| Version 18 (modified by , 14 years ago) (diff) |
|---|
Song Yingxing (宋應星) 1637, Tian gong kai wu (天工開物)
(link zum Anzeigesystem; XML-Text in der Version zum Bearbeiten und im Anzeigesystem)
Stand
Die alte Version des Textes wurde erst schemakonform gemacht, dann von Madlen überarbeitet und von mir wieder schemakonform gemacht. Für das Anzeigesystem werden jeweils noch die Floats herausgezogen (Skript) und die div's neu numeriert (Skript). Da der Ausgangspunkt nicht ein Rohtext nach den DESpecs war, ist die Bearbeitung nicht vollständig repräsentativ für den chinesischen Workflow.
Außerdem:
- TOC neu formatiert (aber siehe unten: Anzeige von <head>)
- div's eingefügt (Skript plus Nachbearbeitung für die hierarchische Struktur)
- Einrückungen normalisiert
- Überschriften markiert. N403115, N404D1B, N404EB2, N4051B4, N405238: jeweils zwei <s> zu einer <head>, inklusive Entfernen einer ID. Erkennbar am Fullwidth-Doppelpunkt in der neuentstandenen heading.
- N404548: typo im Original korrigiert (十三 statt 十一)
- wenige Zeichen verbessert: Kurzzeichen in 天工开物 durch Langzeichen ersetzt, ein paar Zeichen in Überschriften ergänzt, N402CA2: full-width space vor 回 eingefügt
Fragen zum Text
- Was will mir der geschwärzte Abschnitt am Ende des TOC (Seite 5A) sagen?
- <sm> in <p> als note herausziehen, oder drinlassen? Bisher war die Idee, es als note herauszuziehen, allerdings wurde es bisher noch nie gemacht. Es gibt, trotz der suggestiven Aufteilung in <s>, keine technischen Gründe dagegen. Testweise beide Versionen erzeugen und dann vergleichen?
- 194A: was ist das: eine Aufzählung?
- 25B ff: Aufzählung; spaces im Text plus 一 bedeuten: hier fängt ein neuer Punkt an. Diese spaces in den Text einfügen, weil sie im Text stehen, auch wenn sie durch die <s> praktisch überflüssig geworden sind? Denn sonst ein Problem, wenn man die Zeichen prüfen will, siehe unten.
- 118B-122A: was bedeutet das? keine offensichtliche Aufzählung. Mehrere Absätze??
- 207B f: was ist das?附 = Anhang? Jedenfalls: N405BEF zu heading gemacht, Doppelpunkt aber dringelassen
- 226A-227B: zwei Absätze. Ein Nachwort? (das moderne Nachwort kommt dahinter und wurde nicht abgetippt)
- <s xml:id="N40501B"></s> am Ende von 178B / 358 entfernt. Ok?
- 108B: die identische caption steht zweimal da (im Bild und deshalb auch im Text). Ich habe sie einmal gelöscht, um den Text schemakonform zu machen. Ist das okay?
- Überschriften N40032D (Seite 8B): zwei <head> zu einer einzigen Überschrift gemacht:
<head xml:id="N40032D">稻工 耕 耙 磨耙 耘耔<emph style="sm">具圖</emph>. Spaces in andere Überschriften, zum Beispiel N400574 (ein <head>), genauso? (Zwei head waren drin, weil ein large space dazwischen ist. Andererseits N4006C6 ein 3-space und noch ein 2-space. Alternative: die spaces genau tippen, anstatt large spaces in Überschriften zu einem einzigen space zu machen? Aber ist dadurch etwas gewonnen, wenn die large spaces nicht ausdrücklich bedeutungstragend sind? Und um wirklich das Buch-Design wiederzugeben, müssten wir dann zusätzlich auch noch bei zum Beispiel der heading N401D3B auf Seite 60B / 122 am Anfang ein Einrückungs-space tippen. In den DESpecs 2.0.1 sollen large spaces in Überschriften ausdrücklich als ein einziger space getippt werden.)
(vergleiche eventuell auch die Version des Textes bei Gutenberg)
Darstellung der Abbildungen
Problem des Bildbeschreibungstextes auf Seite 83B / 168. Gehört nicht zum Haupttext, sondern unterbricht den Haupttext. Deshalb eine Textzeile von Seite 84A auf Seite 83A verschoben. (Kann man zurückändern, wenn man etwas wie <explanation> einführt, siehe unten.)
