Sistema de
Edições Eletrônicas
do Corpus Tycho Brahe

Fundamentos, Diretrizes e Procedimentos

setembro, 2007


 

[projeto Memórias do Texto]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Índice Completo

0. Introdução

0.1 Visão geral

0.2 O Processamento Eletrônico de Textos

0.2.1 Conceitos Introdutórios
0.2.2 A codificação eletrônica da informação
0.1.3 Breve tipologia dos textos eletrônicos

0.3 Controle do Processamento Eletrônico

0.3.1 Motivações para o processamento controlado
0.3.2 O Hipertexto como forma de processamento controlado
0.3.3 A linguagem de anotação extendida, ou XML

0.4 Etapas do Trabalho de Edição Eletrônica

0.4.1 Procedimentos de Edição – Visão Geral
0.4.2 Procedimentos da Edição Eletrônica
(Diagrama: Edições Eletrônicas: Fluxo dos Procedimentos)

I. Catalogação

I.1 Diretrizes

I.2 Procedimentos

I.2.1 Arquivo Básico de Catalogação
I.2.2 Anotação dos metadados
I.2.2.1 Esquema da anotação de cabeçalhos
(Guia das Nomenclaturas)
I.2.2.2 Amostra: Cabeçalho e Ficha catalográfica de um texto do Corpus
I.2.3 Formação do Catálogo de Categorias
I.2.3.1 Ativação do Catálogo – via local
I.2.3.2 Ativação do Catálogo – via remota

I.3 Documentação (Catalogação Interna)

I.3.1 Estruturas de Diretório
I.3.2 Tabela de nomeação dos arquivos
I.3.3 Gramática da anotação XML no Corpus (DTD)

II. Transcrição

II.1 Diretrizes

II.1.1 Visão Geral
II.1.2 Normas para a transcrição de originais
II.1.2.1 Caracteres alfabéticos
II.1.2.2 Abreviaturas, pontuação e organização espacial do texto
II.1.2.3 Indicações de Dificuldades de Leitura e Aspecto do suporte material

II.2 Procedimentos

II.2.1 Digitação
II.2.1.2 Checagem no browser (debug)
II.2.2 Anotações de Estruturas de Texto (gross structure)
II.2.2.1 Anotação de Formatação
II.2.2.2 Anotação de Divisões do Texto
II.2.2.3 Anotação de Elementos do Texto
II.2.2.4 Anotação de Dificuldades de Leitura e outros Comentários
II.2.3 Exemplo: Transcrição de um original impresso

III. Edição

III.1 Diretrizes

III.1.1.Visão Geral
III.1.2. Normas de Edição
III.1.2.1 Caracteres alfabéticos
III.1.2.3 Grafia
III.1.2.4 Léxico e Morfosintaxe
III.1.2.5 Outras Interferências

III.2 Procedimentos

III.2.1 Anotação das Interferências de Edição
II.2.1.1 Anotação geral
II.2.1.2 Atributos para os tipos de interferências
III.2.2 Exemplo: edição interpretativa
III.3 Diretrizes para a transposição digital de outras edições
III.3.1 Exemplo: Transposição Digital de uma edição semi-diplomática
III.3.2 Normas para a Transposição Digital de Outras Edições

IV. Apresentação

IV.1 Fundamentos

IV.1.1. Visão Geral
IV.1.2. Exemplo da apresentação de um texto editado eletronicamente
IV.1.2.1. Seleção no Catálogo de Textos
IV.1.2.2. Portal e Ficha Catalográfica
IV.1.2.3. Apresentação na Versão Edição Conservadora ou Diplomática
IV.1.2.4. Apresentação na Versão Edição Interpretativa
IV.1.2.5. Apresentação na Versão Edição Interpretatva para análise automática
IV.1.2.6. Apresentação na Versão Léxico de Edições
IV.1.3. O Hipertexto Crítico

IV.2 Procedimentos

IV.2.1 Procedimentos de Ativação
IV.2.1.1 Ativação das transformações – via local
IV.2.1.2 Ativação das transformações – via remota
IV.2.1.3 Associação Direta nos Documentos
IV.2.2 Programações de Transformação


 

0. Introdução

O sistema de edição utilizado no Corpus Histórico do Português Tycho Brahe foi desenvolvido de modo a trazer para o âmbito do trabalho de edição filológica alguns avanços no processamento eletrônico de textos. Entende-se aqui por edição filológica a edição especializada que procura trazer a público o texto de difícil lição – tipicamente, o texto antigo.

Focaliza-se a edição filológica dirigida a um público especializado: o lingüista, ou estudioso da história da língua. Neste tipo de edição, a finalidade da pesquisa lingüística confere à edição a responsabilidade pela máxima fidelidade em relação aos textos originais.

A isso deve-se conjugar um segundo objetivo: a preparação dos textos para análise automática por ferramentas de análise lingüística (etiquetador morfológico e analisador sintático).

O sistema de edição aqui apresentado se propõe a atender a essas duas demandas (qualidade filológica e adequação para as ferramentas). Os fundamentos e motivações desse trabalho são expostos nesta Introdução.

Os procedimentos no processo de edição eletrônica refletem fundamentalmente os procedimentos do trabalho de edição em geral; entrentanto, o processamento eletrônico confere singularidades técnicas a algumas etapas do trabalho. As as diretrizes e os procedimentos segidos no sistema de edição são descritos nas seções I a IV:

 

 


 

 

 

0.1 Visão geral


img2

A forma mais fiel de se reproduzir um texto antigo no meio digital é sem dúvida o fac-simile. Entretanto, para pesquisas lingüísticas é necessário trabalhar o texto como seqüências de caracteres (não como imagens).

A solução de transposição automática da imagem em texto via programas de OCR não é uma opção satisfatória por enquanto, uma vez que as características tipográficas dos textos mais antigos são desafiantes para os programas de OCR disponíveis.

No trabalho de preparação de textos para o Corpus Tycho Brahe, a saída de curto prazo escolhida foi a transcrição dos originais, enquanto se pesquisam formas de adequação do reconhecimento automático (tanto via OCRs aprimorados como via sistemas de correção posterior). >

 
g_008_or

A transcrição deve ser fidedigna ao original, para satisfazer os objetivos lingüísticos das pesquisas.

As normas de transcrição seguidas nesse sistema estão expostas na seção II.1 deste manual; o sistema seguido para obter a apresentação da transcrição do texto está em IV.

Entretanto, as características gráficas e grafemáticas dos textos mais antigos (preservadas nas transcrições conservadoras) dificultam o processamento automático posterior (anotação morfológica).

Para cumprir o objetivo de processamento automático, portanto, o texto original deve ser editado. >

 
g_008_ed_mini

A edição dos textos inclui a modernização das grafias e a normalização dos aspectos grafemáticos, tornando-o assim adequado para o processamento automático.

Neste processo, entretanto, não desejamos perder as características do texto original, importantes para o estudo histórico da língua.

O desenvolvimento do sistema de edições críticas eletrônicas teve como objetivo solucionar essas demandas conflitantes.

As normas de edição seguidas nesse sistema estão expostas na seção III.1 deste manual; o sistema seguido para obter a apresentação da versão editada do texto está em IV.

>


 

<section_title>
  <ed_mark id="ed_mark_373">
      <ed id="e_373">Capítulo</ed>
      <or id="o_373">Capit.</or></ed_mark> Primeiro, De como
  <ed_mark id="ed_mark_374">
      <ed id="e_374">se</ed>
      <or id="o_374">ſe</or></ed_mark>
  <ed_mark id="v_375">
    <ed id="e_375">descobriu<nl/></ed>
    <or id="o_375">deſ-<nl/>cobrio</or></ed_mark> esta
  <ed_mark id="ed_mark_376">
    <ed id="e_376">província</ed>
    <or id="o_376">prouincia</or></ed_mark>,
  <ed_mark id="ed_mark_377">
    <ed id="e_377">e</ed>
    <or id="o_377">&</or></ed_mark> a
  <ed_mark id="ed_mark_378">
    <ed id="e_378">razão</ed>
    <or id="o_378">razam</or></ed_mark> porque
  <ed_mark id="ed_mark_379">
    <ed id="e_379">se</ed>
    <or id="o_379">ſe</or></ed_mark>
  <ed_mark id="ed_mark_380">
    <ed id="e_380">deve</ed>
    <or id="o_380">deue</or></ed_mark><nl/> chamar
  <ed_mark id="ed_mark_381">
    <ed id="e_381">Santa</ed>
    <or id="o_381">Sancta</or></ed_mark> Cruz, e
  <ed_mark id="ed_mark_382">
    <ed id="e_382">não</ed>
    <or id="o_382">nam</or></ed_mark><nl/>
  <ed_mark id="ed_mark_383">
    <ed id="e_383">Brasil</ed>
    <or id="o_383">Braſil</or></ed_mark><nl/>
</section_title>

A edição é realizada sob forma de uma anotação em XML (eXtensible Markup Language) sobre a transcrição do texto. Nesta anotação, são codificados os itens originais e as interferências do editor. Cada uma dessas categorias pode ser mais tarde selecionada isoladamente do arquivo (via XSLT), atendendo portanto o objetivo de facilitar o processamento ao mesmo tempo em que se preservam as informações históricas.

Ao lado se vê um trecho da anotação XML que gera as edições original e modernizada. Atualmente, a anotação é realizada manualmente, no processador Emacs.

Os procedimentos para a anotação das estruturas de texto estão na seção II.2 deste manual; os procedimentos para a anotação das estruturas de edição estão em III.2.

>

 

A etapa posterior é a anotação morfológica (POS) automática, realizada com base numa das versões geradas via XSLT (cf. seção IV do Manual):

transcrição
edição
anotação POS
REINANDO aquelle muy catho- lico & ſereniſsimo Principe elRey Dom MANVEL , fezſe hũa frota pera a India de que hia por capitam mór Pedralua- rez Cabral Reinando aquele mui católico
e sereníssimo Príncipe el-Rei Dom Manuel, fez-se uma frota para a Índia de que ia por capitão mór Pedro Álvares Cabral  
Reinando/VB-AN aquele/D mui/ADV católico/ADJ e/CONJ sereníssimo/ADJ-S Príncipe/NPR el-Rei/NPR Dom/NPR Manuel/NPR ,/, fez/VB-D se/SE uma/D-UM-F frota/N para/P a/D-F Índia/NPR de/P que/WPRO ia/VB-D por/P capitão/N mór/ADJ-R Pedro/NPR Álvares/NPR Cabral/NPR

 

O sistema atual de anotação funciona em módulos separados, sendo cada tarefa desempenhada num ambiente de processamento diferente (cf. Fluxo de procedimentos).

esquema

 

Embreve, teremos à disposição uma ferramenta que permitirá trabalhar com maior segurança e em menor variedade de ambientes, o E-Dictor (Paixão de Sousa & Kepler, em curso).

esquema_2

 

 

 

[completo]

 


 

0.2 O Processamento Eletrônico de Textos

0.2.1 Conceitos Introdutórios

Esta seção apresenta uma breve explanação introdutória em torno da seguinte pergunta:

O que é o processamento eletrônico de textos,
e como ele se diferencia das demais formas de processamento de textos?

Antes, cabe diferenciar os seguintes conceitos:

Texto Manuscrito versus Texto Produzido Manualmente;
Texto Impresso versus Texto Produzido Mecanicamente;
Texto Digital/Eletrônico versus Texto Produzido Eletronicamente

Os termos Texto Manuscrito, Texto Impresso, e Texto Digital/Eletrônico podem fazer referência à forma em que se apresentam os textos; enquanto os termos Texto Produzido Manualmente, Texto Produzido Mecanicamente, e Texto Produzido Eletronicamente fazem referência especificamente à forma em que são produzidos os textos. Um texto produzido mecanicamente pode se apresentar em forma digital (por exemplo, é o caso de fac-similes digitais realizados a partir de edições impressas ou manuscritas); em contraste, um texto produzido eletronicamente pode se apresentar em forma impressa.

Neste momento trataremos especificamente dos processos envolvidos na produção dos textos.

Vamos começar listando as principais diferenças materiais entre o texto processado eletronicamente e o texto processado manualmente ou mecanicamente:

Esta necessidade de mediação determina a singularidade tecnológica da produção eletrônica de textos, em relação à produção manual ou mecânica.

Pois para processar o texto digital, dependemos de tecnologias de informação, ou seja, dependemos de programas que transformem sinais digitais em sinais gráficos legíveis.


 

Aqui voltamos brevemente à questão dos termos referentes à produção e à apresentação dos textos.

O problema da mediação tecnológica, de fato, é relevante no processo de codificação e no processo de de-codificação das informações – ou seja: tanto para produzir um texto em meio eletrônico como para receber ou ler um texto em meio eletrônico, dependemos dos processos computacionais.

Evidentemente, os textos produzidos manualmente ou mecanicamente podem também ser recebidos no ambiente eletrônico (como já dissemos, por meio das digitalização de fac-similes). De um modo geral, entretanto, tais textos são tipicamente produzidos com a finalidade de serem recebidos na forma de objetos físicos compostos por matéria subjetiva (em geral, o papel) e matéria aparente (em geral, a tinta). Como dissemos, as informações são codificadas, nestes casos, pela aplicação da matéria aparente sobre a matéria subjetiva – de forma manual (pelo desenho da mão, com auxílio de instrumentos como a pena ou o lápis) ou mecânica (pela aplicação de desenhos, com auxílio de instrumentos como o tipo gráfico). Na outra ponta do processo – a recepção do texto – tanto no caso de produção manual como mecânica, o processo de decodificação dos sinais gráficos codificados em suportes físicos é visual.

