ICS35.240.01 L 70 中华人民共和国国家标准 GB/T 36338—2018 信息处理用藏文文献文本信息标记规范 Specification on Tibetan literature text markup for information processing 2018-06-07发布 2019-01-01实施 国家市场监督管理总局 发布 中国国家标准化管理委员会 GB/T36338—2018 目 次 前言 范围 2 规范性引用文件 术语和定义 藏文文献的标记框架 藏文文献文本基本属性的标记 5 6 藏文文献文本结构信息的标记 藏文文献文本标记规范 7 附录A（资料性附录） 《更敦群培文集》的TEI标记范例 18 GB/T36338—2018 前言 本标准按照GB/T1.1—2009给出的规则起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。 本标准由全国信息技术标准化技术委员会（SAC/TC28）提出并归口。 本标准起草单位：中国电子技术标准化研究院、西北民族大学、西藏自治区藏语文工作委员会办公 青海民族大学、中国藏学研究中心、民族出版社、北京北大方正电子有限公司、潍坊北大青鸟华光照排有 限公司。 本标准主要起草人：多拉、扎西加、熊涛、尼玛才让、杨本加、多杰卓玛、索南才让、冷本扎西、刘汇丹、 仁青卓么、项见措、格桑多吉、黄鹤鸣、才让加。 GB/T36338—2018 信息处理用藏文文献文本信息标记规范 1范围 本标准规定了藏文数字文献的文本信息标记。 本标准适用于藏文语料库建设及藏文各种文献的数字化标记。 规范性引用文件 2 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文 件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件 3 术语和定义 下列术语和定义适用于本文件。 3.1 藏文文献Tibetan literature 由藏文（包括古藏文及梵文转写）构成的各种文献 3.2 文本置标语言textencodinginitiative；TEI 一种定义电子文档结构和描述其内容的国际标准语言。 注1：目前在信息处理界电子图书馆相关计划中普遍使用的置标语言：适用于对电子形式的全文的编码和描述 注2：TEI元数据标准同时也规定了可供数据交换的标准编码格式，采用SGML文件格式 3.3 班智达Bantita 梵语，意为学识渊博的学者，专指参与经典翻译的印度等地学者。 注：班智达和译师分为藏文文献厘定前与厘定后两种。 藏文文献的标记框架 4 TEI适用于对电子形式的全文的编码和描述。TEI元数据标准同时也规定了可供数据交换的标准 编码格式，使用GB/T14814一1993规定的SGML作为其编码语言。TEI格式具有很大限度的灵活 性、综合性、可扩展性，能支持对各种类型或特征的文档进行编码。TEI元数据标记可以对语料库的文 本属性信息与文本结构信息进行规范的标记。 TEI文档，也是一个SGML文档，一般有四个部分：teiHeader（题名），front（文本前的信息），body （正文），back（文本后的信息）。TeiHeader：对电子文本对象的描述。front：对正文前的信息描述，包含 位于文件最前端的项目（标头、题名页、前言、献词等。）。body：对正文信息的描述，单篇文章的整体部 分，不包含正文前及正文后信息。back：对正文后的信息描述，包含附录等， TEI标头的第一层可以包含<fileDesc》文档描述、（encodingDesc）编码描述、《profileDesc）文件背 1 GB/T36338—2018 景描述、<revisionDesc）修订描述四个区段，其中只有第一个[<fileDesc>（文档描述）是必要元素。 《fileDesc》可以包含七个子元素：《titleStmt）（题名描述）、（editionStmt）（版本描述）、《extent）（档案 大小）、《publicationStmt）（出版描述）、《seriesStmt）（从编描述）、《notesStmt）（附注描述）及 《sourceDesc）（来源描述）。其中，只有《titleStmt）（题名描述）、《publicationStmt）（出版描述）及 （sourceDesc）（来源描述）是必要元素。因此最小的TEI标头只包含《fileDesc》。在这个《fileDesc）中， 依次包含（titleStmt）、（publicationStmt）和<sourceDesc）。藏文TEI标记范例参见附录A。 