Version classiqueVersion mobile

¿Qué es la Iniciativa de Codificación de Textos?

 | 
Lou Burnard

TEI y XML

Texte intégral

1TEI hace énfasis en aquello que es común a todo tipo de documento, ya sea representado físicamente en forma digital en disco o en tarjeta de memoria, en forma impresa como libro o periódico, en forma escrita como manuscrito o códice, o en forma inscrita en piedra o tablilla de cera. Esta continuidad facilita la migración del texto desde manifestaciones más antiguas, como la impresión o el manuscrito, a otras más recientes, como el disco o la pantalla. Por lo tanto, la visión de TEI de lo que el texto realmente es está condicionada en gran medida por lo que el texto ha sido en el pasado, sin comprometer demasiado lo que el texto puede llegar a ser en el futuro. Intenta tratar todos los tipos de documentos digitales de la misma manera, tanto si han “nacido digitales” como si no.

2En consecuencia, el marco conceptual de TEI proporciona una forma útil de pensar acerca de la naturaleza del texto: constituye una especie de enciclopedia de nociones textuales generalmente admitidas. En esta breve guía intentaremos ejemplificar algunas de estas nociones, para lo cual utilizaremos el vocabulario definido por TEI en sus Directrices.

3Actualmente, los documentos TEI en formato digital se expresan mediante un lenguaje de codificación formal muy extendido llamado XML, el lenguaje de marcado extensible (extensible markup language), publicado por primera vez por el World Wide Web Consortium (W3C) en 1998, cuyos orígenes se remontan a los sistemas de preparación de documentos de la década de 1980. XML ofrece una forma sencilla de representar datos estructurados como un flujo lineal de datos de caracteres, y de marcar partes particulares de ese flujo con etiquetas para indicar su función estructural o su semántica. Al haberse convertido XML en una tecnología tan generalizada, existen muchas guías introductorias excelentes, por lo que daremos por sentado que el lector tiene un conocimiento básico de conceptos clave como q, atributo, esquema y espacio de nombres (namespace), que a continuación se glosarán brevemente en aras de la inteligibilidad. Las Directrices TEI incluyen una Introducción suave a XML, que puede serle útil a los principiantes, aunque es posible encontrar muchos otros tutoriales sobre el tema en internet.

4El siguiente es un ejemplo de un documento XML mínimo:

<?xml version="1.0"?>
<doc xmlns="http://example.org/​namespace">
 <p n="1">Este es un párrafo.</p>
 <p n="2">
  Este párrafo menciona a <placeName>Bristol</placeName>. 
 </p>
</doc>

5La primera línea de un documento XML siempre adopta la forma mostrada anteriormente: un tipo especial de instrucción que indica que lo que sigue es un documento XML conforme a la versión del estándar XML indicada (en este caso, la versión 1.0). Un documento XML consiste en una secuencia de caracteres legibles por humanos, sin códigos especiales adicionales ni datos binarios. Los caracteres < y > se utilizan para marcar el inicio y el final de una etiqueta (tag) dentro de esta secuencia. Una etiqueta puede ser de inicio (como <p>) o de fin (como </p>). Una etiqueta siempre comienza con un nombre (<doc>, <p> y <placeName> en el ejemplo anterior) y también puede contener especificaciones de atributo (como n="1"). El propósito de una etiqueta de inicio es marcar el punto en la secuencia de caracteres donde comienza algún elemento, de un tipo indicado por el nombre de la etiqueta, y el propósito de una etiqueta de fin es marcar dónde termina ese elemento. El propósito de una especificación de atributo es añadir alguna información extra sobre la aparición de un elemento además de su nombre. En el ejemplo anterior tenemos un elemento llamado <doc> que contiene dos elementos <p>. Los elementos <p> tienen ambos un atributo @n que proporciona un número, y ambos contienen texto sin formato. El segundo elemento <p> también contiene un elemento llamado <placeName>.

6Se dice que un documento XML como este está bien formado si respeta la sintaxis ejemplificada aquí, con las etiquetas de inicio y fin presentes y correctamente anidadas. Pero el estándar XML no dice nada en absoluto sobre cómo deben nombrarse los elementos o los atributos (a diferencia, por ejemplo, del HTML, que define un conjunto específico de etiquetas que deben utilizarse de una manera determinada en todos los documentos), y mucho menos sobre lo que significan sus nombres. Podemos suponer que los elementos <p> de arriba marcan párrafos numerados, pero no hay nada en la representación XML que justifique esa suposición: podrían marcar igualmente páginas, o entradas de un glosario, o versos. Por lo tanto, si encuentro otro documento que contenga elementos <p>, ¿cómo sabré si tienen la misma función? La función del atributo @xmlns de arriba es ayudar a resolver este problema, al proporcionar un valor por defecto para lo que se denomina el espacio de nombres (namespace) de todos los elementos contenidos por el elemento <doc>.