No prosseguimento desta exposição, faremos referência a algumas questões técnicas envolvidos nas duas pontas do processamento de textos em meio eletrônico – produção e a recepção. Passamos agora, então, a usar o termos Texto Digital para nos referirmos àquele tipo de texto não apenas produzido em meio eletrônico, como também recebido em meio eletrônico - ou seja, o texto processado eletronicamente.

 

0.2.2 A codificação eletrônica da informação

Para exemplificar o tipo de processo computacional envolvido nessa mediação da codificação da informação no meio eletrônico, vamos considerar por um instante a (de)codificação dos caracteres de escrita.

Quando “escrevemos” um texto por sistema manual, por exemplo, o que fazemos é desenhar com a tinta no palpel caracteres de um sistema convencional de codificação da linguagem (o alfabeto). O caractere por nós desenhado é recebido imediatamente pelo leitor, sem um instrumento mediador.

desenho A > sinal gráfico A

O texto pode também ser “escrito” por sistema mecânico, ou seja, pelo auxílio de máquinas, como por exemplo a máquina de escrever. Mas a tecnologia da máquina consiste simplesmente em “carimbar” os desenhos que nós teríamos que traçar com as mãos. Neste sentido, não há mediação tecnológica substantiva , apenas uma mediação acessória ao traçado de letras. O mesmo se aplica para outros instrumentos mecânicos de mediação da escrita, como a prensa mecânica (o que inclui as máquinas gráficas mais modernas, que entretanto seguem o princípio do “carimbo” - ou seja, impressão física – de sinais gráficos a serem decodificados visualmente).

O que acontece quanto “escrevemos” um texto no meio eletrônico?

Parece-nos, à primeira vista, estarmos realizando uma atividade análoga à escritura com uma máquina de escrever. Mas a analogia é ilusória: o teclado do computador é apenas em aparência igual ao teclado das máquinas. O teclado da máquina, como vimos, ativa mecanicamente uma série de carimbos de sinais gráficos. O teclado do computador ativa comandos matemáticos que são processados diversas vezes por programações embutidas nos computadores, antes de aparecer nas telas como sinais gráficos.

Assim, quando digitamos um caractere “A”, a tecla correspondente ativa um comando que é processado pelo computador mais ou menos assim: “inserir o sinal gráfico identificado como [A]”:

comando x (ativação pelo teclado: [ A+shift ]) > código y > sinal gráfico A


 

Para fazer a correspondência entre os comandos e os sinais gráficos, há uma série de listas estandardizadas, como ASCII, ISO, Unicode 1 ; veja o exemplo abaixo, parte da lista de codificação Unicode:

Sintaxe dos Códigos Unicode:               &#NNNN;

Lista de Códigos Decimais e equivalências:

unicode 0000 ~ 0255

0000 ~ 0008, 0011 ~ 0012, and 0014 ~ 0031 are not permitted.

0009   HT

0010   LF

0013   CR

0032   SP

0033   !

0034   "

0035   #

0036   $

0037   %

0038   &

0039   '

0040   (

0041   )

0042   *

0043   +

0044   ,

0045   -

0046   .

0047   /

0048   0

0049   1

0050   2

0051   3

0052   4

0053   5

0054   6

0055   7

0056   8

0057   9

0058   :

0059   ;

0060   <

0061   =

0062   >

0063   ?

0064   @

0065   A

0066   B

0067   C

0068   D

0069   E

0070   F

0071   G

0072   H

0073   I

0074   J

0075   K

0076   L

0077   M

0078   N

0079   O

0080   P

0081   Q

0082   R

0083   S

0084   T

0085   U

0086   V

0087   W

0088   X

0089   Y

0090   Z

0091   [

0092   \

0093   ]

0094   ^

0095   _

0096   `

0097   a

0098   b

0099   c

0100   d

0101   e

0102   f

0103   g

0104   h

0105   i

0106   j

0107   k

0108   l

0109   m

0110   n

0111   o

0112   p

0113   q

0114   r

0115   s

0116   t

0117   u

0118   v

0119   w

0120   x

0121   y

0122   z

0123   {

0124   |

0125   }

0126   ~

(fonte: http://en.wikipedia.org/wiki/List_of_HTML_decimal_character_references)


 

A estandardização dos códigos para caracteres garante que em qualquer computador do mundo, o comando "A" resulte no sinal gráfico "A", através da mediação de um programa. Se o programa inclui a codificação unicode, por exemplo, estas são as traduções para a “escrita” dos sinais A e a:

comando x (ativação pelo teclado: A+shift ) > código &#0065 > sinal gráfico A

comando x ( ativação pelo teclado: A) > código &#0097 > sinal gráfico a


Note-se que os códigos acima correspondem aos grafemas e aos módulos dos grafemas (maiúsculas ou minúsculas), não aos tipos ou fontes2.

Podemos observar melhor os efeitos da transposição dos comandos em sinais gráficos nas ocasiões em que ela não funciona corretamente.

Por exemplo, quando usamos um computador que não está programado para interpretar diacríticos e acentos, ou quando não sabemos se em determinado teclado devemos digitar [shift-~] ou [alt-~], e por fim não conseguimos obter sinais gráficos como ç, ã, é, ü ... Isso funciona bem apenas em computadores programados para lidar com tais sinais gráficos.

Outra ocasião em que podemos ver a mediação em processo é na leitura de páginas-web. Em alguns casos, os sinais gráficos para acentos, etc., aparecem “corrompidos” nas páginas (por exemplo, “corrupcaractere caractereo” por “corrupção”). Isso acontece por alguma incompatibilidade entre o programa usado para mediar a transposição naquele texto e o programa presente no computador de acesso, ou por um erro de codificação. Pode-se experimentar, também em qualquer navegador, mudar a opção padrão de decodificação de caracteres, para testar seus efeitos. Numa página codificada em sistema “UTF-8”, por exemplo, se mudarmos a opção de codificação para “Chinês Simplificado GB2312”, teremos o seguinte efeito:

Seja bem-vindo(a) à Wikipédia, uma enciclopédia livre e gratuita, feita por pessoas como você em mais de 200 idiomas!

Seja bem-vindo(a) 脿 Wikip茅dia, uma enciclop茅dia livre e gratuita, feita por pessoas como voc锚 em mais de 200 idiomas!

Assim, o ciclo da mediação da codificação da informação, nas duas pontas do processo, funciona perfeitamente quando tanto o produtor como o receptor do texto tiverem acesso à mesma programação de codificação.

A partir do que foi exposto até este ponto, podemos definir de modo intuitivo o que é um processador de textos: é uma ferramenta que põe em funcionamento um programa que realiza a mediação entre comandos digitais e sinais humanamente legíveis.

Naturalmente, essa mediação não envolve apenas o inventário de caracteres (sinais gráficos). Envolve, também, a organização espacial e informacional do texto.

Nos processadores modernos, podemos arrumar os sinais gráficos em espaços delimitados (página), dividir o texto em blocos (parágrafos) , destacar trechos visualmente (formatos), e até ordenar as informações (estrutura de tópicos). A exemplo do que dissemos para os caracteres, cada uma dessas operações envolve um processo de codificação e decodificação complexo em diferentes etapas 3.

No entanto, ao fazermos uso dos programas de processamento de texto, não temos consciência destas operações. A tecnologia desenvolvida nestes programas é concebida, justamente, de modo a simular as ações que realizaríamos no papel, de modo a que a produção do texto seja confortável e facilitada, e que os programas possam ser operados intuitivamente pelos usuários.

bookUm bom exemplo dessa adaptação ao conforto humano é a página.

A maioria dos processadores nos apresenta, na tela, o texto organizado tal qual apareceria numa página de papel. Em princípio, o conceito de “página” não faz sentido no ambiente da tela – trata-se de fato de uma unidade espacial própria do texto em papel. Esse conceito é herdado dos textos impressos ou manuscritos, e os processadores o reproduzem para nosso conforto. Ou seja, a ferramenta cria um espaço “página” para nele dispormos o texto; esse espaço é uma interface visual mediada por programações. Evidentemente, a "página" que aparece na tela não tem consistência material direta como a página de papel; é uma representação visual mediada por códigos.

As tecnologias de interface intuitiva embutidas nos processadores de texto representam um avanço técnico considerável, e que tornou a produção de textos uma tarefa muito mais fácil (ao menos, deste ponto de vista físico).

Entretanto, nos programas atualmente disponíveis, o conforto de utilização é inversamente proporcional ao controle do usuário sobre as tecnologias de processamento. Quanto mais sofisticadas forem as simulações intuitivas das manipulações computacionais embutidas nos programas, maior o grau de mediação entre o usuário e a codificação da informação.

Quando trabalhamos com o texto como objeto de pesquisa, torna-se desejável trabalhar com um menor nível de conforto, compensado por um maior nível de controle sobre a mediação tecnológica, como se trata na seção seguinte (2. Controle do Processamento Eletrônico). Vamos ver, então, como a maioria dos formatos para o processamento digital de textos podem ser classificados, quanto ao grau de mediação da codificação de informação.


 

0.1.3 Breve tipologia dos textos eletrônicos

Atualmente, há diferentes formatos de texto eletrônico (ou tipos de arquivos), cada um com diferentes finalidades e qualidades.

Antes de tudo, quanto à finalidade dos formatos, é interessante separá-los em dois tipos:

Procuraremos agora analisar estes dois grupos quanto a algumas qualidades que interessam centralmente ao processamento com finalidade de estudo:

Vamos iniciar com os arquivos do grupo local, que inclui os documentos produzidos pela maioria dos processadores comuns:

  • txt (arquivos independentes):

  • Complexidade: Não permitem a codificação de informações complexas, e nem mesmo formatações.

  • Controle: Oferecem amplo grau de controle do processamento; entretanto, isto se torna pouco relevante, pelo baixo grau de complexidade das codificações possíveis.

  • Portabilidade: São amplamente transportáveis, e independentes tanto em termos de programas como em termos de sistemas operacionais (Windows, Linux, Mac).

  • Confiabilidade: São amplamente confiáveis; o txt é o tipo de arquivo mais antigo e mais simples atualmente disponível.

  • DOC, arquivos do software Word, da Microsoft:

  • Complexidade: Permitem codificar uma ampla gama de informações complexas, como formatações, estruturas de documento, etc.

  • Controle: Oferecem baixíssimo grau de controle do processamento, pois a programação de mediação usada neste programa é fechada, ou seja, seu código é desconhecido e só pode ser operado pelo fabricante.

  • Portabilidade: Os arquivos .doc são feitos para serem lidos seja por computadores que possuam o mesmo programa Word, seja impressos. Recentemente, outros programas (como o Open Office) passaram a oferecer a possibilidade de leitura de arquivos .doc.

  • Confiabilidade: Estão na escala mais extrema de dependência a um programa. Primeiro, pelo fato da programação ser fechada; segundo, porque o programa é proprietário. A única garantia de que este tipo de documento poderá ser lido/acessado no futuro é o compromisso do fabricante junto a seus clientes.

  • ODT ("open document text"), arquivos do software Open Office, da Sun Microsystems:

  • Complexidade: Permitem codificar uma ampla gama de informações complexas, como formatações, estruturas de documento, etc.

  • Controle: Oferecem maior grau de controle do processamento em relação aos documentos word, sendo sua programação aberta. Ou seja: seu código é fornecido pelo fabricante, e pode ser alterado/desenvolvido por desenvolvedores independentes.

  • Portabilidade: Assim como os arquivos .doc, os arquivos .odt só podem ser produzidos e acessados no programa apropriado. Entretanto, o programa Open Office é livre.

  • Confiabilidade: Pelo fato de o programa der livre e de código aberto, há uma garantia maior de que este tipo de documento possa ser lido/acessado no futuro; pois, ainda que o fabricante pare de produzir o programa, outros desenvolvedores poderão produzir ferramentas que permitam trabalhar com os arquivos.

 

De outro lado, estão os documentos de natureza fundamentalmente remota. Este tipo de documento, por natureza, tem uma vocação de informação partilhada: são textos feitos em uma máquina para serem acessados em outra máquina (e portanto, transportáveis por natureza). Há fundamentalmente dois tipos de documentos mais utilizados para leitura em máquinas:

  • PDF ("Portable Document File"), arquivos do software Adobe Acrobat:

  • Complexidade: Permitem codificar uma ampla gama de informações complexas, como formatações, estruturas de documento, etc.

  • Controle: Os arquivos PDF são produzidos tipicamente pelo software Adobe Writer (proprietário e fechado) e lidos pelo software Adobe Reader (livre e fechado). No PDF, o texto que vemos na tela é, praticamente, uma figura, uma uma fotografia do texto. Isso é o que garante a transposição das informações codificadas nesses arquivos. Assim, para o processamento de informações lingüísticas, este formato não é adequado - a não ser que se tenha acesso ao programa de produção, o Adobe Acrobat Writer, que como dito, é proprietário.

  • Portabilidade: Como indica o próprio nome, o PDF é um formato programado para ser portátil. Ou seja, é codificado de tal maneira que as informações gráficas se transportam com absoluta integridade de um local de acesso para o outro (por exemplo, as páginas quebram nos pontos exatos; as fontes se mostram sempre iguais, etc. Trata-se portanto de um formato altamente confiável nesta perspectiva. Entretanto, para acessar os arquivos, é preciso ter acesso ao programa Reader, que é livre.

  • Confiabilidade: Apresentam alto grau de dependência a um programa; a programação é fechada e o programa é proprietário. A única garantia de que este tipo de documento poderá ser lido/acessado no futuro é o compromisso do fabricante junto a seus clientes.

