¿Qué es la Iniciativa de Codificación de Textos?
|Las variedades de la estructura textual
Texte intégral
1Desde la perspectiva de TEI, los textos y sus divisiones pueden contener una gama bastante limitada de componentes “estructurales”. Estos incluyen cosas como los encabezados o el asunto preliminar al comienzo o al final de una división, y una serie de componentes básicos que son característicos de la prosa, el verso o el drama. La prosa consiste principalmente en párrafos o listas, marcados con los elementos <p> (párrafo) o <list> (lista) respectivamente. El verso consta de líneas de verso, marcadas con el elemento <l> (línea), o de secuencias de líneas de verso marcadas con el elemento <lg> (grupo de líneas). En una obra dramática se proporciona un bloque de construcción adicional en forma del elemento <sp> (discurso), que combina un elemento <speaker> (hablante) con uno o más elementos <p> o <l>, dependiendo de si la obra está en verso o en prosa.
Un artículo de revista académica
2El cuerpo de un artículo académico, por ejemplo, podría codificarse con una estructura como la siguiente:
<body xml:lang="es">
<div type="sección">
<head>Introducción</head>
<p>Recomendamos el uso del marcado TEI como
medio de representar la prosa científica. Presenta una
serie de ventajas prácticas: </p>
<list>
<item>El marcado TEI es fácil de añadir;</item>
<item>El marcado TEI es ampliamente comprendido;</item>
<item>El marcado TEI es fácil de convertir a otros formatos.</item>
</list>
<p>El marcado TEI también tiene algunas ventajas, que discutimos en la
sección <ptr target="#SEC3"/>.</p>
<!-- más párrafos introductorios aquí -->
</div>
<div type="sección">
<head>Orígenes de TEI</head>
<p>La Iniciativa de Codificación de Textos nació en 1987...</p>
<!-- muchos más párrafos aquí -->
</div>
<div xml:id="SEC3">
<head>Propiedades científicas del marcado TEI</head>
<p>El marcado TEI expresa una visión de la naturaleza del texto...</p>
<!-- muchos más párrafos aquí -->
</div>
</body>
3Debemos tener en cuenta que este marcado solo indica la organización del documento. No dice nada sobre cómo debe visualizarse en pantalla o en papel. Indica que hay secciones que tienen títulos, y que contienen párrafos y listas. Distingue los elementos de la lista, pero no especifica si deben ir precedidos de una viñeta, un guion o un número. El elemento <ptr> (puntero) indica la existencia de una referencia cruzada desde una parte del documento (la ubicación del elemento <ptr>) a otra (el elemento <div> (división) titulado Propiedades científicas...). El valor del atributo @target introducido anteriormente especifica el destino de la referencia cruzada, pero no especifica si esta debe realizarse como (por ejemplo) un enlace HTML, o algún texto añadido (como el número de sección) o ambos. Por supuesto, no es difícil imaginar cómo podríamos mostrar estos componentes del documento utilizando un lenguaje de formato como Word, HTML o LaTeX, pero ese no es el objetivo principal de este marcado. Como todos estos aspectos se dejan sin especificar en la codificación, el mismo documento puede reutilizarse en diferentes contextos de procesamiento.
Un texto poético
4Nuestro segundo ejemplo muestra un famoso soneto de Shakespeare, transcrito de una copia impresa específica
<lg type="soneto">
<head>130</head>
<l>My Mistres eyes are nothing like the Sunne,</l>
<l>Currall is farre more red, then her lips red,</l>
<l>If snow be white why then her brests are dun:</l>
<l>If haires be wiers, black wiers grow on her head:</l>
<l>I have seene Roses damaskt, red and white,</l>
<l>But no such Roses see I in her cheekes,</l>
<l>And in some perfumes is there more delight,</l>
<l>Then in the breath that from my Mistres reekes.</l>
<l>I loue to heare her speake, yet well I know.</l>
<l>That Musicke hath a farre more pleasing sound:</l>
<l>I graunt I never saw a goddesse goe,</l>
<l>My Mistress when she walkes treads on the ground.</l>
<lg type="estrofa">
<l>And yet by heaven I thinke my love as rare,</l>
<l>As any she beli'd with false compare.</l>
</lg>
</lg>
5Una vez más, este marcado captura solo la estructura del soneto: indicando los versos individuales de los que se compone, y marcando explícitamente el dístico al final. Dado que las líneas individuales se distinguen en la codificación, en lugar de ser tratadas como si fueran párrafos o accidentes del formato, se puede generar automáticamente un análisis métrico del poema.
