Introduzione alla codifica dei testi

Транскрипт

1 Introduzione alla codifica dei testi

2 TEI - Storia Nancy Ide e Michael Sperberg McQueen organizzano un meeting per la realizzazione di uno standard digitale per materiale umanistico basato su SGML Pubblicazione della prima versione di TEI P1 Guidelines for the Encoding and Interchange of Machine-Readable Texts 1992 TEI P TEI P Nascita di TEI-C, il consorzio che mantiene e sviluppa TEI 2002 TEI P4 basata su XML 2012 TEI P5 diventa unico standard. Finisce la retro-compatibilità con le versioni precedenti.

3 Linee Guida TEI P1 Sviluppare un formato standard per lo scambio dei dati Sviluppare una guida per codificare testi in questo formato Supportare la codifica di tutti gli elementi di qualsiasi tipologia di testo Consentire la creazione di una definizione rigorosa del testo e un'elaborazione veloce dei dati Permettere estensioni definite dagli utenti Essere indipendente dall'applicazione utilizzata Avere una sintassi semplice, chiara e concisa Essere facile da utilizzare senza ricorrere a software specialistico

4 Quando e perché usare TEI Quando Il campo primario di utilizzo di TEI sono le biblioteche digitali, ma in generale si può utilizzare TEI ogni volta che si vuole operare una digitalizzazione di un documento. Un documento TEI non è direttamente visualizzabile in un formato grafico, ma il Tei Consortium (TEI-c) mette a disposizione una serie di strumenti automatici per la conversione in formati più adatti alla presentazione (es. HTML o LaTeX). Perché A differenza della maggior parte dei documenti digitali con cui abbiamo a che fare ogni giorno (PDF, DOC, HTML,...), un documento TEI è un oggetto digitale che ha un valore. Infatti un documento TEI è: completamente indipendente da software esterno (requisito necessario per sopperire al problema dell'obsolescenza del software nel tempo): un documento TEI è un documento XML, pertanto è interpretabile correttamente su qualsiasi sistema operativo (presente e futuro) e machine-readable. preservabile nel futuro: il consorzio TEI-C garantisce le manutenzioni e gli aggiornamenti dello standard TEI e questo previene l'obsolescenza del modello dati.

5 I formati comuni sono inadeguati allo scopo Non è standard; Dipende da Microsoft Word; Illeggibile con altro software. Non è standard; Marcatura relativa alla formattazione del testo. Non ha tag di rappresentazione specifici per i testi; Mescola tag per la presentazione e tag per la descrizione. Testo non facilmente estraibile; Formato basato sulla visualizzazione, non sul contenuto. XML è standard, machine-readable, indipendente da sw e adatto a incapsulare qualsiasi tipo di dato. Per sua natura però è troppo libero : due biblioteche diverse possono utilizzare metadati diversi per rappresentare le stesse informazioni. Quindi non potranno condividere i documenti senza ricodificarli! TEI si basa su XML e definisce un tagset specifico per la rappresentazione di testi.

6 Digital Preservation Se TEI affronta il problema della preservazione lato software, esiste lo stesso problema lato hardware, perché: I supporti di memorizzazione diventano obsoleti (nastri, CD-ROM, HDD, SSD,...); I supporti di memorizzazione si rompono; I sistemi falliscono (guasti hw, attacchi informatici, esposizioni elettromagnetiche, catastrofi naturali,...). Come si garantisce la digital preservation? Aggiornamento dei componenti (migration); Duplicazione dei dati (refreshing) Sostituzioni programmate dei componenti; Progettazione di sistemi fault-tolerant; Dislocazione dei dati in aree diverse e sistemi diversi (replication).