  • Hipertexto - arquivos .html, .xhtml, .xml, etc. - linguagem livre:

  • Complexidade: Permitem codificar uma ampla gama de informações complexas. Além das informações codificadas nos demais arquivos (como formatações, estruturas de documento, etc.), permitem a interação com tecnologias complexas como bases de dados, buscas, etc.

  • Controle: Oferecem grau muito amplo de controle do processamento, em especial no formato XM; mais adiante, falaremos dos diferentes formatos de hipertexto (cf. Seção 2).

  • Portabilidade: O Hipertexto é o texto eletrônico por excelência: trata-se de um formato concebido para acesso em máquinas, inteiramente independente do suporte tradicional (papel). Por isso, apresenta maior potencialidade para leitura na tela, explorando as possibilidades de relação complexa entre diferentes partes do texto (as hiper-ligações ou hiperlinks). A origem em rede significa que o hiptertexto surgiu como formato compartilhado por naturez; para acessá-los, basta o acesso a um navegador de hipertexto (Internet Explorer, Mozilla, Firefox, Safari, etc.; quase todos livres, alguns deles abertos) .

  • Confiabilidade: Por ser concebido para a leitura em diferentes máquinas, o texto é processado de acordo com normas estandardizadas internacionalmente. O processo de normatização da codificação de hipertextos é livre e aberto, e tem sido conduzido por um consórcio de pesquisadores associados sem fins lucrativos. Àparte o .txt, o hipertexto está na escala mais extrema de independência com relação a programas, não sendo necessário um programa específico para produzir os textos (embora seja possível utilizar um dos muitos programas proprietáriosou livres disponíveis hoje). .

 


 

0.3 Controle do Processamento Eletrônico

0.3.1 Motivações para o processamento controlado

A motivação central para o processamento controlado de textos é a preservação da integridade das informações codificadas nos textos.

Isso pode ser fundamental no trabalho de natureza filológica - no qual o texto é o objeto central do estudo. Ultimamente, a transcrição e edição de textos antigos tem sido realizada em meio eletrônico - ao menos, no plano do arquivamento da documentação. Neste trabalho de transcrição e edição, codificam-se as informações relevantes sobre os textos. De um modo geral, costumamos adaptar as codificações anteriormente utilizadas para o meio impresso.

Por exemplo, para indicar adição de informações ao texto original (caso dos desdobramentos de abreviaturas), é comum utilizar-se o código de itálico:

Texto original: VM > Texto editado: Vossa Mercê

Ou seja, utilizamos processos de formatação dos textos eletrônicos para codificar informações importantes.

Entretanto, tendo em vista o que vimos acima sobre a mediação tecnológica, precisamos lembrar que a formatação é uma codificação intermediária; e não há garantias, em princípio, de que a formatação aplicada a um texto em determinado processador seja legível por outros processadores, nem que seguirá sendo legível no futuro.

De fato: não há garantias de que qualquer informação incluída em um texto eletrônico seja legível no futuro. Pois, ao contrário do texto impresso, o texto digital depende de programas para ser lido. Se os programas mudarem, as informações se perdem.

No trabalho filológico, a formatação codifica informações cruciais, que não desejaríamos ver perdidas. Assim, podemos listar ao menos duas razões pontuais pelas quais o controle do processamento de textos pode ser desejável neste tipo de trabalho:


0.3.2 O Hipertexto como forma de processamento controlado

A breve tipologia esboçada na seção 1.3 listou alguns dos principais formatos de arquivos de texto eletrônico hoje disponíveis, de acordo com o grau de complexidade de informações que podem ser codificadas, o controle que se pode exercer sobre esta codificação, a portabilidade do texto produzido, e o grau de confiança que se pode ter em cada formato.

Dali se depreende que o Hipertexto é a principal opção a ser explorada, quando se pensa em conjugar complexidade, controle, portabilidade e confiabilidade.

O conteúdo da rede mundial de computadores se constrói, tipicamente, neste formato. A apresentação do texto, tal como visualizada na tela, esconde um código, que pode ser acessado pela barra de ferramentas do navegador (normalmente, no item exibir>codificação (ou: código-fonte).

O Hipertexto é tipicamente codificado na linguagem html ou HiperText Markup Language . Vamos ver como é um mesmo trecho de texto codificado em html, na versão para tela, e em em código:

Trecho visível – apresentação na tela:

As sentenças deste trecho estão inseridas em parágrafos, que são estruturas codificadas como "p". As propriedades de formatação, como negrito, itálico e sublinhado, são indicadas por diferentes códigos (respectivamente, "b", "i", e "u"). Os códigos correspondentes às estruturas são indicados por parênteses angulares, ou < >. Observe que os parênteses angulares são caracteres especiais, e no código-fonte não aparece o sinal gráfico, mas o equivalente em código iso-8859-1. Isso vale também para todos os acentos e diacríticos usados neste texto. Por exemplo, " &oacute;" equivale a "ó".

Outras informações, como o recuo do texto, são também codificadas (neste caso, na estrutura "blockquote"). Alguns atributos, como o alinhamento do texto, são indicados na respectiva estrutura. Por exemplo, p align="justify" gera um parágrafo justificado, como este.

As estruturas são organizadas, no código, em árvores. Assim, neste trecho, as estruturas de formatação de caracteres estão contidas nos parágrafos, e os parágrafos estão contidos na estrutura de formatação "blockquote".

Trecho em código:

<p align="justify">As senten&ccedil;as deste trecho est&atilde;o inseridas em par&aacute;grafos, que s&atilde;o estruturas codificadas como &quot;<b>p</b>&quot;. As propriedades de formata&ccedil;&atilde;o, como <b>negrito</b>, <i>it&aacute;lico</i> e <u>sublinhado</u>, s&atilde;o indicadas por diferentes c&oacute;digos (respectivamente, &quot;<b>strong</b>&quot;, &quot;<b>i</b>&quot;, e &quot;<b>u</b>&quot;). </p>

<p align="justify">Os c&oacute;digos correspondentes &agrave;s estruturas s&atilde;o indicados por par&ecirc;nteses angulares, ou &lt; &gt;. Observe que os par&ecirc;nteses angulares s&atilde;o caracteres especiais, e no c&oacute;digo-fonte aparece n&atilde;o o sinal gr&aacute;fico, mas o equivalente em c&oacute;digo iso-8859-1. Isso vale tamb&eacute;m para todos os acentos e diacr&iacute;ticos usados neste texto. Por exemplo, &quot;<b>&amp;oacute;</b>&quot; equivale a &quot;<b>&oacute;</b>&quot;. </p>

<blockquote>

<p align="justify">Outras informa&ccedil;&otilde;es, como o recuo do texto, s&atilde;o tamb&eacute;m codificadas (neste caso, na estrutura &quot;<b>blockquote</b>&quot;). Alguns atributos, como o alinhamento do texto, s&atilde;o indicados na respectiva estrutura (por exemplo,<b>p align=&quot;justify&quot;</b>gera um par&aacute;grafo justificado) </p>
<p align="justify"> As estruturas s&atilde;o organizadas, no c&oacute;digo, em &aacute;rvores. Assim, neste trecho, as estruturas de formata&ccedil;&atildeo de caracteres est&atilde;o contidas nos par&aacute;grafos, e os par&aacute;grafos est&atilde;o contidos na estrutura de formata&ccedil;&atilde;o &quot;<b>blockquote</b>&quot;</p>


</blockquote>


Todo texto em formato html que circula pela internet tem mais ou menos esta estrutura de código. Embora isto possa parecer um tanto complexo, é fundamental ressaltar que esta característica de “codificação embutida” não é exclusiva do formato hipertexto – é de fato própria a todo tipo de arquivo de texto eletrônico.

De fato: se pudéssemos olhar a codificação dos documentos que produzimos nos nossos processadores locais, veríamos codificações ainda mais complexas (incluindo quebras de página; formato da página; tamanho e tipo das letras; estrutura de tópicos, etc.).

Ou seja: o hipertexto codificado em html não é mais complexo; apenas permite o acesso ao código.

Os códigos html padrão são normatizados, e constituem um conjunto fechado de etiquetas (ou rótulos, como <b>, <i>, ou <p>, exemplificados acima), que precisam ser respeitadas, para poderem ser processadas pelos navegadores (saiba mais em http://www.w3.org/MarkUp/).

Assim, o html é uma linguagem acessível, livre e bastante controlada, ideal para o processamento e formatação do hipertexto de natureza mais geral; os códigos html disponíveis são próprios para codificar estruturas de organização e formatação dos textos.

Entretanto, o html não é necessariamente a melhor opção para processamentos mais específicos, como é o caso das edições eletrônicas de natureza filológica. Pois nestes casos, além de informações gerais sobre organização e formatação, há outras informações específicas que precisamos codificar.

Podemos exemplificar a gama de informações comumente codificadas em edições filológicas com este pequeno quadro retirado de Marquilhas (1996):

Códigos de Edição

{.} sinal ilegível por cancelamento
{...} trecho ou palavra ilegível por cancelamento
[.] sinal ilegível por deterioração do material
[...] sinal ilegível por deterioração do material
[?] sinal de difícil leitura
[???] vocábulo de difícil leitura
(.) branco superior ao espaco entre palavras e inferior à largura da linha
(*) linha em branco
(&) linha escondida pela encadernação
[&] linhas escondidas pela encadernação
($) seção em branco
(-) linha cancelada
(~) trecho manchado
{texto} trecho ou palavra cancelados
|texto| trecho coberto por segunda camada gráfica
/texto/ texto escrito na entrelinha
//texto// texto escrito na margem
(texto) texto de outra caligrafia

Para codificar informações deste tipo, precisamos de um controle ainda maior sobre o processamento dos textos.

De fato: precisamos poder criar nossas próprias categorias de informação estruturada.

Isto é possível com a linguagem XML, ou eXtended Markup Language, como se apresenta em seguida.


 

0.3.3 A linguagem de anotação extendida, ou XML

A linguagem XML apresenta todas as vantagens da linguagem html; mas a isso se acrescenta sua natureza inteiramente flexível.

Na anotação dos textos do Corpus Histórico Tycho Brahe, por exemplo, além de anotarmos a categoria parágrafo<p> (como no trecho html acima), anotamos a categoria sentença (<s>); além disso, numeramos cada sentença com um código identificador, o que facilita a pesquisa posterior (exemplo:   <s id="g_008_611"> é a sentença número 611 do texto g_008) .

As categorias usadas por cada anotador são inteiramente abertas, desde que se respeitem parâmetros estandardizados de estruturação - ou seja, há limitações sintáticas, mas não semânticas.

Além disso, a linguagem XML permite uma grande flexibilidade na apresentação dos documentos. Enquanto cada documento html é apresentado na tela diretamente pela interpretação do código por parte do navegador, o documento XML pode servir de base para se gerarem inúmeras versões de cada documento (por exemplo, documentos html para serem acessados via navegador, ou documentos txt para serem processados por programações computacionais especializadas).

O mais importante é que nas diferentes versões, as informações podem ser re-ordenadas, selecionadas, re-formatadas, etc., sem prejuízo da anotação de base. Isso confere à linguagem XML um nível muito elevado de controlabilidade.

Um manual completo da linguagem XML e suas correlatas (XSL, X-Q) pode ser consultado em:
http://www.w3schools.com/xml/default.asp

No sistema de edições eletrônicas que aqui apresentamos, a linguagem XML (e sua linguagem de programação associada, o XLST) é utilizada em todas as etapas do processamento de textos:

A seção 4 a seguir detalha um pouco de cada etapa, procurando explicar sua relação com as etapas tradicionais de edição especializada.


 

0.4 Etapas do Trabalho de Edição Eletrônica

0.4.1 Procedimentos de Edição – Visão Geral

Os procedimentos básicos a serem conduzidos na edição de textos podem ser assim resumidos:

Rescensão:

Estudo, reunião e seleção do material a ser editado

Cópia:

Transcrição, ou reprodução do texto em novo suporte material;
inclui eventuais ajustes na forma e organização espacial do texto e transliteração grafemática.

Estabelecimento do Texto:

Intervenção do editor no sentido de facilitar a leitura; inclui a proposição de conjecturas sobre lições difíceis e a uniformização da forma gráfica. Inclui também a seleção de variantes, nos casos de textos com mais de um testemunho ou versão original.

Apresentação:

Organização da edição na forma final a ser lida publicamente.

As etapas de cópia e de preparação envolvem procedimentos de interpretação do texto. Nas edições especializadas, esta interpretação deve ser tornada explícita para o leitor final. A interpretação e sua explicitação podem ser realizadas de acordo com diferentes critérios, que variam, sobretudo, quanto ao grau de interferência realizado pelo editor em relação ao texto. Tradicionalmente, as edições são agrupadas de acordo com este critério de maior ou menor proximidade em relação ao texto original. A combinação dos procedimentos acima pode resultar em três tipos básicos de edição especializada:

1. Edições Conservadoras, ou Diplomáticas:

A transcrição é conservadora (mantém as variantes e arcaísmos grafemáticos, a separação vocabular, a paragrafação, as lacunas, etc.); não há procedimentos de intervenção do editor.

2. Edições Semi-interpretativas, ou Semi-Diplomáticas:

A transcrição é menos conservadora (uniformiza variantes e arcaísmos grafemáticos e separação intravocabular, intervém na paragrafação); os procedimentos de intervenção do editor incluem a proposição de conjecturas sobre lições difíceis e o desenvolvimento de abreviaturas.

3. Edições Interpretativas, ou Modernizadas:

Além dos procedimentos conduzidos nas edições semi-interpretativas, neste caso a intervenção do editor pode incluir a uniformização das grafias do original transcrito.

