Chantier HN Triangle » HyperMachiavel » HyperArcadia

h1. Transformation vers un corpus parallèle (alignement HM)

Le document fourni par Uetani est un fichier word, organisé avec des tableaux à 3 colonnes :

** col 1 : nom du segment philologique (et notes diverses, dont certains acronymes sont à élucider pour moi)

** col 2 : version italienne

** col 3 : version française correspondante

L'enregistrement du .doc vers .odt est obligatoire chez moi, car je ne possède pas de logiciel Microsoft. Pour obtenir un corpus en XML-TEI, on a besoin de passer par deux scripts :

# le premier est fourni par le service "OXGarage":http://www.tei-c.org/oxgarage/ (transformateur en ligne pour la communauté TEI principalement) 

# le deuxième a été écrit en python par moi-même dont les détails sont après.

h2. 1) ODT vers XML-TEI

* Le document de départ : attachment:CorpusSANAZIFR_Uetani_2017.odt 

* Le document de sortie : attachment:CorpusSANAZIFR_Uetani_2017.xml

Les choix ont été les suivants sur "OxGarage":http://www.tei-c.org/oxgarage/ : OpenOffice texte (odt) en entrée, TEI P5 XML Document en sortie

!{width:70%}OXGarage_convertODT-2-TEI.png!

Dans ce fichier XML-TEI P5, les tableaux sont restitués (<table><row><cell></cell></row></table>), avec également les éléments de forme et les notes de bas de page (rend='justify, rend=‘bold italic’) mais aucun alignement explicite (on sait juste que la deuxième <cell> contient le texte italien et la troisième <cell> le texte français.

Voici un exemple de la dernière ligne, <row>, du dernier tableau <table>

<pre><code> 

       <table rend="frame" xml:id="Tableau4">

                <row>

                    <cell>Ecloga II, vv. 1-12</cell>

                    <cell>....</cell>

                    <cell>....</cell>

               </row>

              ...

      </table>

      <table>

              ...

               <row>

                    <cell>A la Sampogna, 19-20</cell>

                    <cell rend="justify"><hi rend="bold italic">Benché</hi><hi rend="italic"> mi

                            pare esser certo che tal fatica a tenon fia necessaria, se tu tra le

                            selve, sí come io ti impongo, secretamente e senza pompe star ti vorrai.

                            Con ciò sia cosa che chi non sale, non teme di cadere ; e chi cade nel

                            piano, il che rare volte adiviene, con picciolo agiuto</hi><hi

                            rend="italic"><note xml:id="ftn529" place="foot" n="529">

                                <hi rend="italic">agiuto</hi> : aiuto (E).</note></hi><hi

                            rend="italic"> de la propria mano senza danno si rileva</hi><hi

                            rend="italic"><note xml:id="ftn530" place="foot" n="530"><hi

                                    rend="italic"> rileva</hi> : risolleva, rialza

                            (E).</note></hi><hi rend="italic">. Onde per cosa vera e indubitata

                            tener ti puoi che chi piú di nascoso e piú lontano da la moltitudine

                            vive, miglior vive ; e colui tra' mortali si può con piú verità chiamar

                            beato che, senza invidia de le altrui grandezze, </hi><hi

                            rend="bold italic">con modesto animo</hi><hi rend="italic"> de la sua

                            fortuna si contenta (p. 241).</hi></cell>

                    <cell rend="justify"><hi rend="bold">Nonobstant</hi> je pense estre aßeuré que

                        n'auras besoing de ce faire, si suyvant mon conseil, tu te veul tenir en ces

                        boys secretement, & sans aucune pompe : Car qui ne saulte, n'a peur de

                        tumber : & qui chet en la plaine (ce que n'advient gueres) se relieve

                        sans dommage, seulement avec un peu de secours de ses propres mains. Parquoy

                        tu peux tenir pour chose indubitable, que celuy peult vivre en plus grand

                        repos, qui est plus loingtain & retiré de la multitude confuse. Et entre

                        les hommes se peult plus veritablement estimer bien heureux celuy qui sans

                        envie des grandeßes d'aultruy,<hi rend="bold">par </hi><hi

                            rend="bold italic">modestie</hi><hi rend="bold"> de courage</hi> se

                        contente de sa fortune (fol. 114 v°).</cell>

                </row>

     </table>

</code></pre>

On va poursuivre pour obtenir un véritable XML-TEI avec une sémantique explicite de l'alignement entre les segments italiens et français.

h2. 2) XML-TEI vers XML-TEI-HM

Le script attachment:tei2teiHM.py permet de 

* récupérer l'ensemble des deux textes (source italien, cible français) et de s'affranchir :

** des notes (de bas de page)

** des indications graphiques (qui sont dans des balises <hi> avec attributs : italic, bold, ...)

* et de préparer la structure et les noms des divisions, et des segments contenus dans celles-ci. Par exemple les segments <seg> "Prosa_X_1", "Prosa_X_2", ... seront rassemblés sous une division <div> : "Prosa_X".

