ? Quelles informations sont utiles par rapport au but poursuivi ? Quelle est la nature du document ? Comment fonctionne-t-il ? 24/01/2008 № 36

Les macro-structures § Les éléments de structure générale d’un fichier TEI • <tei>, <tei. Header>, <text> § Les éléments qui composent le texte • <front>, <body>, <back> § L’élément « magique » de structuration du texte • <div> 24/01/2008 № 37

Les micro-structures § Les éléments d’un texte • • Les mises en valeur : <hi></hi> Les images : <figure><fig. Desc></fig. Desc><graphic/></figure> Les citations : <q></q> ou <quote></quote> Les notes : <note></note> Les mots étrangers : <foreign></foreign> Les listes : <list><item></list> Les tableaux : <table><row><cell></row></table> § Les éléments de la bibliographie • Une bibliographie : <list. Bibl> • La référence bibliographique : <bibl> • Les éléments de la référence bibliographiques : <author>, <bibl>, <bibl. Scope>, <publisher> 24/01/2008 № 38

Utilisation de Roma pour construire mon schéma 24/01/2008 № 39

La structure générale d’un fichier TEI <TEI> <tei. Header> <file. Desc> <title. Stmt><title>Le titre</title></title. Stmt> <publication. Stmt><p>Éditeur</p></publication. Stmt> <source. Desc><p>Source du fichier numérique</p></source. Desc> </file. Desc> </tei. Header> <text> <front></front> <body> <div></div> (la balise magique !!) <div type="partie"> <p> Mon texte avec une <hi rend=“italic”>emphase</hi>. </p> </div> </body> <back></back> </text> </TEI> 18/12/2006 № 40

Exemple d’une référence bibliographique <bibl> <author>Gautier Poupeau</author>, <title level="a">L'édition électronique de sources historiques. Nouvelles approches de l'indexation</title>, dans <title level="m">Indexer les <foreign>exempla</foreign> médiévaux</title> sous la direction de Marie-Anne Polo de Beaulieu, <title level="j">Cahier du centre de recherches historiques</title>, n° 35, avril 2005, <bibl. Scope type="page">pp. 71 -78</bibl. Scope> </bibl> 18/12/2006 № 41

Exemples d’utilisation de la TEI § La plateforme Cyberdocs utilisée pour la mise en ligne des thèses, par exemple : Université de Lyon 2 § Un exemple d’édition critique accompagné de la numérisation de l’original : Le cartulaire de Nesle § Autre exemples d’édition critique : Les comptes des consuls de Montferrand ou les chroniques latines de Saint-Denis § Un exemple de numérisation en mode texte : les cartulaires numérisés d’Ile-de-France § Un répertoire de manuscrits : le Miroir des classiques § Une plate-forme de publication et de traitement de textes encodés en XML : Telma 24/01/2008 № 42

Des questions ? ? ? Merci pour votre attention !! Des questions ? 24/01/2008 № 43