A diferença central entre o trabalho de edição tradicional e o trabalho de edição eletrônica é que com o processamento eletrônico, os “tipos de edição” podem ser re-definidos como “tipos de apresentação”. No sistema aqui desenvolvido, a transcrição é sempre conservadora; os procedimentos interpretativos podem ser mais ou menos intensos a depender do texto e da finalidade da edição – mas cada texto pode ser apresentado em uma versão Diplomática, Semi-Diplomática ou Interpretativa-Modernizada, separando-se na etapa da apresentação as diferentes camadas de intervenção executadas no texto, como se mostra a seguir.


0.4.2 Procedimentos da Edição Eletrônica

O processo de produção das edições eletrônicas neste sistema envolve as seguintes etapas (cf. também diagrama 1 a seguir):

A. Rescensão – Pesquisa e Catalogação

O processo se inicia pela pesquisa acerca da obra a ser editada, o que inclui um levantamento de sua história editorial e a reunião das edições disponíveis, selecionando-se, entre elas, a que se julgar mais adequada para os objetivos da edição.

As informações sobre cada texto selecionado são sistematizadas em uma ficha catalográfica onde se incluem informações sobre o texto original (autor, data, gênero, etc.); sobre a edição utilizada como fonte, caso esta não coincida com o original (editor, data, processo de estabelecimento do texto); e sobre a edição eletrônica (editor, processo de estabelecimento do texto, etapas de edição).

Estas informações são anotadas nos cabeçalhos dos documentos de base onde será realizada a edição, e podem ser acessadas posteriormente para fins de classificação e busca dos textos, por meio de uma programação gravada no servidor onde se armazenam os documentos (programação X-Query).

B. Cópia – Transcrição ou Transposição eletrônica

A etapa de cópia equivale a uma transposição sistematizada do suporte original para o suporte eletrônico. Ela envolve procedimentos distintos a depender da natureza do material que está sendo editado eletronicamente: textos originais, ou preparações de outros editores. Nos dois casos, chamaremos o texto a ser editado de texto-fonte:

No caso de se utilizar mais de um testemunho do texto para a edição – ou seja, na realização de edições críticas – o processo de transposição aqui desenvolvido permite que as características do texto em cada uma das edições sejam trancritas, e as interferências de cada editor sejam codificadas individualmente, de forma a que todo este material seja incluido em um único documento. Este documento crítico permite o acesso posterior a todas as camadas aplicadas subsequentemente ao texto.

C. Preparação e Estabelecimento do Texto – Edição Interpretativa

A profundidade das intervenções editoriais em um texto depende da finalidade da edição. Este sistema de edições eletrônicas foi desenvolvido fundamentalmente para preparar os textos para a análise lingüística automática. Assim se estabelecem dois objetivos:

A satisfação desses dois objetivos molda as diretrizes da preparação dos textos neste sistema de edição. Assim, depois da etapa de transcrição acima descrita, os textos passam por procedimentos de unformização ortográfica; entretanto, são tomados todos os cuidados no sentido de preservar a forma do texto original nos planos lexical, morfológico e sintático.

Nesta etapa de preparação, a diferença primordial entre o sistema eletrônico e o sistema tradicional é que nas edições eletrônicas, é possível preservar as formas originais no mesmo plano em que se acrescentam formas interpretadas pelo editor (uniformizações, conjecturas, etc.).

D. Apresentação

Nas edições eletrônicas, o sistema de apresentação da edição – ou organização da leitura pública final dos textos – difere também bastante do sistema tradicional. No sistema tradicional, a apresentação final é uma etapa consequente da transcrição e do estabelecimento do texto , ou seja, o próprio documento preparado é organizado para a leitura final.

Nas edições eletrônicas, a apresentação final é uma etapa paralela à transcrição e ao estabelecimento do texto – ou seja: as apresentações para leitura final resultam da formação de documentos paralelos ao documento-base onde se codificou a preparação. É o que chamamos de geração de versões.

Nos documentos-base, a transcrição do texto e as intervenções do editor estão codificadas ou anotadas em linguagem XML; essas anotações podem ser lidas por programações computacionais que selecionam e organizam as estruturas dos documentos-base e formam, a partir delas, os documentos de apresentação4.

Como visto acima, a dupla articulação presente nos objetivos destas edições (fidedgnidade lingüística e uniformização de grafia) resulta na edição em camadas dos documentos-base. Na etapa da apresentação, estas camadas de edição podem ser separadas para o acesso do leitor final. Assim, um mesmo documento pode ser lido nas versões Edição Conservadora, Edição Semi-Interpretativa, Edição Interpretativa, etc. A geração das versões, por ser paralela, não traz nenhuma conseqüência para os documentos-base, que permanecem inalterados.


 

Diagrama 1

Edições Eletrônicas: Fluxo dos Procedimentos

I. Pesquisa
e
Catalogação


  • Pesquisa sobre a história editorial
  • Reunião e seleção de edições disponíveis
  • Composição das fichas catalográficas
  • Descrição e classificação segundo a história editorial
  • Inclusão no catálogo eletrônico via cabeçalhos de metadata (xml)


Textos Originais

  • manuscritos
  • impressos

  • em papel
  • digitalizados


Outras Edições

  • semi-diplomáticas
  • modernizadas



II. Transcrição


  • Transcrição (xml)


  • Anotação das
    estruturas de texto (xml)
  • Adaptação do sistema original (revisão de OCR, adaptação de documentos Word) (xml)
  • Adaptação das
    indicações de estruturas de texto (xml)

III. Edição
Interpretativa


  • Uniformização Grafemática (xml)

  • Uniformização Ortográfica (xml)
  • Adaptação das
    indicações editoriais anteriores (xml)
  • Uniformização Ortográfica (xml)

 

IV. Apresentação


Geração de Versões (xslt):

    • Edição Diplomática
    • Edição Semi-Interpretativa
    • Edição Interpretativa
    • Edição Interpretativa para ferramentas automáticas
    • Glossário de Interferências Editoriais

 

Acesso externo via Catálogo Eletrônico


 

Notas da Seção

1Para saber mais sobre codificação de caracteres, consulte:
http://www.unicode.org/ (home page do sistema Unicode)
http://www.w3.org/TR/html4/charset.html (padronização de codificações para html)
http://www.cs.tut.fi/~jkorpela/chars.html (tutorial)
http://en.wikipedia.org/wiki/Character_encoding (resumo enciclopédico)
http://www.unicode.org/charts/PDF/U0000.pdf (lista completa unicode)

2Ou seja, o desenho ou aparência do sinal gráfico pode ser distinto a depender dos conjuntos de tipos/fontes disponíveis em cada computador. No exemplo com o código &#0065 acima, o grafema [A] apresenta-se no tipo “Gothic”; poderia se apresentar no tipo “Arial” (como em A) ou “Times New Roman” (como em A) – e ainda, em diferentes tamanhos. Em todos os casos, o código de caracter é o mesmo.

3Se, ainda, desejarmos imprimir o texto eletrônico produzido, precisamos de uma outra etapa de mediação: o programa que transforma a codificação em imagens impressas (ou seja, que organiza o "texto" como pontos de tinta a serem gravados no papel).

4 Isso é realizado por um comando que ativa uma transformação via XLST, a linguagem de programação que atua sobre os documentos anotados com XML. Os arquivos XLST com as programações podem ser armazenados em um servidor, e o usuário final pode ativá-los através de comandos remotos, sem precisar manipular a computação.

 


 


 


 

I. Catalogação

I.1 Diretrizes

O sistema de catalogação e ordenação, buscas, e geração de documentos no Corpus é chamado de Catálogo Dinâmico.

A catalogação dos textos é realizada com base nas anotações de informações externas sobre o texto em seu cabeçalho: nome do autor, título, gênero, editores, etc. As categorias assim formadas servem a dois funcionamentos:

1. Formação de Fichas Catalográficas ou "Portais"

As metainformações listadas nos arquivos xml são a base das fichas catalográficas de cada documento, onde se informam os dados básicos sobre o texto original, sobre a edição utilizada no processamento para o corpus, e sobre o processamento realizado para o corpus.

No atual sistema, a apresentação das fichas catalográficas funciona como um portal para cada texto. Cada"portal”  é na realidade o próprio arquivo XML do texto.  A este arquivo foi adicionada uma ligação a uma programação que obriga o navegador a apresentar o documento XML sob esta forma de “portal”, mostrando as versões disponíveis para o texto em questão. Cada uma das opções oferecidas no portal leva à ativação da geração de diferentes versões ou formas de apresentação do texto.  

2. Alimentação de um sistema de buscas por metainformações.

As metainformações servem de base para buscas com o objetivo de selecionar documentos de determinado perfil (quanto à periodização, tipo de texto, tipo de processamento, etc.). Essas buscas podem ser programadas na linguagem X-Query, que, da mesma forma como a linguagem XSLT, baseia-se na estrutura arbórea da anotação XML dos documentos.  A busca em X-Query lê os cabeçalhos dos documentos listados num arquivo central (catalog.xml) cujos elementos são os endereços de cada documento XML armazenados no servidor. Com base neste arquivo, uma programação X-Query (catalog.xq) pode ler as estruturas incluidas nos cabeçalhos dos documentos previstos, e pode formar listas re-ordenadas por diferentes critérios.

Os procedimentos para esses funcionamentos estão expostos na seção I.2 abaixo:

A seção I.3, em seguida, apresenta a organização da documentação interna necessária para administrar o Corpus.


 

I.2 Procedimentos

I.2.1 Arquivo Básico de Catalogação

O arquivo catalog.xml representa o catálogo básico do Corpus; é nele que as modificações no inventário geral devem ser registradas (adição de textos, retirada de textos, modificações nos nomes dos textos, etc).

O arquivo está gravado em <http://www.ime.usp.br/~tycho/cgi-bin/catalog.xml>; seu estado atual é reproduzido abaixo:

<catalog>
<corpusfile filename="a_001.xml"/>
<corpusfile filename="a_002.xml"/>
<corpusfile filename="a_003.xml"/>
<corpusfile filename="a_004.xml"/>
<corpusfile filename="a_005.xml"/>
<corpusfile filename="b_001.xml"/>
<corpusfile filename="b_002.xml"/>
<corpusfile filename="b_003.xml"/>
<corpusfile filename="b_005.xml"/>
<corpusfile filename="b_006.xml"/>
<corpusfile filename="b_007.xml"/>
<corpusfile filename="b_008.xml"/>
<corpusfile filename="c_001.xml"/>
<corpusfile filename="c_002.xml"/>
<corpusfile filename="c_003.xml"/>
<corpusfile filename="c_004.xml"/>
<corpusfile filename="c_005.xml"/>
<corpusfile filename="c_006.xml"/>
<corpusfile filename="c_007.xml"/>
<corpusfile filename="d_001.xml"/>
<corpusfile filename="e_001.xml"/>
<corpusfile filename="f_001.xml"/>
<corpusfile filename="g_001.xml"/>
<corpusfile filename="g_002.xml"/>
<corpusfile filename="g_003.xml"/>
<corpusfile filename="g_004.xml"/>
<corpusfile filename="g_005.xml"/>
<corpusfile filename="g_006.xml"/>
<corpusfile filename="g_008.xml"/>
<corpusfile filename="g_009.xml"/>
<corpusfile filename="h_001.xml"/>
<corpusfile filename="l_001.xml"/>
<corpusfile filename="l_002.xml"/>
<corpusfile filename="m_001.xml"/>
<corpusfile filename="m_002.xml"/>
<corpusfile filename="m_003.xml"/>
<corpusfile filename="m_004.xml"/>
<corpusfile filename="o_001.xml"/>
<corpusfile filename="p_001.xml"/>
<corpusfile filename="p_002.xml"/>
<corpusfile filename="s_001.xml"/>
<corpusfile filename="v_001.xml"/>
<corpusfile filename="v_002.xml"/>
<corpusfile filename="v_003.xml"/>
<corpusfile filename="v_004.xml"/>
</catalog>

 


 

I.2.2 Anotação dos metadados

Cada documento .xml é composto de duas partes principais: <head> e <body>; <body> codifica o “corpo” do documento, incluindo o texto e todos os seus elementos; <head> codifica as informações sobre o documento, ou seja, as meta-informações, codificadas como <metadata>.

O sistema para anotação das estruturas de <metadata> em uso no Corpus está estruturado em camadas de informações (atributo “generation”), para dar conta das sucessivas etapas envolvidas nas diversas edições dos textos.

Em cada geração, há elementos <meta>, compostos de pares de nomes e valores <name>, <value>. Há uma lista fechada para os nomes; os valores podem ser abertos ou fechados.


I.2.2.1 Esquema da anotação de cabeçalhos

A. Estrutura Geral

 

<head> 

Metadata, Geração
“Corpus Processing” 

Para anotar as informações relativas ao processamento para inclusão no Corpus, e outros indicadores técnicos internamente relevantes.

