[发明专利]一种基于XML的古籍结构化整理方法

摘要

本发明公开了一种基于XML的古籍结构化整理方法，包括以下步骤：A、将多本古籍分页扫描，图片上的各个段落制成对应条目；B、依据古籍整理任务的目录结构制定多个结构化检索词；C、将各个条目分别放入其满足的结构化检索词对应的目标条目集合中；D、将目标条目集合中的各个条目按照成书年代排序并存储为XML文件，XML文件和其对应的图片集合形成目标数据资源；E、对目标条目集合中的各个条目进行纬目分类和自动排序，相同纬目下的条目依据成书年代排序；F、编者根据古籍整理的任务内容对XML文件中的条目进行编辑整理，最后导出至出版系统排版印刷成书。本发明实现了古籍文献整理、撰写与出版的一体化过程，大大提高了古籍整理工作效率。

主权项

1.一种基于XML的古籍结构化整理方法，其特征在于，包括以下步骤：A、将多本古籍分页扫描成图片，并给同一古籍中的每张图片分配唯一的编码，将每张图片上的各个段落制成对应的条目，条目内容包括对应段落所属古籍的书名、作者、成书年代和版本号，以及对应段落的文字内容、段落起始图片页码和段落结束图片页码，将属于同一古籍的所有条目制成一个XML文件，并把所有古籍对应的XML文件依次导入关系型数据库文件表中，形成全库数据资源，然后进入步骤B；B、确定古籍整理任务的目录结构，依据目录结构中每条路径包含的各级标题分别制定多个检索条件，在每个检索条件前面添加对应路径包含的各级标题，形成结构化检索词，对于每一个结构化检索词均对应定义一个目标条目集合，各个目标条目集合中的初始元素个数均为0，将各个结构化检索词进行整合，制成基于XML格式的结构化检索词表，然后进入步骤C；C、将全库数据资源中的XML文件包含的所有条目取出放入待检条目集合，依次将待检条目集合中的每个元素作为当前条目，分别判断当前条目的文字内容是否满足结构化检索词表中的各个检索条件，若当前条目满足一个或多个检索条件，则将当前条目分别放入其满足的检索条件所属的结构化检索词对应的目标条目集合中，然后进入步骤D；D、针对各个目标条目集合，分别将同一目标条目集合中的各个条目所属古籍的成书年代换算为公元纪年的数字年代，然后将各个条目按其所属古籍成书的数字年代从小到大依次排列，将经过条目排序的各个目标条目集合存储为一个XML文件，XML文件中的每个条目作为一个信息节点，包含条目对应的结构化检索词信息，根据各个条目在其所属古籍中的段落起始图片页码和段落结束图片页码，从步骤A扫描的图片中选出各个条目对应的古籍图片形成目标图片集合，将XML文件和目标图片集合整合为目标数据资源，然后进入步骤E；E、在图文对照的环境下，依次对XML文件中的每个目标条目集合作如下处理：按照古籍整理的纬目分类标准对各个条目手动添加纬目类型，然后对于每种纬目类型均对应定义一个纬目类型条目集合，将属于同一纬目类型的所有条目放入对应的纬目类型条目集合中，并将同一纬目类型条目集合中的所有条目按其所属古籍成书的数字年代从小到大依次排列，最后按照古籍整理的纬目类型的排列顺序对目标条目集合中的各个纬目类型条目集合进行排序，然后进入步骤F；F、在图文对照的环境下，根据编者对古籍整理任务的目标内容的理解，对步骤E中的XML文件中过长的条目进行拆分，将拆分后的条目移动到相应的纬目类型条目集合中，对不再需要的条目进行删减，对排序错乱的条目重新排序，最后导出XML文件至出版系统排版印刷成书。