7No es inusual encontrar elementos pertenecientes a muchos espacios de nombres en un mismo documento: por ejemplo, un documento que contenga notación musical, gráficos vectoriales y texto, todo ello representado en XML, podría utilizar etiquetas de tres espacios de nombres diferentes: uno para los elementos musicales, otro para los gráficos y otro para los textuales. Un espacio de nombres es una forma de etiquetar un grupo de elementos: en nuestro ejemplo, su uso deja claro que los elementos <p> aquí son diferentes de cualquier elemento <p> definido por otro espacio de nombres cualquiera.

8El etiquetado en un documento se introduce a fin de marcarlo y organizarlo para su procesamiento automático. Si los párrafos están claramente marcados, un software de maquetación puede distribuirlos adecuadamente. Si los nombres de lugar están claramente marcados, un programa puede seleccionarlos automáticamente para elaborar un índice geográfico. Pero esto solo puede hacerse de forma fiable si tenemos algún control sobre cómo se introducen las etiquetas en el documento y dónde aparecen. La tecnología XML proporciona este nivel adicional de control mediante lo que se denomina un esquema (schema): un tipo de léxico y gramática combinados para los documentos XML válidos. Como mencionamos antes, se dice que un documento XML está bien formado si respeta las reglas sintácticas del estándar de XML. También se puede decir, alternativamente, que un documento es válido si las etiquetas que contiene se ajustan a un esquema.

9Un esquema especifica un conjunto de nombres de elementos, los nombres y tipos de datos de los atributos asociados a ellos, y las reglas relativas a los contextos en los que pueden aparecer legalmente. Un esquema para nuestro sencillo ejemplo anterior dirá que existen elementos llamados <doc>, <p>, <placeName>, etc. También puede especificar que los elementos <p> pueden aparecer dentro de los elementos <doc>, que los <placeName> pueden aparecer dentro de los <p>, que el atributo @n debe tener un valor numérico, etc. Nótese, sin embargo, que un esquema XML aún no tiene modo de especificar que la etiqueta <placeName> indica el nombre de un lugar, ni tampoco qué entendemos por “un lugar”: esas restricciones semánticas adicionales deben especificarse en otra parte, por ejemplo mediante documentación como la que proporcionan las Directrices TEI.

10TEI dispone de nombres y definiciones para cientos de etiquetas, junto con reglas sobre cómo pueden combinarse. Más exactamente, las Directrices TEI definen unos quinientos o seiscientos conceptos diferentes, junto con especificaciones detalladas para los elementos XML y las clases de elementos que pueden utilizarse para representarlos. La mayoría de los documentos TEI, si no todos, solo necesitan de una pequeña cantidad de lo que se proporciona. Por lo tanto, es un poco engañoso pensar en TEI como un único esquema monolítico. Para facilitar la interoperabilidad, todos los documentos TEI utilizan componentes extraídos del mismo esquema gigantesco, pero la mayoría de los proyectos TEI utilizan subconjuntos bastante pequeños de este, y un proyecto bien organizado generalmente tendrá su propia documentación personalizada que identifique ese subconjunto.

11Uno puede utilizar software como la aplicación web Roma para elegir entre las especificaciones TEI y generar a partir de ellas un esquema adecuado a las necesidades de su propio proyecto. Alternativamente, uno puede simplemente diseñar un esquema a mano. Trataremos este asunto con más detalle en un capítulo posterior. Las Directrices TEI, a las que se puede acceder gratuitamente desde el sitio web https://tei-c.org/​Guidelines/​, constituyen un completo manual de referencia para estos conceptos, que combina las especificaciones técnicas con una discusión detallada de cómo deben utilizarse.

12Hay una gran variedad de herramientas de software dedicadas a crear, transformar y procesar documentos XML en general, o TEI-XML en particular. Este es un tema muy amplio y en rápida evolución que no trataremos aquí, aunque es posible encontrar algunas indicaciones útiles en el sitio web de TEI y en la Wiki de TEI.

Lire

Open access

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search