 

 <metadata generation="corpus_processing">

 <meta> <name>Corpus Processing Type</name>          <val>...</val> </meta>
 <meta> <name>Corpus Processing Edition Level</name> <val>...</val> </meta>
 <meta> <name>Document Name</name>                   <val>...</val> </meta>
 <meta> <name>Document Title</name>                  <val>...</val> </meta>
 <meta> <name>Document Author ID</name>              <val>...</val> </meta>
 <meta> <name>Period by Birthdate</name>             <val>...</val> </meta>
 <meta> <name>Word Count</name>                      <val>...</val> </meta>
 <meta> <name>First Processing Information</name>    <val>...</val> </meta>
 <meta> <name>Last Revised by</name>                 <val>...</val> </meta>
 <meta> <name>XML Markup by</name>                   <val>...</val> </meta>
 <meta> <name>Last Saved Date</name>                 <val>...</val> </meta>
 <meta> <name>Inserted in Catalog by</name>          <val>...</val> </meta>
 <meta> <name>POS</name>                             <val>...</val> </meta>
 <meta> <name>PSD</name>                             <val>...</val> </meta>
 <meta> <name>POS Tagged Version</name>              <val>...</val> </meta>
 <meta> <name>Syntactic Annotation Version</name>    <val>...</val> </meta>

 </metadata>

Metadata, Geração
“Original Text”

Para anotar as informações sobre o texto original,  ordenadas em pares de nomes e valores.

 <metadata generation="original_text">

 <meta> <name>Author Name</name>             <val>...</val> </meta>
 <meta> <name>Author Year of Birth</name>    <val>...</val> </meta>
 <meta> <name>Original Text Title</name>     <val>...</val> </meta>
 <meta> <name>Original Text Editor</name>    <val>...</val> </meta>
 <meta> <name>Original Text Date</name>      <val>...</val> </meta>
 <meta> <name>Original Text Reference</name> <val>...</val> </meta>
 <meta> <name>Genre</name>                   <val>...</val> </meta>

 </metadata>

Metadata, Geração
“Immediate Source” 

Para anotar as informações sobre a edição-fonte utilizada na transcrição

Essa camada só precisa ser utilizada quando a Fonte Imediata não é a edição original do texto.

<metadata generation="immediate_source">

  <meta> <name>Immediate Source Type</name>          <val>...</val> </meta>
  <meta> <name>Immediate Source Edition Level</name> <val>...</val> </meta>
  <meta> <name>Immediate Source Title</name>         <val>...</val> </meta>
  <meta> <name>Immediate Source Rights</name>        <val>...</val> </meta>
  <meta> <name>Immediate Source Editor</name>        <val>...</val> </meta>
  <meta> <name>Immediate Source Date</name>          <val>...</val> </meta>
  <meta> <name>Immediate Source Reference</name>     <val>...</val> </meta>

</metadata>

Metadata, Geração
“Intermediate Source” 

Para anotar as informações sobre a edição  intermediária.

Essa camada só precisa ser utilizada quando houver uma edição intermediária entre a Fonte Imediata e a edição original do texto.

<metadata generation="intermediate_source">

 <meta> <name>Intermediate Source Type</name>          <val>...</val> </meta>
 <meta> <name>Intermediate Source Edition Level</name> <val>...</val> </meta>
 <meta> <name>Intermediate Source Title</name>         <val>...</val> </meta>
 <meta> <name>Intermediate Source Rights</name>        <val>...</val> </meta>
 <meta> <name>Intermediate Source Editor</name>        <val>...</val> </meta>
 <meta> <name>Intermediate Source Date</name>          <val>...</val> </meta>
 <meta> <name>Intermediate Source Reference</name>     <val>...</val> </meta>

</metadata>

 

<head> 


 

B. Guia das Nomenclaturas

Notas:   (1) Todas as categorias <name> são fechadas
               (2) As categorias <val> podem ser abertas ou fechadas:
                     as categorias <val> fechadas são precedidas por (*) na tabela abaixo;
                     as categorias <val> abertas podem ter formatos especificados (indicados na tabela abaixo entre parênteses)
               (3) As buscas baseadas em metadados são Case-sensitive (portanto a digitação deve manter o uso de maiúsculas e minúsculas aqui indicado).

(i) Pares de <name><val> em <meta>, para <metadata generation="corpus_processing">

<name>
<val>
Uso
Document Name
(cf. Tabela de Nomeação abaixo)
Código do documento
Last Saved Date
(formato DD.MM.AAAA)
Data da última modificação
Document Title
(sem especificação)
Título do Texto
Document Author ID
(formato: Último Sobrenome, Nome - ex. Aires, Matias)
Nome do Autor para Catálogo
Word Count
(sem especificação)
número de palavras do texto
Digitalized by
(formato: Inicial. Sobrenome, separados por vírgulas)
Nomes dos Digitadores
XML Markup by
(formato: Inicial. Sobrenome, separados por vírgulas)
Nomes dos Anotadores
Inserted in Catalog by
(formato: Inicial. Sobrenome, separados por vírgulas)
Nomes de quem enviou o arquivo para o servidor e atualizou o arquivo corpus.xml
POS Tagged Version
(sem especificação)
URL do arquivo etiquertado, onde se aplica
Syntactic Annotation Version
(sem especificação)
URL do arquivo parseado, onde se aplica
First Processing Information
(formato: Inicial. Sobrenome, separados por vírgulas)
Nomes dos preparadores da Fase I, onde se aplica
Corpus Processing Status

(*) Final Release   |   Revision in Progress   |  Modernization in Progress  

Estado de Preparação dos textos:
Final Release - prontos;
Revision in Progress  - em revisão ;
Modernization in Progress  - em edição

Corpus Processing Type

(*) generation 1   |  generation 2   |  generation 3   |  generation 4 

Tipo de processamento no corpus quanto ao número de edições anteriores:1 - digitalização de manuscritos originais;
2 - digitalização de impressos originais;
3  - digitalização de edição intermediária ;
4  -digitalização de edição de uma edição intermediária

Corpus Processing Edition Level

(*) Complete    |  Technical  

Tipo de processamento quanto à profundidade da edição para o Corpus:
Complete  - modernização integral;
Technical  - modernização parcial (textos da Fase I).

Period by Birthdate

(*) 1300-1349 | 1350-1399 | 1400-1449 | 1450-1499 | 1500-1549 | 1550-1599 | 1600-1649 | 1650-1699 | 1700-1749 | 1750-1799 | 1800-1849 | 1850-1899

Período de nascimento do autor
(50 anos)
POS

(*) yes | no

Texto etiquetado morfologicamente
PSD

(*) yes | no

Texto analisado sintaticamente

(ii) Pares de <name><val> em <meta>, para <metadata generation="original_text">

<name> <val>
Uso
Author Name (formato: Nome Sobrenome)
Nome do autor
Author Year of Birth (sem especificação)
Ano de nascimento do autor
Original Text Title (sem especificação)
Título original da obra
Original Text Editor (sem especificação)
Editor original da obra
Original Text Date (sem especificação)
Data da edição original
Original Text Reference (ABNT)
Referência Completa da edição original
Genre (*) Letters | Narrative | Dissertation | Theatre | diverse
Gênero do texto

(iii) Pares de <name><val> em <meta>, para <metadata generation="immediate_source">

<name> <val> Uso
Immediate Source Type (*) Original manuscript | Original manuscript, fac-simile | Original print | Original print, fac-simile | Transcript of original print | Transcript of original manuscript Tipo de texto utilizado como Fonte Imediata, quanto ao estágio de versão
Immediate Source Edition Level (*) Preserved ortography | Edited ortography Profundidade da Edição utilizada como Fonte Imediata
Immediate Source Title (sem especificação) Título Completo da Fonte Imediata
Immediate Source Rights (sem especificação) Detentor dos Direitos Legais da Edição utilizada como Fonte Imediata
Immediate Source Editor (sem especificação) Nome do Editor da Fonte Imediata
Immediate Source Date (sem especificação) Data da Fonte Imediata
Immediate Source Reference (ABNT) Referência Completa da Fonte Imediata
Immediate Source URL (sem especificação) Endereço web da Fonte Imediata, se houver

(iv) Pares de <name><val> em <meta>, para <metadata generation="intermediate_source">

<name> <val> Uso
Intermediate Source Type (*) Transcript of transcript of original print | Transcript of transcript of original manuscript | Transcript of original print | Transcript of original manuscript Tipo de texto utilizado como Fonte Intermediária, quanto ao estágio de versão
Intermediate Source Edition Level (*) Preserved ortography | Edited ortography Profundidade da Edição utilizada como Fonte Intermediária
Intermediate Source Title (sem especificação) Título Completo da Fonte Intermediária
Intermediate Source Rights (sem especificação) Detentor dos Direitos Legais da Edição utilizada como Fonte Intermediária
Intermediate Source Editor (sem especificação) Nome do Editor da Fonte Intermediária
Intermediate Source Date (sem especificação) Data da Fonte Intermediária
Intermediate Source Reference (ABNT) Referência Completa da Fonte Intermediária

 

I.2.2.2 Amostra: Cabeçalho e Ficha catalográfica de um texto do Corpus

cf. <http://www.ime.usp.br/~tycho/corpus/texts/xml/a_001.xml>:

A. Cabeçalho

<head id="a_001" > 

 <metadata generation="corpus_processing">

   <meta> <name>Corpus Processing Type</name>          <val>generation 3</val> </meta>
   <meta> <name>Corpus Processing Edition Level</name> <val>Technical edition only</val> </meta>
   <meta> <name>Document Name</name>                   <val>a_001</val> </meta>
   <meta> <name>Document Title</name>                  <val>Reflexões sobre a Vaidade dos Homens</val> </meta>
   <meta> <name>Document Author ID</name>              <val>Aires, Matias</val> </meta>
   <meta> <name>Period by Birthdate</name>             <val>1700-1749</val> </meta>
   <meta> <name>Word Count</name>                      <val>56.479</val> </meta>
   <meta> <name>First Processing Information </name>   <val>Digitalized by P. Abdo, T. Menegatti, C. Namiuti; First Revised by P. Abdo, T. Menegatti, C. Namiuti; Last Revised by P. Abdo, T. Menegatti, C. Namiuti; First Uploaded by P. Abdo, V. Vinha, L. Chociay; First Uploaded Date 21.01.2002;</val> </meta>
   <meta> <name>XML Markup by</name>                   <val>M.C. Paixão de Sousa, D. Störbeck, T. Trippel</val> </meta>
   <meta> <name>Last Saved Date</name>                 <val>24.02.2005</val> </meta>
   <meta> <name>Inserted in Catalog by</name>          <val>M.C. Paixão de Sousa</val>   </meta>
   <meta> <name>POS</name>                             <val>yes</val>  </meta>
   <meta> <name>PSD</name>                             <val>yes</val>  </meta>
   <meta> <name>POS Tagged Version</name>              <val>http://www.ime.usp.br/~tycho/corpus/texts/pos/txt/aires_00_tcc.txt</val>    </meta>
   <meta> <name>Syntactic Annotation Version</name>    <val>http://www.ime.usp.br/~tycho/corpus/texts/psd/txt/aires_02_psd.txt</val>    </meta>

 </metadata>

 <metadata generation="original_text">

   <meta> <name>Author Name</name>          <val>Matias Aires</val> </meta>
   <meta> <name>Author Year of Birth</name> <val>1705</val> </meta>
   <meta> <name>Original Title</name>       <val>Reflexão sobre a Vaidade dos Homens</val> </meta>
   <meta> <name>Genre</name>                <val>Dissertation</val> </meta>

 </metadata>

 <metadata generation="immediate_source">

   <meta> <name>Immediate Source Type</name>           <val>generation 4 </val>   </meta>
   <meta> <name>Immediate Source Edition Level</name>  <val>Edited ortography</val>   </meta>
   <meta> <name>Immediate Source Title</name>          <val>Reflexões sobre a Vaidade dos Homens e Carta sobre a Fortuna</val>  </meta>
   <meta> <name>Immediate Source Rights</name>         <val>Imprensa Nacional - Casa da Moeda</val>  </meta>
   <meta> <name>Immediate Source Editor</name>         <val>Jacinto do Prado Coelho</val>  </meta>
   <meta> <name>Immediate Source Date</name>           <val>1980</val>   </meta>
   <meta> <name>Immediate Source Reference</name>      <val>AIRES, Matias. Reflexões sobre a Vaidade dos Homens e Carta sobre a Fortuna   (seleção, prefácio e notas por Jacinto do Prado Coelho e Violeta Crespo Figueiredo). Lisboa, Imprensa Nacional - Casa da Moeda. 1980.</val>   </meta>

 </metadata>

</head> 

 

B. Ficha catalográfica

A Apresentação em forma de ficha catalográfica, cf. abaixo, é obtida pela aplicação da folha catalog_files.xsl sobre os arquivos xml do corpus.
A folha está armazenada no mesmo diretório dos arquivos de textos:

<http://www.ime.usp.br/~tycho/corpus/texts/xml/catalog_files.xsl>


No servidor, todos os arquivos xml estão gravados com a instrução de serem apresentados automaticamente desta forma. Esta instrução se obtém adicionando-se a seguinte linha em seguida à declaração de xml do documento:

<?xml-stylesheet href="catalog_files_2006.xsl" type="text/xsl"?>

catalog_a001

 


 

I.2.3 Formação do Catálogo

O Catálogo Eletrônico, ou Catálogo Dinâmico, é criado por meio de uma programação em linguagem X-Query.

A programação percorre os cabeçalhos (I.2.2) de todos os textos do Corpus (por intermédio do arquivo que indica todos os textos a serem pesquisados e seu local de armazenamento, catalog.xml, cf. I.2.1), e organiza as informações ali contidas na forma de uma página de entrada.

Assim, o Catálogo funciona, para o usuário, como portal de acesso geral ao Corpus. O usuário pode selecionar os textos diretamente por autor ou título; ou acessar listas que agrupam os textos por data, gênero, etc.

Quando se seleciona o texto que deseja visualizar, o sistema leva a um “portal” preparado para cada texto, como em B acima.