7 Digital Preservation La questione della preservazione della preservazione digitale (in particolare quella a lungo termine) è così delicata che è stato sviluppato lo standard OAIS (Open Archival Information System) che definisce concetti, modelli e funzionalità per la costruzione ed il mantenimento di archivi digitali. Digitale vs. Analogico Tutta l'importanza di questa disciplina deriva dal fatto che gli oggetti trattati sono oggetti digitali, che quindi non si degradano nel tempo, ma restano immutati per un certo periodo, finché non si corrompono. Un libro dura decine di anni; si logora lentamente nel tempo; quando è rovinato può essere restaurato e durerà ancora a lungo. Un documento digitale ha una durata impredicibile; non si logora; quando è corrotto è molto spesso irrecuperabile: il suo contenuto è totalmente illeggibile. Quindi tutte le misure per la conservazione devono essere prese all'inizio, prima dell'inserimento dei documenti nell'archivio digitale.

8 Machine Readability e IR Un documento TEI è analizzabile da un computer: Ogni elemento del documento è interpretabile automaticamente in modo non ambiguo; La codifica del testo è standard (XML), quindi è leggibile allo stesso modo da ogni macchina. Possibilità di effettuare ricerche nei documenti utilizzando un linguaggio di interrogazione XML (es. Xquery). Ricerche semplici: Ricerche complesse: tutti i romanzi pubblicati dopo il 1920; tutti gli scritti di un certo autore. tutti i testi del periodo con più di 100 pagine in cui compare almeno due volte la parola autore, contenenti almeno una poesia, in cui il titolo inizia con la 'A'. Una collezione di documenti TEI è già pronta per essere utilizzata all'interno di applicazioni di Information Retrieval: ogni elemento di markup presente nei documenti è per sua natura ricercabile. E' importante tenere in considerazione questo aspetto quando si sceglie il tagset: è preferibile annotare qualche elemento in più (che magari ci sembra irrilevante) se pensiamo che sia utile per le ricerche in un sistema di IR.

9 Machine Readability e IR

10 Problemi di rappresentazione Ogni documento ha caratteristiche proprie: La tipologia: poesie, romanzi, dizionari, Il formato: testi manoscritti o stampati, rilegati o non legati,... Il contenuto eterogeneo: testo (caratteri alfabetici o non alfabetici), immagini, glifi, tabelle, grafici,... Problema 1: Documenti diversi richiedono diverse rappresentazioni Ogni oggetto ha una sua rappresentazione digitale che dipende dalla sua classe oltre che dal contenuto. es. Per rappresentare una poesia ho bisogno di definire i concetti di verso e metrica, mentre per un dizionario dovrò definire cos'è un'entrata lessicale e cos'è un significato.

11 Problemi di rappresentazione Ogni documento ha caratteristiche simili ad altri documenti: Dati generali: titolo, autore, data,... Elementi di suddivisione del testo: capitoli, paragrafi, sezioni,... Elementi interni al testo: liste e elenchi, elementi di formattazione (corsivo, grassetto,...) Problema 2: Sono necessari metadati comuni per rappresentare oggetti dello stesso tipo in documenti diversi Gli elementi che hanno lo stesso significato in classi di oggetti diversi devono essere codificati nello stesso modo. Sarebbe assurdo differenziare questi oggetti per classe di documento. es. Titolo oppure autore sono elementi che possono ricorrere in qualsiasi documento, sia esso una poesia, un dizionario, un romanzo,... Non voglio avere Titolo-di-romanzo, Titolo-di-poesia, Titolo-di-dizionario, ma devo poter applicare lo stesso tag Titolo a qualsiasi tipo di documento.

12 Problemi di rappresentazione Problema 3: un documento può essere una collezione di documenti di tipologia diversa Non è sufficiente associare un documento ad una classe in modo rigido, poiché un documento può contenere una collezione di oggetti diversi. Un'antologia ad esempio può contenere brani in prosa, in poesia, etc. Struttura modulare Per supportare tutto questo, TEI ha una struttura modulare in cui è possibile: Creare un documento TEI generico e avere a disposizione un set di metadati comuni a tutti i documenti; Importare le definizioni TEI più specifiche necessarie per la rappresentazione del nostro documento (una o più di una); Definire tipologie di documenti personalizzati che siano conformi allo standard TEI tramite il meccanismo dell'estensione degli schema.