Problem der Überschriften, die eigentlich captions für Figure-Gruppen sind: zum Beispiel Seite 14A / 29 und 63A / 127. (In beiden Fällen trotzdem ein neues div begonnen.)
Problem der Doppelseitenbilder: Die Bildhälften passen nicht so zusammen, wie sie gedruckt sind (zum Beispiel 016A und 016B, die auf dem gleichen Blatt gedruckt sind), sondern wenn man das gebundene Buch aufschlägt. Ein Beispiel ("--" bedeutet, dass es auf der entsprechenden Seite keine caption bzw. description gibt):
| Buchseiten | caption | descriptions | ||
| 14A | 汲水圖 (Figure-Gruppen-caption) | |||
| 015A 014B | -- | 筒車 | 橛障 坡水 坡水 牐 | 規水 規水 岸 |
| 016A 015B | 人車 | -- | 蘢骨 | -- |
| 017A 016B | -- | -- | -- | 中柱 牛轉盤外 |
| 017B | 拔車 | -- | ||
| 018A | 桔槔 | 墜石 井 | ||
Sollte man auch JPGs der zusammengehörenden Bilder zur Verfügung stellen? Die Bilder wären leichter zu erfassen, aber die Numerierung der Seiten im Anzeigesystem wäre dann (zumindest zurzeit) verwirrender: Unter anderem sieht man der Zahl dann nicht mehr an, ob es eine rechte oder linke Seite ist. Man müsste dann auch die Information "014B" etc. anzeigen (das wäre allerdings sowieso sinnvoll!).
| JPG | bisher | nachher |
| 014B | 30 | 30 |
| 015A | 31 | 31 |
| 015A_014B | 32 | |
| 015B | 32 | 33 |
| 016A | 33 | 34 |
| 016A_015B | 35 | |
| 016B | 34 | 36 |
| 017A | 35 | 37 |
| 017A_016B | 38 | |
| 017B | 36 | 39 |
| 018A | 37 | 40 |
| 018B | 38 | 41 |
Alternative wäre eine zwei-Seiten-Ansicht. Beachte außerdem die Umkehrung der links-rechts-Metapher.
noch zu tun
von Dagmar
- div-Struktur prüfen (u.a. preface). Ist die unterste Ebene sinnvoll oder störend (ich finde sie sinnvoll)? Und part statt chapter für 上, 中, 下? Bei europäischen Texten würde eine fortlaufende Abschnitt-Zählung (1-6, 7-13, 14-18) nahelegen, dass es Teile und keine Kapitel sind. Funktioniert diese Logik auch bei chinesischen Texten?
- neue Textstücke in <s> aufteilen, und interpunktion (Liste machen? Insbesondere die <s> ohne xml:id)
von mir
- ASCII-Punkte und -Kommas im Text: Kann ich die einfach durch ihre Fullwidth-Äquivalente ersetzen? z.B. N400028 (Punkt), N40003D (Komma).
- Zeilen korrekt einrücken, sobald klar ist, ob die div's so in Ordnung sind.
- ZWS (zero-width space U+200B) korrigieren (Skript?)
- ersetze
\\in <description> durch <lb/>, in <sm> noch unklar. (Siehe auch unten: die Frage der Darstellung von <sm>.) - <pb> tiefer in die Hierarchie? Und andersrum: <pb> auf eigene Zeile wie in westlichen Texten? Optisch eigentlich nicht nötig, weil die <s> sehr kurz sind.
- Title: Sprachkürzel für Pinyin?
- entferne überflüssige spaces, insbesondere vor </s>
- Skript für die Rohfassung des Textes sollte mit <sm> umgehen können; beachte <sm> über Zeilenumbruch hinaus
- nach dem Einfügen von <s> und Interpunktion nochmal normalisieren, zum Beispiel beim eingefügten Text 25B / 26A. Beachte insbesondere längere Stellen wie N405661, N4057D8, N4061DE, N406241, wo die <lb> zurzeit als returns drin sind.
- am Ende: fehlende xml:id ergänzen
von Student
- fehlende Zeichenvarianten einfügen, insbesondere aus Extension B. Siehe Madlens Begleittext: DOC, PDF. Siehe auch @ im Text.