O arquivo de programação para o Catálogo é:

http://www.ime.usp.br/~tycho/cgi-bin/catalog.xq

Um manual completo da linguagem X-Q pode ser consultado em:

http://www.w3schools.com/xquery/default.asp

Fundametalmente, a programação X-Query em catalog.xq “percorre” o Corpus, selecionando e organizando as estruturas de metadata conforme programado. Por exemplo, para gerar uma lista dos documentos em ordem alfabética, a programação tem o seguinte código: 

trecho do arquivo catalog.xq :

{let $corpuslocation := "../corpus/texts/xml/"

    for $filename in doc(concat($corpuslocation,'catalog.xml'))/catalog/corpusfile/@filename
    order by string(for $file in doc(concat($corpuslocation,$filename))
    return
               for $metadata in $file/document/head/generation/meta
               where $metadata/name="Document Author ID"
               return $metadata/val/text()) ascending
    return
              for $file in doc(concat($corpuslocation,$filename))
              return
                     for $generation in $file/document/head/generation
                     return
                           for $metadata in $generation/meta
                           where $metadata/name="Document Author ID"
                           return
                                 {
                                  for $tb_title in $metadata/../../generation/meta
                                  where $tb_title/name="Document Name"
                                  return
                                         [{$tb_title/val/text()}]
                                 }
                                 {
                                  {$metadata/val/text()}
                                 }
                                 {
                                  for $text_title in $metadata/../../generation/meta
                                  where $text_title/name="Document Title"
                                  return
                                        {$text_title/val/text()}
                                 }
        }

O que se traduz: 

“Tomando o universo de elementos listados no arquivo ../corpus/texts/xml/catalog.xml, escolha em cada arquivo os elementos incluidos no caminho /document/head/generation/meta nos quais o elemento name tiver o texto Document Author ID”; para cada arquivo, gere uma lista ordenada contendo esse elemento Document Author ID; retorne para cada elemento assim definido e ordenado o código do documento e o seu título”.

Gerando uma lista como: 

 Catalog by author's name (in alphabetical order)

    [a_001]   Aires, Matias - Reflexões sobre a Vaidade dos Homens
    [a_002]   Almeida, Manuel Pires de - Poesia e Pintura
    [a_004]   Alorna, Marquesa de - Cartas, Marquesa de Alorna
    [a_003]   Alorna, Marquês da Fronteira e - Memórias
    [a_005]   Argote, Jeronimo Contador de - Regras da Língua Portuguesa
    [b_001]   Barros, André - Vida do apostólico padre Antonio Vieira
    [b_002]   Barros, João de - Gramática
    [b_003]   Bernardes, Manuel - Nova Floresta
    [b_004]   Branco, Camilo Castelo - Amor de Perdição
    [b_005]   Branco, Camilo Castelo - Maria Moisés
    [b_006]   Brandão, Antonio - Monarchia Lusitana
    [b_007]   Brito, Bernardo de - Da Monarquia Lusitana
    [b_008]   Brochado, José da Cunha - Cartas, J.C. Brochado
    [c_001]   Cavaleiro de Oliveira - Cartas, Cavaleiro de Oliveira
    [c_003]   Chagas, António das - Cartas Espirituais
    [c_002]   Céu, Maria do - Rellaçaõ da Vida e Morte da Serva de Deos...
    [d_001]   D. João III - Cartas, D. João III
    [g_008]   Gandavo, Pero Magalhães de - História da Província de Santa Cruz
    [p_001]   Pinto, Fernão Mendes - Perigrinação

A programação de busca pode ser ativada de duas formas: local e remota, cf. abaixo.


I.2.3.1 Ativação do Catálogo – via local

  1.  chamar java <+espaço>

  2.  chamar modo -cp <+espaço>

  3.  indicar o software de transformação (Saxon) – incluir caminho na estrutura de diretórios;

  4.  digitar o comando para transformação:         net.sf.saxon.Query <+espaço>

  5. indicar o nome do documento de query – no caso, sempre catalog.xq (incluir o caminho), e digitar parêntese angular:  >

  6. indicar o nome do arquivo a ser gerado – incluir caminho onde ele será gravado, e terminação (.hml), <+enter>

  7.  O arquivo gerado estará disponível no diretório que foi indicado em (f).

 

c:\>java -cp c:\saxonb8-3\saxon8.jar net.sf.saxon.Query c:\~tycho\cgi-bin\catalog.xq > c:\~tycho\corpus\texts\xml\catalog.html 

 

I.2.3.2 Ativação do Catálogo – via remota

O acesso remoto ao catálogo é feito pela ativação de scripts via hipertexto.  

Na página de entrada do catálogo gerado conforme os procedimentos acima, o usuário tem acesso à seguinte tela:

Atualização

Este catálogo foi gerado em 23.05.07.
Clique [aqui] para atualizá-lo no servidor
(isso levará alguns instantes)

Ao clicar onde indicado, o usuário irá ativar o script em http://www.ime.usp.br/~tycho/cgi-bin/catalog.pl,  que ativa a geração do catálogo, da mesma forma do que acontece por via local. É gerado um documento temporário, que é a interface do Catálogo Dinâmico atualizado pelo usuário.


I.3 Documentação (Catalogação Interna)

Esta seção apresenta as informações básicas sobre a arquitetura de diretórios e o sistema de identificação de arquivos do Corpus. Foram criados diretórios para os novos tipos de documentos, e os alguns diretórios existentes foram renomeados (cf. I.3.1 para a lista dos diretórios e arquivos relevantes). Além disso, para facilitar a gestão dos arquivos (em especial tendo em vista a geração de múltiplas versões), um novo sistema de nomeação foi introduzido (cf. lista em I.3.2).

Incluem-se por fim informações sobre a documentação de anotação (cf. I.3.3); estão ali reproduções da gramática de anotações (documento .dtd, cf. I.3.3.1)  e do documento .xml modelo a ser usado como ponto de partida das transcrições (cf. I.3.3.2) .

I.3.1 Estruturas de Diretório

    Notas      
~tycho/ cgi-bin/

Contém:
- os arquivos de programação XSLT e XQ,
- o documento XML que une o catálogo,
- os scripts de acesso ao catálogo (.pl) e os softwares (saxon). 

 
 

corpus/

obras/

Contém os arquivos atualmente em transcrição (backup semanal)

 
    style/ Contém as folhas de estilo CSS que organizam a aparência/formatação dos arquivos e versões geradas   
    docs/

Contém cópias das folhas de programação XSLT e XQ que organizam o sistema de apresentação e busca dos documentos xml (para melhor acesso externo)

 
    texts/ orto/ Contém as transcrições dos textos na versão da Fase I  
      pos/ Contém os arquivos morfologicamente etiquetados   
      psd/ Contém os arquivos sintaticamente anotados  
      xml/

Contém os documentos-base .xml, a gramática (dtd) e os modelos.

 

Nota: Apenas o diretório texts e seus conteúdos exigem senha para acesso externo.


 

I.3.2 Tabela de nomeação dos arquivos

autor  

ID 

(1705-1763) MATIAS AIRES   a_001 
(1597-1655) MANUEL PIRES DE ALMEIDA   a_002 
(1802-1881) MARQUES DE F. E ALORNA   a_003 
(1750-1839) MARQUESA D'ALORNA   a_004 
(1676-1749) JERONIMO CONTADOR DE ARGOTE   a_005 
(1675-1754) ANDRE DE BARROS   b_001 
(1497-1562) JOAO DE BARROS   b_002 
(1644-1710) MANUEL BERNARDES   b_003 
(1825-1890) CAMILO CASTELO BRANCO b_005 
(1584-1637) ANTONIO BRANDAO  b_006 
(1569-1617) BERNARDO DE BRITO   b_007 
(1651-1735) JOSE DA CUNHA BROCHADO   b_008 
(1702-1783) CAVALEIRO DE OLIVEIRA   c_001 
(1658-1753) MARIA DO CEU   c_002 
(1631-1682) ANTONIO DAS CHAGAS   c_003 
(1714-   ?) ANTONIO DA COSTA  c_004 
(1757-1832) JOSE DANIEL RODRIGUES DA COSTA   c_005 
(1601-1667) MANUEL DA COSTA   c_006 
(1542-1606) DIOGO DO COUTO   c_007 
(1502-1557) D. JOAO III   d_001 
(1845-1900) ECA DE QUEIROZ & O. MARTINS   e_001 
(1583-1655) MANUEL SEVERIM DE FARIA   f_001 
(1597-1665) MANUEL DE GALHEGOS   g_001 
(1724-1772) CORREIA GARCAO   g_002 
(1799-1854) ALMEIDA GARRETT  –  cartas  g_003 
(1799-1854) ALMEIDA GARRETT   –  teatro g_004
(1799-1854) ALMEIDA GARRETT  –  Viagens  g_005 
(1695-?     ) ALEXANDRE DE GUSMAO  g_006 
(1502-1579) PERO MAGALHÃES DE GANDAVO g_008 
(1435-1517) DUARTE GALVÃO  g_009 
(1517-1584) FRANCISCO DE HOLANDA   h_001 
(1579-1621) FRANCISCO RODRIGUES LOBO   l_001 
(1380-1460) FERNÃO LOPES  l_002 
(1733-1805) DIOGO I. DE PINA MANIQUE   m_001 
(1608-1666) FCO MANUEL DE MELO – Cartas Familiares m_003 
(1608-1666) FCO MANUEL DE MELO – Tácito Português m_004
(1836-1915) RAMALHO ORTIGAO   o_001 
(1510-1583) FERNAO MENDES PINTO   p_001 
(1440-1522) RUI DE PINA  p_002 
(1556-1632) LUIS DE SOUSA   s_001 
(1672-1760) MANUEL DOS SANTOS  s_002 
(1713-1792) LUIZ ANTONIO VERNEY   v_001 
(1608-1697) ANTONIO VIEIRA    – Cartas  v_002
(1608-1697) ANTONIO VIEIRA    – Historia do Futuro v_003 
(1608-1697) ANTONIO VIEIRA    – Sermões  v_004 

I.3.3 Gramática da anotação XML no Corpus (DTD)

cf. <http://www.ime.usp.br/~tycho/corpus/texts/xml/tycho_03.dtd-->
(a aplicação dessas categorias está explicada nas seções II.2 e III.2)

<!ELEMENT

document

(head, body)>

     
<!ELEMENT head (metadata)+>
<!ELEMENT metadata (meta)+>
<!ELEMENT meta (name, val)+>
<!ELEMENT name (#PCDATA)>

<!ELEMENT

val (#PCDATA)>
     
<!ELEMENT body (text)+>
<!ELEMENT text (sec)+>
<!ELEMENT sec (p | s | sec | #PCDATA | #EMPTY)+>
<!ELEMENT p (s | text_el | (comment*) | #EMPTY)+>
<!ELEMENT s (text_el | format | ed_mark | (comment*) | #PCDATA | #EMPTY)+>
<!ELEMENT text_el (#PCDATA)>
<!ELEMENT format (#PCDATA)>
<!ELEMENT comment (#PCDATA)>
<!ELEMENT ed_mark (ed | or | (ad?))>
<!ELEMENT ed (#PCDATA)>
<!ELEMENT ad (#PCDATA)>
<!ELEMENT or (#PCDATA)>
       
<!ATTLIST metadata generation (original_text | immediate_source | intermediate_source | corpus_processing) #REQUIRED >
<!ATTLIST s t (signature | date | heading)>
<!ATTLIST sec t

(ch | prologue | preface | licence | index | letter | play |
act | char | sc_desc | char_desc | scene_marking |
table | line | pag | col | margin |
title | subtitle | language) #REQUIRED >

<!ATTLIST text_el t (p_nr | line_nr | pag_nr | pag_header | pag_foot | image)>
<!ATTLIST format t (cap | b | i)>
<!ATTLIST ed t (mod | exp | seg | punc | cor | crux)"mod" >

 

<!--end dtd-->

<!--key for status indicators: --> 


<!--number of occurence of a content--> 
<!--"?"       content has to occure 0 or one time-->
<!--"*"       any number of occurence (between 0 and n)-->
<!--"+"       at least one occurence (between 1 and n)-->
<!--otherwise exactly once-->


<!--connectors--> 
<!--"|"       or-->
<!--","       sequence-->


 


II. Transcrição

II.1 Diretrizes

II.1.1Visão Geral

A transcrição dos textos é conservadora, mantendo todas as características grafemáticas do original, a organização espacial do texto, a segmentação vocabular, e outras características gráficas.

A organização do texto é indicada por anotações XML, dos elementos que chamamos “estrutura bruta” (gross structure), como seções, títulos, parágrafos, colunas, notas de margem, reclames de pé de página, etc.1.

Para a perfeita reprodução dos grafemas originais, transcrevem-se os textos no conjunto de caracteres Unicode, versão UTF-82.

II.1.2 Normas para a transcrição de originais

II.1.2.1 Caracteres alfabéticos:

N E S T E pequeno ſeruiço

v/u: louuores, deue
ſ /s: neſſas, ſuccedido, peſſoas
i/j: D. Ioão

bõs, cõ, algũa, homẽs, acrecẽte

<format t=" cap">R</format> E I N A N D O aquele mui caholico

II.1.2.2 Abreviaturas, pontuação e organização espacial do texto:
Via preſente obra de Pero de Magalhães (“Vi a presente obra ...”)
perpetualos (“perpetuá-los”)
E iſtoaſsi pelo mereci- <nl/> mẽto (“E isto assim pelo mereci | mento”)
II.1.2.3 Indicações de Dificuldades de Leitura e Aspecto do suporte material

II.2 Procedimentos

II.2.1 Digitação

Os textos são digitados diretamente em formato XML (Extended Markup Language), no editor Emacs, um processador de software livre (GNU), que sustenta grandes arquivos e evita problemas de codificação de caracteres.