13 Moduli della TEI TEI Infrastructure Definizione di tipi di dati principali e degli elementi di base TEI Header Definisce i descrittori per l'header dei documenti: metadati generali (lingua, codifica,...) Elements Available in All TEI Documents Elementi utilizzabili in tutti i documento TEI: paragrafi, citazioni, numeri, date,... Default Text Structure Definizione degli elementi relativi alla struttura del testo: corpo del testo, pagina del titolo,... Representation of Non-standard Characters and Glyphs Definizione dei caratteri che non fanno parte della codifica standard Unicode

14 Moduli della TEI Names, Dates, People, and Places Elementi per la specificazione dettagliata di nomi propri (persone, organizzazioni e luoghi) e di date Tables, Formulæ, and Graphics Elementi per la rappresentazione di tabelle, formule e grafici. Graphs, Networks, and Trees Elementi per la rappresentazione di relazioni tra nodi di alberi e grafi Simple Analytic Mechanisms Elementi per poter collegare agli elementi del testo altri elementi attraverso relazioni (es. analisi testuale, commenti, ) Linking, Segmentation, and Alignment Elementi per la specificazione di collegamenti incrociati tra testi.

15 Moduli della TEI Verse Elementi specifici per la codifica di poesie (sistemi metrici, schema delle rime, enjambment,...) Performance Texts Elementi specifici per i testi teatrali (ambientazione, cast, istruzioni di regia,...) Transcriptions of Speech Elementi specifici per la trascrizione del parlato (utterance, pause, gesti,...) Dictionaries Elementi specifici per la rappresentazione dei dizionari (informazioni grammaticali, etimologia, significato,...) Manuscript Description Elementi specifici per codificare i manoscritti (descrizione del contenuto, del supporto fisico,...) Representation of Primary Sources Elementi specifici per le trascrizioni di fonti primarie: cancellazioni, sostituzioni, parti danneggiate,...

16 Moduli della TEI Critical Apparatus Elementi specifici per gli apparati critici: definizione di testimoni, apparato,... Language Corpora Elementi specifici per corpora linguistici (lingua parlata, scritta o segnata). Feature Structures Elementi specifici per costruire framework analitici complessi. Contengono gli strumenti per legare oggetti tra loro attraverso relazioni (estende le funzionalità di Simple Analytic Mechanism). Certainty and Responsibility Elementi specifici per l'attribuzione di responsabilità su chi ha codificato il testo. Documentation Elements Elementi specifici per rappresentare la documentazione sulla codifica utilizzata.

17 TEI Schema Ogni modulo TEI è definito da uno schema, che è possibile importare all'interno del nostro documento ed utilizzarne il tagset. Volendo ad esempio digitalizzare un libro di poesie dovremmo sicuramente importare il modulo specifico Verse e i moduli di base TEI Header e TEI Infrastricture. Probabilmente però sarà necessario aggiungere anche altri moduli generali, come Elements Available in All TEI Documents oppure Certainty and Responsibility, in relazione alle informazioni che intendiamo memorizzare. Ogni schema può essere importato (oltre che in documenti TEI) all'interno di altri schema da noi definiti. Possiamo definire uno schema personalizzato che faccia uso ad esempio di una sottoparte del tagset TEI e che sia meno generalista e più aderente alle nostre necessità. In questo modo i documenti digitalizzati con il nostro schema saranno comunque dei documenti TEI. Il set completo degli schema (XMLSchema, DTD e RelaxNG) di TEI P5 può essere scaricato liberamente da SourceForge:

18 Personalizzazioni e TEI Lite Personalizzazione degli Schema Creare uno schema TEI personalizzato significa estendere uno o più schema presenti nel pacchetto. Questa procedura è molto potente e molto utile, ma non banale, perché è necessario rispettare tutti i vincoli imposti da TEI-C per garantire che i documenti creati sulla base del nostro schema siano ancora dei documenti TEI validi. Documentazione per l'estensione dello schema: Strumento automatico per la creazione guidata di uno schema personalizzato: TEI Lite Simple demonstration of how the TEI encoding scheme might be adopted to meet 90% of the needs of 90% of the TEI user community. TEI Lite è lo schema personalizzato più famoso: è uno schema contenente le definizioni più utilizzate nei diversi moduli TEI ed è oggi lo strumento più semplice per iniziare a codificare con TEI.

19 I documenti TEI Struttura di base

20 TEI e XML La TEI P5 utilizza XML Ogni documento TEI è un documento XML. Valgono le regole di base di XML: Gli elementi sono identificati da tag: parole racchiuse tra parentesi angolate <tag> Un tag aperto va sempre chiuso: <tag> </tag> Gli elementi devono rispettare la struttura ad albero: Un unico elemento radice; Incapsulamento coerente: <A> <b> </A> </b> NO!

21 TEI e XML Un elemento può avere degli attributi. Un attributo ha la forma nome= valore La differenza tra elementi e attributi è la stessa che c'è tra oggetto e proprietà dell'oggetto: gli elementi rappresentano gli oggetti che vengono codificati, mentre gli attributi ne specificano le proprietà. <pb n="474" /> Elemento pb: Divisione di pagina Attributo n: numero di pagina <div type="chapter" n="38"> Elemento div: suddivisione del testo Attributo type: tipo di suddivisione Attributo n: numero di suddivisione

22 Struttura base di un documento TEI <?xml version="1.0" encoding="utf-8"?> <TEI> <teiheader> <! > </teiheader> <text> <! > </text> </TEI> Come minimo un documento TEI deve avere: La dichiarazione XML L'identificativo di un documento TEI (root) L'intestazione Il testo

23 Struttura base di un documento TEI <?xml version="1.0" encoding="utf-8"?> <TEI> <teiheader> <! > </teiheader> <text> <! > </text> </TEI> Come minimo un documento TEI deve avere: La dichiarazione XML (prologo) L'identificativo di un documento TEI (root) L'intestazione Il testo

24 Struttura base di un documento TEI <?xml version="1.0" encoding="utf-8"?> <TEI> <teiheader> <! > </teiheader> <text> <! > </text> </TEI> Come minimo un documento TEI deve avere: La dichiarazione XML (prologo) L'identificativo di un documento TEI (root) L'intestazione Il testo

25 Struttura base di un documento TEI <?xml version="1.0" encoding="utf-8"?> <TEI> <teiheader> <! > </teiheader> <text> <! > </text> </TEI> Come minimo un documento TEI deve avere: La dichiarazione XML (prologo) L'identificativo di un documento TEI (root) L'intestazione TEI Il testo

26 Struttura base di un documento TEI <?xml version="1.0" encoding="utf-8"?> <TEI> <teiheader> <! > </teiheader> <text> <! > </text> </TEI> Come minimo un documento TEI deve avere: La dichiarazione XML (prologo) L'identificativo di un documento TEI (root) L'intestazione TEI Il testo

27 teicorpus: più documenti nello stesso file <?xml version="1.0" encoding="utf-8"?> <teicorpus> <TEI> <teiheader> <! > </teiheader> <text> <! > </text> </TEI> <TEI> <! > </TEI> </teicorpus>

28 teicorpus: più documenti nello stesso file <?xml version="1.0" encoding="utf-8"?> <teicorpus> <TEI> <teiheader> <! > </teiheader> <text> <! > </text> </TEI> <TEI> <! > </TEI> </teicorpus> XML ha una sola radice! Senza teicorpus non è possibile aggiungere più di un documento nello stesso file.