根据以上规范，tei标记的整体架构可以表示如下： <tei) (teiheader) <fileDesc文档描述</fileDesc） （encodingDesc）编码描述</encodingDesc） 《profileDesc）文件背景描述</profileDesc） 《revisionDesc>修订描述</revisionDesc) </teiheader) (text) <front》正文前的信息描述</front） 《body）正文信息描述（/body） <back）正文后的信息描述 </back) </text) </tei) 5藏文文献文本基本属性的标记 TEI元数据标准规定了描述文本的书目信息所需要的标记，主要在fileDesc部分，有6个复合元 素；在此6种元素的基础上，为了便于对语料搜索和统计，自定义了语料的标题、作者、来源、领域、体裁、 语言层次、文类、语式、年代、译者、编者、本次、版本、出版、日期、语言、国家、性别、年代、创作时间、记录 者等18项属性信息。 SAC 5.1标题属性信息 文本标题信息用TEI标记为<title)《/title>。 5.2作者属性信息 作者信息用TEI标记为<author></author>，文本作者可以是个人或机构，如果无作者此项可以不填 5555'565'a5/author)或《author)55a//author)。 5.3来源属性信息 文本来源信息用TEI标记为<source）.</source），来源可以是报纸、期刊、书籍等，若来源不详此 栏可以不填。 例：“”“”“”等可以标记为source） 2 GB/T36338—2018 /source)(source/source)《source)/source) 5.4领域属性信息 文本领域信息用TEI标记为<field></field）。领域可以是文学、法律、科技、藏医等。 示例：“"“”“”等可以标记为《field) </field<field)</field)、<field></field)。 5.5体裁属性信息 文本体裁信息用TEI标记为<genre)</genre），体裁可以是文学、媒体、公文等。 <genre)《/genre)<genre)</genre)genre)/genre)。 5.6语言层次属性信息 文本的语言层次信息用TEI标记为<language）<language），语言层次可以是单语、双语、多语 种等。 示例1:<language)5<language) 示例2：<language）汉文<language) 5.7语式属性信息 文本的语式信息用XML标记为<style)</style），语式可以分为书面语和口语。 者可以标记为<style></Style)。 5.8年代属性信息 文本年代信息用TEI标记为<date>《/date），年代可以是出版日期、创作时间。 示例：“201010”“1990”，可以标记为（date）2010.10</date）《date)1990</date）。 5.9译者属性信息 文本译者信息用TEI标记为<translator></translator） 示例：“”，可以标记为<translator)/translator)。 5.10编者属性信息 文本编者信息用TEI标记为editor)</editor），编者可以分为主编、编者。 示例：“”“”，可以标记为《editor》editor）《editor》 </ editor) 5.11版本属性信息 文本版本信息用TEI标记为<edition》</edition>，版本信息可以是不同的版本。 示例：“”“”，可以标记为《edition》/edition）《edition》/edition）。 3 GB/T36338—2018 5.12地方属性信息 文本地方信息用TEI标记为<publiace)</publiace)，地方信息可以是出版社所属的省市。 5.13出版属性信息 文本出版信息用TEI标记为<publisher）.</publisher），出版信息是不同出版社的名称。 5.14文本语言信息 文本语言信息用TEI标记为<language)《/language），语言信息是指文献的语言文种。 示例：“",可以标记为<language)/language)。 5.15国家属性信息 文本的国家信息用TEI标记为<nationality）《/nationality），指不同国家的信息。 示例：“尽，可以标记为《nationality》《/nationality）。 5.16作者性别属性信息 文本作者的信息用TEI标记为《author)</author），不同作者的性别属性。 示例：“"，可以标记为<author>/author>。 5.17时代属性信息 文本时代信息用TEI标记为<period)/period)，文本时代信息可以分为古代、近代、现代、当代四 个阶段。 示例