Este aplicativo oferece um modo SGML, com sistematização para inserção de etiquetas de anotação XML, o que confere segurança e consistência na anotação. Ao se abrir o documento .xml, o modo SGML começa automaticamente.

II.2.1.1 Instruções Gerais para a Digitação:

  1. Os caracteres são transcritos no conjunto UTF-8. Antes de abrir o documento, certifique-se  de que o "language environment" está indicando UTF-8.
  2. Nos casos de carateres não previstos nos teclados dos computadores atuais, digitam-se diretamente os códigos UTF correspondentes. A lista completa do sistema Unicode se encontra em <http://www.unicode.org/charts/>. Por exemplo:
  3. Tam glorioſos progreſſos > Tam glorio&#383;os progre&#383;&#383;os

    &#386;    - “Latin Small letter long S”

  4. Comentários: Caso pareça necessário inserir algum comentário sobre o processo de anotação, a ser conferido pelo revisor, use o sistema de comentários para XML. Os comentráios devem se iniciar com um parênteses angular aberto, um ponto de exclamação e dois hífens; e terminar com dois hífens um parênteses angular fechado; ou seja:

  5.   <!--TEXTO DO COMENTÁRIO-->    

  6. A digitação inclui a anotação da "estrutura bruta" do texto, ou seja, de categorias como seção, títulos, parágrafos, sentenças, quebras de linha, e outros. Veja em II.2.2 a seguir as anotações para essas categorias.

 

II.2.1.2 Checagem no browser (debug)

Um documento XML está bem-formado quando a hierarquia das catagorias continentes está respeitada. O navegadores só conseguem ler documentos bem-formados. Ao longo da digitação, é necessário checar a formação do documento.

Para checar os documentos:  

  1. Abra o documento .xml na janela de um navegador (Internet Explorer, Firefox) e (em outra janela), no Emacs;
  2. Caso haja algum erro na anotação, ele será apontado pelo navegador – ex.emplo (mensagem do Firefox):
  3. XML Parsing Error: mismatched tag. Expected: </text_el>. 
    Location: l_002.xml 
    Line Number 4226, Column 22:<text_el t="pag_foot">to temos</p> 

  4. No Emacs, vá até a linha indicada (menu: "go to line...") e corrija o erro;
  5. Volte à janela do browser e recarregue o documento; 
  6. Prossiga assim até que o browser pare de apontar erros e leia a estrutura inteira, até </document>. 

 

II.2.2 Anotações de Estruturas de Texto (gross structure)

II.2.2.1 Anotação de Formatação
Ocorrência Anotação
capitulares <format t="cap"></format>
itálico <format t="i"></format>
negrito <format t="b"></format>
II.2.2.2 Anotação de Divisões do Texto
Ocorrência Anotação
parágrafo <p></p>
sentença <s></s>
   
quebra de linha <sec t="line"/>
quebra de página <sec t="pag"/>
quebra de coluna <sec t="col"/>
   
capítulo <sec t="ch"></sec>
prefácio <sec t="preface"></sec>
prólogo <sec t="prologue"></sec>
carta <sec t="letter"></sec>
índice <sec t="index"></sec>
peça (teatral) <sec t="play"></sec>
ato <sec t="act"></sec>
descrição dos personagens <sec t="char_desc"></sec>
marcações de cena <sec t="scene_desc"></sec>
nome dos personagens <sec t="char"></sec>
   
título <sec t="title"></sec>
tabela <sec t="table"></sec>
texto na margem <sec t="margin"></sec>
II.2.2.3 Anotação de Elementos do Texto
Ocorrência Anotação
número da página <text_el t="pag_nr"></text_el>

número da linha

<text_el t="line_nr"></text_el>
número do parágrafo <text_el t="par_nr"></text_el>
cabeçalho da página <text_el t="pag_head"></text_el>
reclame de pé de página <text_el t="pag_foot"></text_el>
imagem <text_el t="image"></text_el>

 

II.2.2.4 Anotação de Dificuldades de Leitura e outros Comentários
Ocorrência Anotação
caracteres/ vocábulos / trechos
de difícil leitura
<ed_mark t="crux"></ed_mark>
comentários em geral <comment></comment>

 

II.2.3 Exemplo: Transcrição de um original impresso

II.2.3.1 O original impresso (fac-simile)


g_008


Fonte: GANDAVO, Pedro de Magalhães. História da prouincia Sãcta Cruz que vulgarme[n]te chamamos Brasil / feita por Pero Magalhäes de Gandauo. - Em Lisboa : na officina de António Gonsaluez: vendense em casa de Ioão Lopez, 1576. - 48 f. : 1 est. ; 4º (18 cm) . http://purl.pt/121/1/P7.html (f. 4v)


II.2.3.2 A Transcrição do Original Impresso

<sec t="ch">

<sec t="title">Capit. Primeiro, De como ſe deſ-<sec t="line"/>
<format t="i">cobrio esta prouincia , & a razam porque ſe deue <sec t="line"/>
chamar Sancta Cruz, e nam <sec t="line"/>
Braſil . </format> </sec>

<p>

<s><format t="cap">R</format>E I N A N D O aquelle muy catho- <sec t="line"/>
lico & ſereniſsimo Principe elRey Dom <sec t="line"/>
MANVEL , fezſe hũa frota pera a India <sec t="line"/>
de que hia por capitam mór Pedralua- <sec t="line"/>
rez Cabral: que foy a ſegunda nauega- <sec t="line"/>
çam que fezeram os Portugueſes pera aquellas par- <sec t="line"/>
tes do Oriente.</s> <s>A qual partio da cidade de Lixboa a <sec t="line"/>
noue de Março no anno de 1500.</s> <s>E ſendo ja entre <sec t="line"/>
as ilhas do Cabo verde (as quaes hião demandar pera <sec t="line"/>
fazer ahi agoada ) deulhes hum temporal, que foy cau <sec t="line"/>
ſa de as nam poderem tomar, & deſe apartarem algũs <sec t="line"/>
nauios da companhia.</s> <s>E depois de auer bonança jun <sec t="line"/>
ta outra vez a frota, empegaranſe ao mar, aſsi por fo- <sec t="line"/>
girem das calmarias de Guiné, que lhes podiam eſtro- <sec t="line"/>
uar sua viagem, como por lhes ficar largo poderem do <sec t="line"/>
brar o cabo de boa Eſperança.</s> <s>E auendo jahum mes, <sec t="line"/>
quehião naquella volta nauegando com vento pros-<sec t="line"/>
pero , foram dar na coſta deſta prouincia : ao longo <sec t="line"/>
da qual cortáram todo aquelle dia, parecendo a <sec t="line"/>
todos que era algũa grande ilha que ali eſtaua , ſem <sec t="line"/>
auer Piloto, nem outra peſſoa algũa que teueſſe <sec t="line"/>

<text_el t="pag_foot>noticia </text_el>

<sec t="page/>

..... </s> ... </p> ... </sec>




III. Edição

III.1 Diretrizes

III.1.1.Visão Geral


As interferências editoriais realizadas neste sistema têm por objetivo primordial tornar os textos legíveis para uma análise lingüística automática posterior.

Com este objetivo, é necessário normalizar a segmentação vocabular, desenvolver as abreviaturas, interpretar trechos de difícil leitura, e uniformizar a grafia dos textos, como em uma edição interpretativa tradicional.

As interferências editoriais são acrescentadas ao mesmo arquivo em que se realizou a transcrição de acordo com as diretrizes expostas na Parte II. São anotadas por sobre a transcrição do original, de modo a serem inteiramente recuperáveis na etapa da apresentação dos textos.

Assim, o sistema de edição aqui apresentado funciona como uma anotação em camadas sucessivas : ainda depois da aplicação de novas informações num texto de base, é possível distinguir as diferentes camadas do texto.

Desta forma, embora a edição seja realizada até o nível da modernização de grafia, é possível ter acesso ao texto mais conservador que permanece superposto às interferências.

Para que o sistema de camadas funcione de modo ótimo, as interferências são classificadas em categorias como uniformização grafemática, expansão de abreviaturas, uniformização de pontuação, modernização de grafia, correção.

Desta forma, nas etapas posteriores é possível ter acesso ao texto em diferentes versões, segundo a camada de edição escolhida. Por exemplo, é possível ter aceso ao uma versão com todas as uniformizações grafemáticas (ex.: alteração dos alógrafos contextuais u/v) , mas sem as modernizações de grafia, etc.

A partir da anotação das interferências editoriais, é possível se obter, para cada texto editado, um glossário das edições realizadas (separado, também, por categorias).

As interferências editoriais são identificadas com marcas em XML (cf. III.2) .

III.1.2. Normas de Edição

III.1.2.1 Caracteres alfabéticos

N E S T E pequeno ſeruiço ► Neste pequeno serviço

Tropheos ► Troféus

v/u: louuores, deue ► louvores, deve

ſ /s: neſſas, peſſoas, baſtante ► nessas, pessoas, bastante

i/j: D. Ioão ► D. João


bõs, cõ, algũa, homẽs, acrecẽte ► bons, com, alguma, homens, acrescente

naõ, saõ ► não, são

attençam ► atenção

Via preſente obra de Pero de Magalhães ► Vi a presente obra ...

E auendo jahum mes ► E havendo já um mês

perpetualos ► perpetuá-los

E iſtoaſsi pelo mereci- mẽto ► E isto assim pelo merecimento

 

III.1.2.2 Abreviaturas, pontuação e organização espacial do texto

VM ► Vossa Mercê

~q ► que

texto entre aspas”. texto entre aspas.

 

III.1.2.3 Grafia

Nos casos em que a norma ortográfica atual está relacionada a propriedades morfo-sintáticas, a normalização ortográfica não é realizada, a não ser que a forma original indique indubitavelmente a morfo-sintaxe (ainda que de outra forma que a usada na norma atual). Assim,

eſſes peixes tēm eſcamas ► esses peixes têm escamas mas
eſſes peixes tem eſcamas ► esses peixes tem escamas

ſatisfazer á menor parte ► satisfazer à menor parte mas
ſatisfazer a menor parte ► satisfazer a menor parte

III.1.2.4 Léxico e Morfosintaxe

III.1.2.5 Outras Interferências

deqois ► depois
audam ► andam
romáram ► tomaram
rrato ► trato

III.2 Procedimentos

III.2.1 Anotação das Interferências de Edição

As interferências editoriais são identificadas com marcas em XML, anotadas segundo os mesmos procedimentos que as estruturas de texto (cf. II.2.1 acima) .

A etapa da edição equivale também a uma revisão da transcrição; o editor deve estar atento a lapsos de transcrição, e para isso deve poder acessar o texto original, conferindo-o regularmente. Deve-se, inclusive, lembrar de executar a checagem no navegador, da mesma forma como se explica em II.2.1.2 acima.

Além desses dois processos referentes à estrutura da anotação, ao final da etapa de edição é necessário ainda conferir a consistência das intervenções realizadas no texto:

A idéia geral da anotação de edição é identificar todos os itens acrescentados ao texto pelo editor como elementos <ed>, e identificar os itens originais correspondentes como <or>; o par de itens editado/original é encapsulado como marca de editor, categoria <ed_mark>. Desta forma, guarda-se a correspondência entre os dois itens, e garante-se a recuperabilidade das formas originais dos textos. As marcas de edição são mais tarde numeradas por uma programação automática.

As diferentes formas de edição (normalização de grafia, segmentação, etc) são indicadas como atributos da categoria <ed>, como mostra a lista a seguir.

II.2.1.1 Anotação geral

  Anotação Exemplo
item original a ser editado <or></or> <or>hum</or>
item acrescentado pelo editor <ed></ed> <ed>um</ed>
conjunto dos itens original e editado <ed_mark></ed_mark> <ed_mark>
        <ed>um</ed>
        <or>hum</or>
</ed_mark>

 

II.2.1.2 Atributos para os tipos de interferências

  Atributo a <ed> Exemplo
uniformização grafemática e de módulo t="gra" <ed_mark>
<ed t="gra">serviço</ed><or>ſeruiço</or>
</ed_mark>
separação ou junção de vocábulos t="seg" <ed_mark>
<ed t="seg">que ſe</ed><or>queſe</or>
</ed_mark>
expansão de abreviatura t="exp" <ed_mark>
<ed t="exp">Vossa Mercê</ed><or>V.M.</or>
</ed_mark>
uniformização de pontuação t="punc" <ed_mark>
<ed t="punc"> >> </ed><or> " </or>
</ed_mark>
modernização de grafia t="mod" <ed_mark>
<ed t="mod">ínclita</ed><or>inclita</or>
</ed_mark>
correções t="cor" <ed_mark>
<ed t="cor">depois</ed><or>deqois</or>
</ed_mark>

NOTA: As edições podem se sobrepor, caso mais de um dos aspectos acima listados precisem ser alterados num item. Assim, um mesmo item original pode ser editado para uniformização de grafemas e em seguida para modernização de grafia, por exemplo:

<ed_mark>
     <ed t="mod">sereníssimo</ed>
     <ed t="gra">serenissimo</ed>
     <or>ſereniſsimo</or>
</ed_mark>

 

III.2.2 Exemplo: edição interpretativa

III.2.2.1 Anotação das Interferências Editoriais no Texto-Base

( a partir de um trecho da transcrição em II.2.2 acima)