29 Il testo All'interno del tag <text> possiamo inserire uno di questi elementi, uno solo dei quali è obbligatorio: <body>. <front>: materiale peritestuale (intestazioni, frontespizio, prefazioni, dediche, etc.) che si trova prima dell'inizio del testo vero e proprio. <body>: corpo del testo <back>: appendici e altri materiali peritestuali che si trovano dopo il testo <group>: raggruppa più <text> (volume collettaneo, opera completa,...). Il tag <group> si inserisce all'interno di <text> e può contenere una serie di altri elementi <text>.

30 Capitoli e paragrafi <p> Le parti di testo in prosa sono racchiuse tra <p> e </p>. Ogni separazione di testo (es. punto a capo) richiede la chiusura e la riapertura di un nuovo <p>. <div> Tutti gli elementi di suddivisione (capitoli, sezioni, paragrafi, sottoparagrafi,...) sono identificati dai tag <div>. Oltre a <div> sono disponibili 7 sottolivelli: <div1>, <div2>,, <div7> Attributi dei <div> id: identificatore univoco del capitolo (per i riferimenti) n: numero della sezione facilmente interpretabile (es. XII, 4, 12.1 ) type: serve a dare un nome alla sezione (es. Libro, Capitolo, Sezione,...)

31

32 Divisione di pagina <pb>

33 Capitoli, sezioni, sottosezioni <div>

34 Nuovo paragrafo (punto e a capo e simili) <p>

35 Testo tra virgolette (discorso diretto, usi impropri,...) <q>

36 Ricapitoliamo... <teicorpus> <TEI> <TEI> <TEI> <TEI>... <teiheader> <text> <front> <body> <back> <group> <div> Suddivisione in capitoli e sezioni <p> Nuovo paragrafo <pb> Interruzioni di pagina <q> Testo tra virgolette <text> <text> <text>...

37 Header <teiheader> <filedesc> <titlestmt> <title>treasure Island [Electronic resource] / Robert Louis Stevenson</title> <author>stevenson, Robert Louis</author> </titlestmt> <publicationstmt> <p>not for distribution.</p> </publicationstmt> <sourcedesc> <p>this text is a TEI version of a Project Gutenberg text. As per their license agreement we have removed all references to the project's trademark, however have included this pointer to the original in case you want the plain text, or their XHTML version.</p> </sourcedesc> </filedesc> <profiledesc> <langusage> <language ident="eng">english</language> </langusage> </profiledesc> </teiheader>

38 Header <teiheader> <filedesc> <titlestmt> <title>treasure Island [Electronic resource] / Robert Louis Stevenson</title> <author>stevenson, Robert Louis</author> </titlestmt> <publicationstmt> <p>not for distribution.</p> </publicationstmt> <sourcedesc> <p>this text is a TEI version of a Project Gutenberg text. As per their license agreement we have removed all references to the project's trademark, however have included this pointer to the original in case you want the plain text, or their XHTML version.</p> </sourcedesc> </filedesc> <profiledesc> <langusage> <language ident="eng">english</language> </langusage> </profiledesc> </teiheader> Intestazione

39 Header <teiheader> <filedesc> <titlestmt> <title>treasure Island [Electronic resource] / Robert Louis Stevenson</title> <author>stevenson, Robert Louis</author> </titlestmt> <publicationstmt> <p>not for distribution.</p> </publicationstmt> <sourcedesc> <p>this text is a TEI version of a Project Gutenberg text. As per their license agreement we have removed all references to the project's trademark, however have included this pointer to the original in case you want the plain text, or their XHTML version.</p> </sourcedesc> </filedesc> <profiledesc> <langusage> <language ident="eng">english</language> </langusage> </profiledesc> </teiheader> Descrizione bibliografica del file elettronico Descrizione non bibliografica del testo