- markiere alle <s> in kleiner Schrift analog zu
<s xml:id="N4001B1" style="sm">, zum Beispiel N40565E - prüfe alle <s>, die kein Satzzeichen am Ende haben, zum Beispiel N404EFF, N405E70. Vorsicht bei Stellen, wo Text ergänzt wurde, z.B. nach N402826.
- verbotene Zeichen am Anfang von <s>, zum Beispiel ” (Artefakt des damaligen <s>-Skripts; für ” habe ich es schon gemacht); überhaupt wäre es am besten, alles zwischen “ und ” in ein einziges <s> zu tun
- Haben die ASCII-spaces vor </s> irgendeine Bedeutung? Ansonsten entfernen. Auch vor <emph style="sm"> und </head>.
Problem von inkorrekten Langzeichen: Haben die Taiwanesen nach dem Abtippen einen Konverter verwendet? Beispiel Seite 300: Das letzte Zeichen vor der Überschrift (in N404302) ist falsch: Bild, Text. Das zugrundeliegende Problem ist offenbar, dass das korrekte Zeichen 云 als Kurzzeichen interpretiert und durch das Langzeichen 雲 ersetzt wurde. Ebenso falsch in N4007E2, N4047A1, aber möglicherweise ist 雲 an anderen Stellen korrekt. Aber zum Beispiel 麵 kommt nicht vor. (Und das letzte Zeichen auf Seite 168B / 338 ist im Text 後, das Kurzzeichen wäre 后. Im Buch steht aber 左 ?)
Fehlende und überflüssige Zeichen: Gehe die vom Skript lb-anzeigen.pl nachträglich erstellte Rohfassung durch (Rohtext nach dem Markieren der kleinen Schrift updaten!). Danach kann ich mit dem Skript lb-einfuegen.pl die <lb/> einfügen.
- Zeichen zuviel: Beispiel 214A [N405E93] (eine ID in eckigen Klammern bedeutet, dass der <p> keine ID hat und statt dessen die ID des ersten <s> verwendet wird)
- Zeichen zuwenig: Beispiel 6B N40015A
- Struktur stimmt, aber trotzdem falsche Zeichen (einzelne falsche Zeichen, oder verschobene Stücke): Beispiel N400814 (letztes Zeichen in Zeile 4 stimmt sicher nicht; um eins verschoben)
- <sm> nicht markiert
- Spaces von Aufzählungen nicht eingefügt (aber: will man das denn?)
Haben Leerzeichen in den folgenden Zeilen eine Bedeutung (manchmal stehen ASCII-spaces für full-width spaces, ich habe das nicht einzeln geprüft):
- 41B: <desc>坑 坑</desc>
- 43A: <caption>印架 過糊</caption>
- N40386D, N403973, N403C49, N403E5B, N403F0E, N404786, N404864, N40487F, N4048AB, etc.
- N401D3B: teilweise full-width spaces (1, 1, 2 spaces); aber siehe oben
- N406113 space Absicht? (rausgenommen)
Einzelne Zufallsfunde (eventuell schon durch den Begleittext geklärt?)
- falsche Zeichen: N401F3F, N403112, N405D72, N405D75
- bei N4060CB steht etwas anderes als auf dem Bild: Text: 用泉近烈軍屬主石， Bild: 及泉近?石，
- N404DCF: müsste es nicht 薑 statt 姜 sein?
- N402820 letztes Zeichen falsch? 88A
- N401335 ein Zeichen zuviel
- 51B: N401727 irgendwas falsch
- N404D1B falsches Zeichen
- N404EB2
Wenn alle anderen Probleme abgearbeitet sind: Places einfügen, i.e. von den Markierungen auf Papier in den Text eintragen. Vorschlag: Einfach mit ( ) markieren, ich wandle es dann anschließend um. Beispiel:
<s xml:id="N404318">(北京)有磨法，</s>
Wie werden Orte wie das Pekinger Münzamt in N403023 (唯北京寶源局黃錢與廣東高州爐青錢) markiert? Wird Peking und/oder das Münzamt markiert? (Ähnliches Problem wie bei <ref> im Benedetti.)
mögliche Konsequenzen
für die DESpecs
- Die Regelung, dass Zeichenvarianten nur beim ersten Mal markiert werden sollen, muss noch überarbeitet werden. Problem ist, dass ein Text sowohl das Standardzeichen als auch mehr als eine Variante enthalten kann. An welcher Ebene setzt man an, beim Abtippen oder bei der Nachbearbeitung?