<s>

<ed_mark><ed t="gra">Reinando</ed><or><format t="cap">R</format>E I N A N D O</or></ed_mark>
<ed_mark><ed t="mod">aquele</ed><or>aquelle</or></ed_mark>
<ed_mark><ed t="mod">mui</ed><or>muy</or></ed_mark>
<ed_mark><ed t="mod">católico</ed><ed t="seg">catolico</ed><or>catho-<sec t="line"/>lico</or></ed_mark>
<ed_mark><ed t="gra">e</ed><or>&</or></ed_mark>
<ed_mark><ed t="mod">sereníssimo</ed><ed t="gra">serenissimo</ed><or>ſereniſsimo</or></ed_mark>
<ed_mark><ed t="mod">Príncipe</ed><or>Principe</or></ed_mark>
<ed_mark><ed t="mod">el-Rei</ed><or>elRey</or></ed_mark> Dom <sec t="line"/>
<ed_mark><ed t="gra">Manuel</ed><or>MANVEL</or></ed_mark> ,
<ed_mark><ed t="seg">fez-se</ed><ed t="gra">fezse</ed><or>fezſe</or></ed_mark>
<ed_mark><ed t="mod">uma</ed><or>hũa</or></ed_mark> frota pera a
<ed_mark><ed t="mod">Índia</ed><or>India</or></ed_mark> <sec t="line"/> de que
<ed_mark><ed t="mod">ia</ed><or>hia</or></ed_mark> por
<ed_mark><ed t="mod">capitão</ed><or>capitam</or></ed_mark> mór
<ed_mark><ed t="seg">Pedro Álvares</ed><ed t="seg">Pedraluarez</ed><or>Pedralua-<sec t="line"/>rez</or></ed_mark> Cabral: que
<ed_mark><ed t="mod">foi</ed><or>foy</or></ed_mark> a
<ed_mark><ed t="gra">segunda</ed><or>ſegunda</or></ed_mark>
<ed_mark><ed t="mod">navegação</ed><ed t="gra">navegaçam</ed><ed t="seg">nauegaçam</ed><or>nauega-<sec t="line"/>çam</or></ed_mark> que
<ed_mark><ed t="mod">fizeram</ed><or>fezeram</or></ed_mark> os
<ed_mark><ed t="gra">Portugueses</ed><or>Portugueſes</or></ed_mark>
<ed_mark><ed t="mod">para</ed><or>pera</or></ed_mark>
<ed_mark><ed t="mod">aquelas</ed><or>aquellas</or></ed_mark>
<ed_mark><ed t="seg">partes</ed><or>par-<sec t="line"/>tes</or></ed_mark> do Oriente.

</s>

 

II.2.2.2 Apresentações possiveis a partir da anotação de edição

(Os mecanismos envolvidos na geração de apresentações tais como exemplificadas abaixo se explicam na seção IV. Apresentação).

Transcrição Diplomática Edição Interpretativa
REINANDO aquelle muy catho-
lico & ſereniſsimo Principe elRey Dom
MANVEL , fezſe hũa frota pera a India
de que hia por capitam mór Pedralua-
rez Cabral: que foy a ſegunda nauega-
çam que fezeram os Portugueſes pera aquellas par-
tes do Oriente.
Reinando aquele muito católico
e sereníssimo Príncipe el-Rei Dom
Manuel, fez-se uma frota para a Índia
de que ia por capitão mór Pedro Álvares
Cabral: que foi a segunda navegação
que fizeram os Portugueses para aquelas partes
do Oriente.

 

III.3 Diretrizes para a transposição digital de outras edições

Edições originalmente processadas por outros sistemas podem ser adaptadas ao sistema eletrônico; isto envolve alguns procedimentos de adaptação específicos, em especial quando se tratam de edições semi-interpretativas de manuscritos.

Na adaptação de outras edições, a etapa da transcrição equivale a uma transposição digital, cujo principal objetivo é adaptar as marcas do primeiro editor para o sistema eletrônico mostrado anteriormente.

Isto se aplica tanto à transposição dos caracteres e às anotações da estrutura textual (quebras de linha e de página, etc.), mostradas na seção II, como para as intervenções editoriais do primeiro editor (como desenvolvimento de abreviaturas), mostradas em III.1 e III.2 acima.

A principal diferença entre os procedimentos de transcrição e preparação de textos diretamente do original tal como anteriormente apresentados e esta transposição de outras edições é que neste último caso, trata-se de identificar, nas marcas de anotação, a autoria de cada intervenção.

________

A seguir, mostra-se um exemplo de transposição de um conjunto de textos-fonte originalmente editados em formato Word (.doc) – o corpus “Cartas Brasileiras”, na edição semi-diplomática de Zenaide O.N. Carneiro. O Corpus é transposto para o sistema eletrônico, adaptando-se as intervenções editoriais da preparação original, e mantendo-se um registro de autoria de cada uma delas. Posteriormente, os documentos passarão pelo processo de uniformização ortográfica



III.3.1 Exemplo: Transposição Digital de uma edição semi-diplomática

A. O Manuscrito Original (fac-simile)

carta 1

Fonte: Carneiro, Zenaide de Oliveira Novais (2005). “Cartas Brasileiras (1808-1904): Um Estudo Lingüístico-Filológico”. Tese de Doutoramento, Instituto de Estudos da Linguagem, Universidade Estadual de Campinas. Anexo - Carta 1.


B. A Edição Semi-Diplomática

Carta 1 

AIGHBA. Antiga pasta 5. Documento contendo um fólio. Papel almaço sem pautas protegido por papel manteiga. Carimbo do IGHB na margem superior esquerda com a anotação, “Nº 51”, além de outras a lápis, “P5m1 e, mais abaixo,“5/1/51/633”. Acima do carimbo encontra-se outra anotação em vermelho: “36 Ant° Calmon I.G.H.B”. No segundo fólio as informações relativas ao destinatário foram escritas na vertical.

 

Illustrissimo e Excelentissimo Senhor Manoel Ignacio daCunha eMenezes|

 

Rio 13 de Dezembro de 1829.|

 

Meu amigo eSenhor. A sua carta de 6 do mes proximo passado| me deo grande saptisfação por trazer-me não só| a noticia da sua feliz viagem, como a de ter| achado com saúde toda a sua Familia, á quem| rendo os meus respeitos, que igualmente são derigi=|dos por minha mulher, a qual agradece os cumprimentos| deVossa Excelência, dando-lhe o paraben de se achar| restituido ao seio da sua cara Familia, sendo| n’estes sentimentos acompanhada por meu sogro, e| sogra[1], que muito se – recomendão.|

                Dezejando á Vossa Excelencia saúde, e ventu=|ras passo á sollicitar com instancia que me-| empregue no seu serviço, pois sempre me – acha|rá prompto por ser|

Rogo á Vossa Excelência me–recomende|
aos Excelentissimos Senhores Telles, e Antonio [?]|
Augusto. |

                                                                               De Vossa Excelencia|

 

                                                Amigo reconhecido, e criado obrigado|

 

                                               Antonio Rodriguez de Araujo Basto.|

[1]      Borrado.


Fonte: Carneiro, Zenaide de Oliveira Novais (2005). “Cartas Brasileiras (1808-1904): Um Estudo Lingüístico-Filológico”. Tese de Doutoramento, Instituto de Estudos da Linguagem, Universidade Estadual de Campinas. Anexo - Carta 1.


C. A Transposição Digital

<text id="cb_001">

<sec t="letter">

  <sec t="title">Carta 1</sec>

  <comment t="heading" author="Z.Carneiro">AIGHBA. Antiga pasta 5. Documento contendo um fólio. Papel almaço sem pautas protegido por papel manteiga. Carimbo do IHGB na margem superior esquerda com a anotação,"N 51", além de outras a lápis, "P5ml" e, mais abaixo,"5/1/51/633". Acima do carimbo encontrase outra anotação em vermelho:"36 Ant CAlmon I.H.G.B". No segundo fólio as informações relativas ao destinatário foram escritas na vertical.</comment>

 <s type="heading">

 <ed_mark><ed author="Z.Carneiro">Ilustrissimo </ed> <or>Illmo</or>  </v>   e
 <ed_mark><ed author="Z.Carneiro">Excelentissimo</ed> <or>Exmo</or>  </v>
 <ed_mark><ed author="Z.Carneiro">Senhor </ed> <or>Snr</or>  </v> Manoel Ignacio daCunha
 <ed_mark><ed author="Z.Carneiro">eMenezes </ed> <or>eMenzes</or></v>   <sec t="line"/> </s>

 <s t="date">Rio 13 de Dezembro de 1829.<sec t="line"/>   </s>

 <p>

 <s> Meu amigo
  <ed_mark><ed author="Z.Carneiro">eSenhor </ed><or>eSnr</or></ed_mark>  .   </s>

 <s>  A sua carta de 6 do mes
  <ed_mark><ed author="Z.Carneiro" t="exp">proximo </ed><or>p</or></ed_mark>
  <ed_mark><ed author="Z.Carneiro" t="exp">passado </ed><or>psso</or></ed_mark>  <sec t="line"/>
  me deo grande saptisfação
  <ed_mark><ed author="Z.Carneiro" t="exp">por </ed><or>pr</or></ed_mark> trazerme não só   <sec t="line"/>
  a noticia da sua feliz viagem, como a de ter   <sec t="line"/>
achado com saúde toda a sua Familia, á
  <ed_mark><ed author="Z.Carneiro" t="exp">quem </ed><or>qm</or></ed_mark>  <sec t="line"/>
  rendo os meus respeitos,
  <ed_mark><ed author="Z.Carneiro" t="exp">que </ed><or>q</or></ed_mark> igualmente são derigi=   <sec t="line"/>
  dos
  <ed_mark><ed author="Z.Carneiro" t="exp">por </ed><or>pr</or></ed_mark>
  <ed_mark><ed author="Z.Carneiro" t="exp">minha </ed><or>ma</or></ed_mark>   mulher, a
  <ed_mark><ed author="Z.Carneiro" t="exp">qual </ed><or>ql</or></ed_mark>   agradece os
  <ed_mark><ed author="Z.Carneiro" t="exp">cumprimentos</ed> <or>cumprimtos</or>  </ed_mark>  <sec t="line"/>
  <ed_mark><ed author="Z.Carneiro" t="exp">deVossa </ed><or>deV</or></ed_mark>
  <ed_mark><ed author="Z.Carneiro t="exp"">Excelência</ed><or>Exa</or></ed_mark> ,dandolhe o paraben de se achar   <sec t="line"/>
  restituido ao seio da sua cara Familia, sendo   <sec t="line"/>
  n'estes
  <ed_mark><ed author="Z.Carneiro" t="exp">sentimentos </ed><or>sentimtos</or></ed_mark> acompanhada
  <ed_mark><ed author="Z.Carneiro" t="exp">por </ed><or>pr</or></ed_mark> meu sogro, e   <sec t="line"/>
  <ed_mark t="bor" author="Z.Carneiro">sogra</ed_mark> ,
  <ed_mark><ed author="Z.Carneiro" t="exp">que </ed><or>q</or></ed_mark>
  <ed_mark><ed author="Z.Carneiro" t="exp">muito </ed><or>mto</or> </ed_mark> se recomendão.   <sec t="line"/> </s>

</p>

 <p>

 <s>  Dezejando á
  <ed_mark><ed author="Z.Carneiro" t="exp">Vossa Excelencia</ed><or>V Exa</or>  </ed_mark> saúde, e ventu   <sec t="line"/>
ras passo á solicitar com instancia
  <ed_mark><ed author="Z.Carneiro" t="exp">que </ed><or>q</or></ed_mark> me   <sec t="line"/>
  empregue no seu serviço, pois sempre me acha   <sec t="line"/>
rá prompto
  <ed_mark><ed author="Z.Carneiro" t="exp">por </ed><or>pr</or></ed_mark> ser   <sec t="line"/>
  Rogo á
  <ed_mark><ed author="Z.Carneiro" t="exp">Vossa Excelência</ed><or>V Exa</or></ed_mark> me recomende <sec t="line"/>
  aos
  <ed_mark><ed author="Z.Carneiro" t="exp">Excelentissimos</ed><or>Exmos</or></ed_mark>
  <ed_mark><ed author="Z.Carneiro" t="exp">Senhores </ed><or>Sres</or></ed_mark> Telles, e
  <ed_mark><ed author="Z.Carneiro" t="exp">Antonio </ed><or>Anto</or></ed_mark> <sec t="line"/>
  Augusto.   <sec t="line"/> </s>

</p>

 <s>  De
  <ed_mark><ed author="Z.Carneiro" t="exp">Vossa Excelencia</ed><or>V Exa</or></ed_mark>  <sec t="line"/>
  <ed_mark><ed author="Z.Carneiro" t="exp">Amigo </ed><or>Amo</or></ed_mark>  reconhecido, e
  <ed_mark><ed author="Z.Carneiro" t="exp">criado </ed><or>cro</or></ed_mark>
  <ed_mark><ed author="Z.Carneiro" t="exp">obrigado </ed><or>obro</or></ed_mark>  <sec t="line"/> </s>

 <s t="signature">   Antonio
  <ed_mark><ed author="Z.Carneiro" t="exp">Rodriguez </ed><or>Roez</or></ed_mark>   de
  <ed_mark><ed author="Z.Carneiro" t="exp">Araujo </ed><or>Aro</or></ed_mark>   Basto. </s>

  </sec>

  </text> 


III.3.2 Normas para a Transposição Digital de Outras Edições

Na transposição de outras edições, a transcrição segue as normas expostas em II.1 e II.2 acima , quanto à transcrição dos caracteres alfabéticos, à pontuação e organização espacial do texto, e às indicações de dificuldade de leitura.

A diferença primordial é que nestes casos, os comentários, as indicações de leitura e outras interferências do primeiro editor são também transcritos, e seu autor é identificado, como se detalha abaixo.