40 Header <teiheader> <filedesc> <titlestmt> <title>treasure Island [Electronic resource] / Robert Louis Stevenson</title> <author>stevenson, Robert Louis</author> </titlestmt> <publicationstmt> <p>not for distribution.</p> </publicationstmt> <sourcedesc> <p>this text is a TEI version of a Project Gutenberg text. As per their license agreement we have removed all references to the project's trademark, however have included this pointer to the original in case you want the plain text, or their XHTML version.</p> </sourcedesc> </filedesc> <profiledesc> <langusage> <language ident="eng">english</language> </langusage> </profiledesc> </teiheader> Titolo

41 Header <teiheader> <filedesc> <titlestmt> Titolo <title>treasure Island [Electronic resource] / Robert Louis Stevenson</title> <author>stevenson, Robert Louis</author> </titlestmt> <publicationstmt> <p>not for distribution.</p> Informazioni di pubblicazione e di distribuzione </publicationstmt> <sourcedesc> <p>this text is a TEI version of a Project Gutenberg text. As per their license agreement we have removed all references to the project's trademark, however have included this pointer to the original in case you want the plain text, or their XHTML version.</p> </sourcedesc> </filedesc> <profiledesc> <langusage> <language ident="eng">english</language> </langusage> </profiledesc> </teiheader>

42 Header <teiheader> <filedesc> <titlestmt> Titolo <title>treasure Island [Electronic resource] / Robert Louis Stevenson</title> <author>stevenson, Robert Louis</author> </titlestmt> <publicationstmt> <p>not for distribution.</p> Informazioni di pubblicazione e di distribuzione </publicationstmt> <sourcedesc> <p>this text is a TEI version of a Project Gutenberg text. As per their license agreement we have removed all references to the project's trademark, however have included this pointer to the original in case you want the plain text, or their XHTML version.</p> </sourcedesc> </filedesc> <profiledesc> <langusage> <language ident="eng">english</language> </langusage> </profiledesc> </teiheader> Dati bibliografici della fonte originale (di solito cartacea)

43 Header <teiheader> <filedesc> <titlestmt> <title>treasure Island [Electronic resource] / Robert Louis Stevenson</title> <author>stevenson, Robert Louis</author> </titlestmt> <publicationstmt> <p>not for distribution.</p> </publicationstmt> <sourcedesc> <p>this text is a TEI version of a Project Gutenberg text. As per their license agreement we have removed all references to the project's trademark, however have included this pointer to the original in case you want the plain text, or their XHTML version.</p> </sourcedesc> </filedesc> <profiledesc> <langusage> Informazioni sulla lingua del testo <language ident="eng">english</language> </langusage> </profiledesc> </teiheader>

44 Ricapitoliamo... <teicorpus> <TEI> <TEI> <TEI> <TEI>... <teiheader> <text> <filedesc> Descrizione bibliografica <encodingdesc> Info sulla digitalizzazione <profiledesc> Descrizione non bibliografica <revisiondesc> Storico delle revisioni <front> <body> <back> <group> <text> <text> <text>... <titlestmt> Titolo e autore <title> e <author> <publicationstmt> Informazioni di pubblicazione e distribuzione <sourcedesc> Informazioni sul testo originale <langusage> Lingue del testo <language>

45 Esercitazione

46 Strumenti per la codifica Per codificare con TEI come minimo abbiamo bisogno di un editor di testo semplice (solo testo senza formattazione). Inoltre dovremo utilizzare un parser XML per controllare che il documento XML prodotto sia ben formato. Se vogliamo verificare che il documento sia conforme a un modello dati (schema XML) abbiamo bisogno di un XML validator, che è un tipo particolare di parser che analizza la sintassi interna del documento.

47 XML Parser XML PARSER Un parser XML legge il file XML e costruisce l'albero dei suoi elementi. Se ci riesce allora il documento è ben formato!

48 XML Validator XML PARSER Schema XML VALIDATOR VALIDO NON VALIDO Un validatore XML legge il file XML, costruisce l'albero dei suoi elementi e ne analizza la loro correttezza rispetto allo schema. Se tutte le regole sono rispettate allora il documento è valido!