\\in <desc> erlauben, oder nur einfach damit umgehen können, falls es gemacht wird?
für das Schema
- ein bisschen (aber nicht völlig) analog zu <pb>: <figure> in <p> erlauben, damit man nicht </s> hinter die Figure verschieben muss? Kein großer Leidensdruck, und das Ergebnis wäre auch nicht konsequent.
< V>vorläufig als <reg norm="鬵" type="unresolved">鬵</reg>. Explizite Typen einführen, z.B. "variant/auto" (für mit< V>markierte Zeichen) und "variant?/auto" (für Zeichen, die bereits an anderer Stelle als< V>markiert wurden). Siehe Variantenmarkierung in den DESpecs.- Attribut von <head>: Verschachtelungstiefe. Siehe unten.
- aufgeteiltes Bild auf Seite 76B / 154: Lösung für das Problem von mehr als einer caption. Okay so, oder muss man in <figure> etwas wie Unter-Figures oder <teil-figure> erlauben? Problem ist auch: Nach den bisherigen Erfahrungen wird das bei der Transkription nicht funktionieren, wir sprechen also über etwas, was man im post-processing machen müsste.
Bild mit Beschreibungstext auf Seite 83B / 168: Weitere Kategorie neben caption, description, variables? Zum Beispiel <explanation>. (Oder man erlaubt einfach <p> in <figure>? Aber das wäre ein bisschen inkonsequent.)
Eine Alternative wäre, in <description> das echo.flexible.model zu erlauben: Also
echo.description.attlist = echo.inline.attrib echo.description.content = echo.inline.model
wird zu
echo.description.attlist = empty echo.description.content = echo.flexible.model
(und genauso für <caption>, aber nicht für <variables>). Die Lösung mit <explanation> kommt mir aber geeigneter vor. Insbesondere weil <description> normalerweise im Bild ist und nicht neben oder unter dem Bild.
für den Workflow
- Die ZWS sind schwierig zu kontrollieren, weil sie für den normalen Bearbeiter nicht sichtbar sind. Gibt es Alternativen, die auch in Arboreal funktionieren und den optischen Eindruck nicht stören? (Ich fürchte nicht; sichtbare Zeichen wie zum Beispiel ASCII-spaces zwischen den Schriftzeichen fallen als eurozentrische Lösungen weg.) Normalisierungs-Skript schreiben. Darf bestehende bedeutungstragende ZWS (wo ihre Abwesenheit also bereits ein mehr-Zeichen-Wort ausdrückt) nicht verändern.
- Die Logik, die <pb> so weit wie möglich in der Hierarchie zu verstecken, habe ich bei diesem Text nicht angewendet. Sollte man das nachholen? Dann müsste zum Beispiel eine Seiten-Figure auch den nachfolgenden <pb> enthalten. Keine technische, sondern eine konzeptionelle Frage. Zumindest bei <div> ist aber klar, dass <pb> hineingezogen wird. Und in <s> könnte man <pb> auch problemlos hineinziehen.
- In chinesischen Texten können problemlos Überschriften in der letzten Zeile auftreten, das ist also kein Hinweis auf einen Fehler, im Gegensatz zu europäischen Texten. Beispiel 104B, wo man den folgenden Text auf 105A im aufgeschlagenen Buch nebeneinander sieht, und auch 148A / 148B, wo das nicht der Fall ist. (Die Überschrift auf Seite 85B ist wirklich ein footer.) Konsequenterweise müsste man <pb> auch in <head> verschieben. Dieser Fall kommt in europäischen Texten bisher nur bei mehreren Textflows vor, also beispielsweise beim Eipo-Text.
- Skript für "pb verstecken"? Das wäre auch wichtig, um andere workflows zu integrieren.
- Ich könnte genauso gut mit der Version arbeiten, wo die Figures bereits aus <p> herausgezogen sind. (Ansonsten: Einen Arbeitsschritt, in dem alle Skripte sind, mit dem aus der Bearbeitungsversion die Anzeigeversion wird? Problem: Dann wäre der Text vorher noch nicht schemakonform, also wahrscheinlich keine gute Idee.)