6Al compararlo con la siguiente imagen digital de la fuente original podemos ver que, aunque se ha conservado la ortografía original, esta codificación ha optado por ignorar rasgos de diseño como el uso de mayúsculas o la sangría asociada al dístico. Ha conservado la ortografía original, pero ha modernizado silenciosamente algunas de las variaciones tipográficas, como la S larga o las ligaduras.
7Veremos más adelante cómo se podría mejorar esta codificación para producir una versión de lectura moderna aceptable, así como la versión cuasi-diplomática mostrada aquí.
Un texto teatral
8Nuestro tercer ejemplo muestra cómo podríamos codificar la estructura de un texto dramático: en este caso, el final de Esperando a Godot de Beckett.
<div type="scene">
<!-- ... -->
<sp>
<speaker>Vladimir</speaker>
<p>Ponte los pantalones.</p>
</sp>
<sp>
<speaker>Estragón</speaker>
<p>¿Quieres que me quite los pantalones?</p>
</sp>
<sp>
<speaker>Vladimir</speaker>
<p>Tira <emph>de</emph> tus pantalones.</p>
</sp>
<sp>
<speaker>Estragón</speaker>
<p>
<stage>(Se da cuenta de que tiene los pantalones abajo)</stage>.
Verdad
</p>
</sp>
<stage>Se sube los pantalones</stage>
<sp>
<speaker>Vladimir</speaker>
<p>¿Bien? ¿Nos vamos?</p>
</sp>
<sp>
<speaker>Estragón</speaker>
<p>Sí, vamos.</p>
</sp>
<stage>No se mueven.</stage>
</div>
9En esta codificación, hemos introducido algunos elementos TEI adicionales, para poder distinguir las acotaciones o indicaciones escénicas (<stage>, stage directions) de los discursos individuales de los personajes (<sp>, discurso). Nótese que una indicación escénica puede aparecer tanto dentro como entre los discursos; asimismo, un discurso o entrada de diálogo siempre contiene tanto una etiqueta de identificación para mostrar quién habla (<speaker>, hablante) como un párrafo (<p>) para contener lo que dice. En una obra teatral en verso, por supuesto, los discursos contendrían probablemente una secuencia de elementos <l>.
Una tarjeta postal
10TEI se utiliza ampliamente para obras literarias existentes o publicadas formalmente. Sin embargo, también puede utilizarse para documentos de tipos totalmente diferentes, como manuscritos de autor, documentos de archivo o cualquier otro tipo de escritura informal. Nuestro cuarto ejemplo muestra cómo podríamos utilizar TEI para codificar la estructura de esta postal:
11Todas las postales tienen dos caras: un anverso y un reverso; las representamos como elementos <div>. En la cara mostrada arriba, podemos ver que hay una clara distinción entre la parte que lleva el mensaje, a la izquierda, y la parte relativa al envío de la tarjeta, que contiene varios sellos y una dirección. A continuación se muestra una posible codificación, que utiliza los mismos elementos <div> y <p> que ya hemos visto, junto con algunos elementos y atributos adicionales más especializados:
<div type="verso">
<div type="mensaje">
<p>Deberías probar visitar este sitio. Ya ves
lo elegante que es</p>
<p>Espero que hayas disfrutado de Gales,
como le dijeron a la señora Fitzherbert</p>
<signed>Mamá</signed>
</div>
<div type="destino">
<ab>
<stamp type="publicidad">Silueta de automóvil antiguo y eslogan
"Brighton & Hove todo listo para los setenta."