49 Editor XML Un editor XML è un'applicazione che incorpora un editor di testo semplice e un validatore XML. Con lo stesso strumento abbiamo la possibilità di scrivere file XML; Controllare che siano ben formati; Verificarne la validità rispetto a uno schema. Attenzione! Un documento TEI valido è corretto rispetto a uno schema, ma non corretto in generale: ci sono alcuni tipi di errore che non vengono rilevati. Errori ortografici nel testo: solo gli errori di digitazione nei nomi dei tag vengono evidenziati dal validatore; tutto il contenuto testuale deve essere verificato dall'utente. Applicazione impropria degli elementi: utilizzare i tag in modo coerente con il loro significato è responsabilità di chi codifica il testo. Il validatore controlla i tipi di elementi, non la semantica del contenuto. <p>cera una volta...</p> <title>carlo Collodi</title> <author>pinocchio</author>

50 Editor XML Per poter comporre un documento TEI c'è bisogno di un editor; ogni editor si colloca a un diverso livello di astrazione dal dato fisico: Alto livello (vicini all'utente): alta facilità di scrittura, poco controllo sui dati prodotti; Basso livello (vicini alla macchina): bassa facilità di scrittura, controllo totale sui dati. Editor wysiwig dedicati (es. Classical Text Editor, elablorate) Scarso o nessun controllo sul dato finale Grande facilità di composizione Servizi web o software a pagamento Editor XML avanzato (es. oxygen) Diversi strumenti di ausilio alla scrittura Doppia visualizzazione: standard XML (Testo) e libera da tag (Autore) Editor XML di base (es. XMLSpear) Editor di testo semplice con integrazione di un validatore XML Editor di testo semplice (es. Notepad di Windows) L'unica astrazione è la conversione tra le lettere e la loro codfica binaria Nessuno strumento di aiuto per la scrittura o per la validazione

51 Iniziamo! Editor XML XML Spear: Schema (DTD) di TEI Lite oppure (se avete scaricato l'archivio degli schema) lo trovate nella cartella...\xml\tei\custom\schema\dtd\tei_lite.dtd TEI Lite Guidelines Documento da codificare

52 Leggere gli errori del validatore XMLSpear comunica gli errori di validazione scrivendo l'elemento TEI che ha un contenuto non valido e la regola che lo invalida: The content of element type ELEMENTO must match REGOLA Saper leggere le regole permette di capire dov'è l'errore: si confronta il contenuto dell'elemento del nostro file con la REGOLA formale che lo definisce e si identifica il punto in cui non matcha. Le regole sono scritte in un linguaggio simile a quello delle espressioni regolari; questi sono gli operatori di base: ( ) Il contenuto delle parentesi costituisce una sottoespressione indipendente: come le parentesi nelle espressioni matematiche!! Il pipe rappresenta l'or logico (vel): almeno uno di questi elementi è richiesto;, La virgola rappresenta l'and logico: tutti questi elementi sono obbligatori;? Operatore di opzionalità: l'elemento deve comparire 0 o 1 volte; + Operatore di molteplicità rigida: l'elemento deve comparire almeno una volta; * Operatore di molteplicità: l'elemento può comparire un numero qualsiasi di volte, anche zero.

53 Leggere gli errori del validatore Esempio The content of element type "TEI" must match "(teiheader,(((facsimile sourcedoc)+,text?) text))". 1. Indentiamo le parentesi per capire le precedenze (teiheader, ( ( (facsimile sourcedoc)+, text? ) text ) ) 2. Decodifichiamo i simboli della formula teiheader AND (facsimile OR sourcedoc almeno una volta) AND (text opzionale) OR text 3. Traduciamo in un linguaggio comprensibile L'elemento TEI deve contenere un teiheader seguito da un elemento text oppure da almeno un elemento di tipo facsimile o source; questi possono comunque essere seguiti da un elemento text.