Pour plus d'info, voir le chapitre dédié à la [[structure philologique]], et les opérations de nettoyage effectuées jusqu'à présent.

h3. A propos de la ressource XML en entrée

Le document XML-TEI a été légèrement modifié à la main (attachment:CorpusSANAZIFR_Uetani_2017_modifTable.xml)

# avec une substitution des "Egloga" en "Ecloga" (peut refaire la modification dans le sens inverse si besoin)

# avec remplacement des valeurs des attributs "xml:id" des tableaux afin de permettre la création de divisions philologiques plus méta comme "Prosa_X", dans lesquels s'inséreront automatiquement les segments philologiques "Prosa_X_1", "Prosa_X_2". L'attribut notait jusqu'à présent seulement l'incrémentation des tableaux  : "Tableau1", "Tableau2". Cela donne pour le premier tableau : *<table rend="frame" xml:id="Prologo I">* au lieu de <table rend="frame" xml:id="Tableau1">

Dans une réflexion semblable, faut-il préparer des <cell> avec les titres des segments, comme par exemple s'est trouvé par hasard le titre de "Ecloga XI" séparé du reste du texte. On pourra ainsi les traiter comme des titres en TEI avec la balise <head>.

<pre><code>

<table rend="frame" xml:id="Ecloga_XI">

                <row>

                    <cell>Ecloga XI, 0</cell> 

                    <cell rend="center">ERGASTO<hi rend="italic"> solo</hi></cell>

                    <cell>ERGASTO SEVL.</cell>

                </row>

</code></pre>

h3. A propos du script et de ses paramètres 

Le script génère des <teiHeader> pour les deux textes (it, fr) <TEI> et pour l'ensemble du corpus <teiCorpus>.  Chaque texte aura un identifiant pour Hypermachiavel avec une langue correspondante :

* Erspamer_1505 (i1) - it

* Martin_1544 (f1) - frm

+Remarque+ : Il faudra prévoir d'ajouter ces entêtes manuellement selon les indicatons de Uetani sur ces différentes éditions/productions. J'ai calqué pour l'instant sur la structure du corpus Hyperprince, pour les détails voir l'extrait dans attachment:HyperPrince.xml.

Avant d'appeler le script python, il faut 

# vérifier l'installation de "python" sur la machine (à noter que tous les Mac ont une version par défaut, même chose pour le programme Java) 

# placer les ressources dans le même dossier : soit le fichier source de donnée .xml et le fichier script .py, 

# indiquer en deuxième paramètre du script, la chaîne correspondant au chemin du dossier où se trouve ces ressources

<pre><code>

$ python tei2teiHM.py CorpusSANAZIFR_Uetani_2017.xml ~/Documents/Travail_ENS/Projets/Exterieurs/CESR_Uetani/Transformations

</code></pre>

h3. A propos de la ressource générée

Le résultat avec le même extrait 'XML-TEI' donné plus haut : *A_la_Sampogna_19-20*

<pre><code>

 <seg n="15" type="Segment"  rend="A_la_Sampogna_19-20" xml:id="i1_Ch25-Seg15">

          Benché mi pare esser certo che tal fatica a tenon fia necessaria, se tu tra le selve, sí 

          come io ti impongo, secretamente e senza pompe star ti vorrai. Con ciò sia cosa 

          che chi non sale, non teme di cadere ; e chi cade nel piano, il che rare volte adiviene, 

          con picciolo agiuto de la propria mano senza danno si rileva. Onde per cosa vera e 

          indubitata tener ti puoi che chi piú di nascoso e piú lontano da la moltitudine vive, 

          miglior vive ; e colui tra' mortali si può con piú verità chiamar beato che, 

          senza invidia de le altrui grandezze, con modesto animo de la sua fortuna si contenta (p. 241).

</seg>

</code></pre>

h2. 3) Importation dans Hypermachiavel

# Il faut ouvrir l'outil, voir la documentation officielle pour démarrer à "cette page":https://forge.cbp.ens-lyon.fr/redmine/projects/hypermachiavel/wiki/Comment_d%C3%A9marrer) 

# puis suivre "les étapes de la création d'un projet corpus":https://forge.cbp.ens-lyon.fr/redmine/projects/hypermachiavel/wiki/D%C3%A9marrer_un_nouveau_corpus_(XML-TEI).

# La tokenisation et lemmatisation sont ensuite déclenchées, le processus est plus ou moins long mais ne sera effectué qu'à cette étape de création. Par la suite, pour toute ré-ouverture de l'application et du projet, on pourra suive "cette page":https://forge.cbp.ens-lyon.fr/redmine/projects/hypermachiavel/wiki/Ouvrir_un_projet_existant

# Les textes sont alignés et on peut commencer à faire un travail de mise en équivalence entre des séquences (mot ou syntagme) source et cible. Exemple ci-dessous avec les mots "camere" (it) et "chambres" (fr)

!{width:80%}HM_HyperArcadia_AnnotateTranslationEquivalences.png!

h2. Exploration lexicale

On a également accès aux lexiques de chaque langue (un texte par langue dans le corpus de "HyperArcadia" pour le moment). 

Voici donc la liste du vocabulaire du texte français (édition de Martin 1544) :

!{width:70%}HM_HyperArcadia_ItalianLexicon_list.png!

Et la liaison avec le tableau de concordance sur la forme "aucuns" (affichage de toutes les occurrences de cette forme dans le texte français), après sélection de cet élément dans la liste et click sur l'icône : !Column.gif!

!{width:70%}HM_HyperArcadia_KWIC_example.png!

h2. Exploration