GIS
Der Text enthält zurzeit nur ein einziges <place>-tag auf Seite 300. Zurzeit wird <gis-table> nicht ausgewertet und ist auch gar nicht in den Metadaten.
Textanzeige
chinesische Satzzeichen
Manche Satzzeichen werden fälschlicherweise durch ihre ASCII-Äquivalente ersetzt:
| Satzzeichen | 。 | ！ | ？ | ， | 、 | ： | ； | " " |
|---|---|---|---|---|---|---|---|---|
| angezeigt als | . | ok | ok | ok | , | ok | ok | " " |
Beispiel hier. Im Gesamt-XML ist es 。:
<s xml:id="N406244" xml:space="preserve">則又非也。</s>
aber im Seiten-XML und bei der Textanzeige ist es ein ASCII-Punkt:
<s xml:id="N406244" xml:space="preserve">則又非也.</s>
(Ein bisschen verwirrend ist, dass einige wenige ASCII-Punkte und -Kommas tatsächlich noch im Text enthalten sind. Das wird noch korrigiert.)
Überschriften
Die Überschriften werden zentriert angezeigt. Bei Absätzen mit <lb/> kann es passieren, dass die Überschrift rechts neben dem Text steht, zum Beispiel auf Seite 3.
Die unterschiedlichen Verschachtelungstiefen werden durch die Zentrierung verschleiert. Kann man das ändern? Das Problem ist offensichtlicher als bei europäischen Texten, weil es die Verschachtelung durch Einrückung markiert wird und nicht durch Hinweise im Text. Der Zusammenhang mit der Einrückung ist nicht gradlinig, allerdings sollen die Chinesen <ti>, <h 1>, <h 2> etc. tippen.
- Ebene 1 (alle
<ti>, z.B. 天工開物卷上 und 分宜教諭宋應星著 auf Seite 6A) Einrückung entweder 0 oder nahezu rechtsbündig - Ebene 2 (
<h 1>, z.B. 乃粒第一卷) Einrückung 2 - Ebene 3 (
<h 2>, z.B. 總名) Einrückung 1 - (im toc ist es wieder anders)
Lösung ist wohl einfach, dass <head> (aber wohl nur bei chinesischen Texten) ein Attribut "headlevel" bekommt, siehe oben. Sonst: Eine Überschrift "weiß" von seinem übergeordneten div, wie weit es verschachtelt ist, allerdings fängt die Zählung nicht bei null an.
Dann kann ich mir auch die verschachtelten div's im toc sparen. Allerdings funktioniert das dann nur bei chinesischen Texten, nicht bei europäischen. (andererseits: wenn man "headlevel" auch für europäische Texte einführt, müsste man es zwar im post-processing per Hand einfügen, aber danach könnte das div-Skript automatisch eine hierarchische div-Struktur einfügen.)
figures
Alle Bilder sind Seitenbilder und werden daher nicht ausgeschnitten. (Eine Option für Ansicht mit Bild und Text auf einer Seite statt auf zwei Seiten wäre trotzdem schön.)
Die einzige Ausnahme ist das Bild auf Seite 83B / 168. Eine Besonderheit dieses Textes ist also, dass fast alle Figures kein <image> haben.
- Die Lösung, Figures in <div float> rechtsbündig anzuzeigen, funktioniert bei Seitenbildern optisch nicht. Vergleiche Figure 12 ohne <div float> und Figure 13 mit <div float>. Vermutlich sollten wir also doch als Standard nehmen, Bilder linksbündig anzuzeigen. Würde sich die Lage verändern, wenn man in bei den Bildern noch die Position definiert?
- <caption> wird über dem Bild gezeigt, alle <description> hintereinander ohne return oder space neben "[Figure: ...]:" ( Beispiel). Aber descriptions sind keine Unter-Überschriften. Die caption sollte dort gezeigt werden, wo jetzt die descriptions sind. Die descriptions dann darunter, jeweils in einer neuen Zeile für jede description. (Problem der mehrzeiligen descriptions: Listenpunkte für die descriptions?)
- Die Bilder mit <div float> werden nicht korrekt durchnumeriert. Intern stimmt die Numerierung aber: Nach viermal 13 kommt 17.