</stamp>
<stamp type="matasellos">
Marca circular que especifica "Brighton & Hove-Sussex" y
<date when="1970-10-26">26 oct. 1970</date>
</stamp>
<stamp type="estampilla">Diseño de Machin. 4d, bermellón.</stamp>
</ab>
<ab>
<address>
<addrLine>Mr Louis Burnard</addrLine>
<addrLine>4 Freeland Cottages</addrLine>
<addrLine>Stanton St John</addrLine>
<addrLine>OXFORD</addrLine>
</address>
</ab>
</div>
</div>
12El elemento <signed> (firmado) utilizado para encerrar el bloque de firma es uno de los varios elementos especializados proporcionados por TEI para codificar firmas o encabezados que aparecen al principio o al final de un <div>. Parece útil diferenciarlo del resto del mensaje, ya que otro tipo de frases de firma o fórmulas de cortesía contienen un tipo de lenguaje diferente del resto, más formal.
13En la otra división, hemos distinguido tres tipos de sellos diferentes: el sello postal propiamente dicho, el matasellos que indica cuándo y dónde se envió la tarjeta, y un sello publicitario adicional que promociona el Brighton and Hove Vintage Car Rally. El elemento TEI <stamp> (sello) está previsto para contener un texto descriptivo sobre cualquier tipo de sello; cuando nuestra descripción incluya palabras que aparezcan realmente como parte del sello, utilizaremos el elemento TEI <mentioned> (mencionado). En el caso del matasellos, también hemos distinguido la fecha indicada. Una gran cantidad de nuestras búsquedas efectuadas sobre un archivo de este tipo de documentos codificados querrá localizar y agrupar las tarjetas de forma fiable según la fecha en la que fueron enviadas. Las fechas indicadas en los matasellos suelen utilizar formatos diferentes y pueden estar incompletas: por ello, añadimos a la fecha codificada un valor normalizado, suministrado en el atributo @when (cuándo). Por último, hemos indicado la dirección a la que se envió la tarjeta, dividiéndola sencillamente en líneas.
14En una codificación más detallada probablemente distinguiríamos los nombres de las personas y de los lugares, añadiendo quizá información de coordenadas geográficas para los nombres de lugares mencionados. Tal vez querríamos añadir alguna explicación de la bromita sobre Gales. Probablemente querríamos distinguir las partes formales del mensaje, como sus líneas de apertura y cierre, del contenido. Y también podríamos considerar la mejor manera de registrar la información textual impresa en el reverso de la tarjeta: el título y el nombre de su editor, por ejemplo. El alcance de estos metadatos, que proporcionan información útil sobre cómo se produjo y utilizó la tarjeta, es muy amplio y a veces es difícil saber dónde detenerse. Por ejemplo, la mancha amarilla visible en la imagen sugiere que esta tarjeta estuvo unida a algo mediante una cinta adhesiva barata. Si se tratara de un artefacto histórico muy raro, estas pruebas de procedencia podrían tener una importancia considerable y tendrían que codificarse utilizando (por ejemplo) el elemento <damage> (daño o desperfecto).
Un texto mínimamente estructurado
15Finalmente, si todo esto parece demasiado, debemos tener en cuenta que TEI también puede admitir una visión estructural muy simple en la que todos estos componentes convencionales, con carga semántica, como los párrafos, los locutores, los versos, etc., se eluden o se ignoran en favor de una segmentación neutra basada en oraciones definidas por la ortografía. Desde este punto de vista, podríamos decidir mantener las divisiones principales del texto, para a continuación dividirlas en cada signo de puntuación apropiado en segmentos lingüísticamente útiles, empleando los elementos genéricos <s> (segmento) y <ab> (bloque anónimo). Para repetir nuestro primer ejemplo:
<body xml:lang="es">
<div type="sección">
<ab>
<s n="1">Introducción</s>
<s n="2">Recomendamos el uso del marcado TEI como medio de
representación de prosa científica.</s>
<s n="3">Tiene una serie de ventajas prácticas:</s>
<s n="4">el marcado TEI es fácil de añadir;</s>
<s n="5">el marcado TEI es ampliamente comprendido;</s>
<s n="6">el marcado TEI es fácil de convertir a otros formatos, y</s>
<s n="7">el marcado TEI también tiene algunas ventajas que discutimos
en la sección <ptr target="#SEC3"/>.</s>
</ab>
</div>
</body>
16Aunque este tipo de marcado carece, obviamente, de la información presente en la versión más rica que hemos presentado antes y, por lo tanto, es menos útil en general, su simplicidad y regularidad significa que es mucho más fácil de procesar para tareas comparativamente mecánicas como el análisis del vocabulario o el enriquecimiento lingüístico. Como siempre, para sacar lo mejor de TEI es necesario definir cuidadosamente nuestras prioridades antes de tomar decisiones sobre la codificación.