- Das Symbol für ein fehlendes Bild wird angezeigt unabhängig davon, ob die Figure ein <image> hat oder nicht. Beispiel: Bilder 1-6 haben kein <image>, aber Bild 7 und 10 haben <image>.
- Aufruf der Table of Figures ergibt eine Fehlermeldung.
- Insbesondere für die Doppelseitenbilder braucht man die umgekehrte links-rechts-Metapher der Pfeile.
small text
Beachte: Falls die <sm> aus <p> noch als notes herausgezogen werden, hat die Darstellung von <sm> im Text keine hohe Dringlichkeit mehr, denn dann kommt das nur noch in Überschriften, im TOC, etc. vor.
<emph style="sm">wirkt korrekt angezeigt: Beispiel (beide Überschriften auf Seite 74)<s style="sm">wirkt nicht korrekt angezeigt: Beispiel- <sm> sollte sich optisch klarer von normal großem Text unterscheiden, d.h. etwas kleinere Schriftgröße in chinesischen Texten (und damit auch in europäischen Texten, wenn man nicht verschiedene CSS-Versionen pflegen will)
- Ist es technisch möglich, <sm> wie im Buch in zwei Reihen darzustellen, die zusammen genauso hoch sind wie ein normales Zeichen? Beispiel Bild, Text. Im Text wäre das
<lb type="halfline"/>, was nicht wie ein normaler <lb/> behandelt werden darf, sondern sich nur auf <sm> bezieht. (Das\\in table cells wird zu einem normalen <lb/>, weil es hier keine Probleme gibt.) Wäre denn eine Tabellendarstellung on-the-fly mit einer quasi unsichtbaren Tabelle bei cinesischen Texten eine sinnvolle Lösung? Oder erzeugt das weitere Probleme beim Suchen, cut&paste, etc.? - Und will man das? Dafür spricht, dass es dem Seitenbild besser entspricht. Dagegen spricht, dass es dann eventuell nicht mehr gut lesbar ist. Alternativ kann man die normalen Zeichen größer anzeigen anstatt die kleinen kleiner. (Und man kann nicht garantieren, dass ein sm-Zeichen wirklich die gleiche Höhe wie ein normales Zeichen hat; allerdings wird es bei gedruckten Büchern fast immer so sein.)
Table of Contents
Die div's der front matter werden nicht angezeigt: Title, preface, toc. Bei toc sollten die verschachtelten div's nicht angezeigt werden. Ich werde das ändern, sobald ich dazu komme.
Seitenzahlen
Es sollte auch der Name der Halbseite angezeigt werden, also zum Beispiel 168 / 83B und 169 / 84A. Ansonsten ist es mühsam, eine Seite zu finden. Aus dem file-Attribut in <pb> extrahieren, oder neues Attribut? Das o-Attribut, in dem die originale Seitenzahl steht, passt hier nicht, denn zum Beispiel "83B" steht ja nicht auf der Seite, sondern ist eine nachträgliche Zählung.
Suche
Es kann immer wieder passieren, dass die ZWS durcheinandergeraten. Wie geht die Suche damit um? Suchoption "ignoriere ZWS"?
Zeichen-Varianten
Infrastruktur für die Anzeige von ⿱金尖.svg schaffen. <image> muss anders behandelt werden als bei Figures.
PDF-Darstellung
Sun-ExtA sollte nur für chinesische Zeichen und Interpunktion verwendet werden. Beachte Extension B einerseits und lateinische Zeichen andererseits.
Nebenfunde
Der URL-Zusatz &sn=... numeriert die Überschriften nicht mit durch, man kann also beispielsweise die Überschriften im Beispiel für <emph style="sm"> nicht explizit markieren. Bug oder feature?
Dieser Aufruf ergab einmal
- Error found: Server returned HTTP response code: 500 for URL: http://nausikaa2.mpiwg-berlin.mpg.de/digitallibrary/servlet/Texter?fn=/permanent/echo/china/songy_tiang_zh_1637/index.meta [at line 162, column 3] (plus Java-Stack)
(kurz danach funktioniert er wieder): Wird bei jedem neuen Seitenaufruf die index.meta-Datei neu geladen? Kann man die Fehlermeldung benutzerfreundlicher darstellen?