Textos complejos
17Un texto TEI puede ser simple (por ejemplo, un solo libro) o complejo (por ejemplo, una colección o antología). En cualquiera de los dos casos, el cuerpo principal del texto puede ir precedido o seguido de material adicional diferente (portadas, prólogos, dedicatorias, índices, etc.). TEI propone un elemento obligatorio <body> (cuerpo) para la parte principal de un texto, y elementos opcionales <front> (parte del adelante) y <back> (parte de atrás) para agrupar el material adicional que precede o sigue al cuerpo, respectivamente. En un texto complejo, el "cuerpo" del texto está representado por un elemento <group> (grupo) que puede contener múltiples elementos <text> (texto), o grupos de ellos, como en el siguiente esquema:
<TEI xmlns="http://www.tei-c.org/ns/1.0">
<teiHeader>
<!-- encabezado de un texto complejo ]-->
</teiHeader>
<text>
<front>
<!-- texto preliminar del texto complejo -->
</front>
<group>
<text>
<front>
<!-- texto preliminar para el primer texto del complejo -->
</front>
<body>
<!-- cuerpo del primer texto del complejo -->
</body>
<back>
<!-- paratexto final para el primer texto del complejo -->
</back>
</text>
<text>
<front>
<!-- texto preliminar para el segundo texto del complejo -->
</front>
<body>
<!-- cuerpo del segundo texto del complejo -->
</body>
<back>
<!-- paratexto final para el segundo texto del complejo -->
</back>
</text>
<!-- más textos, simples o complejos -->
</group>
<back>
<!-- paratexto final del texto complejo -->
</back>
</text>
</TEI>
18Una estructura como esta sería apropiada para codificar una antología previa de poemas de diferentes autores reunidos por un editor.
19En este modelo solo hay un encabezado TEI para todo el texto complejo. TEI también permite un texto complejo que representa una colección de documentos originalmente distintos pero reunidos por el codificador con algún propósito: los corpus lingüísticos son ejemplos típicos. Cada documento constitutivo de un corpus lingüístico tiene sus propios metadatos, representados por su propio encabezado <teiHeader>, pero hay una capa adicional de metadatos relativos al corpus en su conjunto. Esto se codifica en TEI utilizando una estructura como la siguiente:
<teiCorpus xmlns="http://www.tei-c.org/ns/1.0">
<teiHeader>
<!-- metadatos relacionados con todo el corpus -->
</teiHeader>
<TEI>
<teiHeader>
<!-- metadatos relacionados con el primer texto del corpus -->
</teiHeader>
<text>
<!-- primer texto del corpus -->
</text>
</TEI>
<TEI>
<teiHeader>
<!-- metadatos relacionados con el segundo texto del corpus -->
</teiHeader>
<text>
<!-- segundo texto del corpus -->
</text>
</TEI>
</teiCorpus>
20Una estructura como esta sería apropiada para codificar una colección de postales recién construida u otros objetos textuales independientes.
Table des illustrations
![]() | |
---|---|
Titre | Figura 1 |
Légende | Soneto 130, en Shake–speares Sonnets. Never before Imprinted (1609) |
URL | http://books.openedition.org/oep/docannexe/image/15677/img-1.png |
Fichier | image/png, 1,4M |
![]() | |
Titre | Figura 2 |
Légende | Una tarjeta postal (verso) |
URL | http://books.openedition.org/oep/docannexe/image/15677/img-2.jpg |
Fichier | image/jpeg, 466k |
© OpenEdition Press, 2022