Profil nucma pour les TEI Stylesheets

Profil nucma des TEI Stylesheets : conversion en TEI des entrées de l’Encyclopédie NUCMA rédigées dans Word, avec en-tête rempli à partir du document, nettoyage des artefacts de Word et sortie indentée.

La normalisation typographique et le nettoyage des fichiers déjà importés se trouvent dans le dépôt typesetter ; les textes et meta/authors.xml dans nucma-texts.

Fichier	Rôle
docx/from.xsl	Conversion d’un .docx en TEI (surcharge de docxtotei).
docx/to.xsl, docx/template.docx, docx/headersfooters.xml	Fichiers du profil pour la conversion TEI → Word.

from.xsl est documenté en détail dans son en-tête (xd:doc, format de documentation d’oXygen).

Installation

• TEI Stylesheets installées avec Ant et disponibles dans le PATH.

• Déclarer le profil par un lien symbolique dans les Stylesheets :

  ln -s /path/to/nucma-profile /path/to/TEIC/Stylesheets/profiles/nucma

  Le profil doit être appelé par ce lien : from.xsl importe ../../../docx/from/docxtotei.xsl, chemin relatif aux Stylesheets.

• Le profil lit meta/authors.xml du dépôt des textes au chemin indiqué par le paramètre nucma-authors de from.xsl (chemin sur le poste d’Emmanuel Château-Dutier). Sur un autre poste, modifier ce chemin ou le donner par une variable d’environnement :

  NUCMA_AUTHORS=file:///chemin/vers/nucma-texts/meta/authors.xml docxtotei --profile=nucma Entree.docx entree.xml

Importer un texte

docxtotei --profile=nucma Variabilite.docx variabilite.xml

Le TEI produit est déjà nettoyé et indenté, et son en-tête est rempli (titre, auteurs, identifiant). Variables d’environnement :

Variable	Défaut	Effet
NUCMA_CHAPTER	acquisition	chapitre de l’identifiant et de seriesStmt
NUCMA_SCHEMAS	../../schemas/	chemin vers schemas/ dans les instructions xml-model ; le défaut convient à un fichier rangé dans fr/<chapitre>/ ou en/<chapitre>/
NUCMA_RESP	ECD	personne responsable de la conversion dans revisionDesc
NUCMA_AUTHORS	chemin local	URI de meta/authors.xml

Le fichier produit est associé au schéma (nucma-text.rng) et au Schematron (nucma-quality.sch) par deux instructions xml-model en tête de fichier ; oXygen les applique dès l’ouverture. La conversion est notée dans revisionDesc (<change when="…" who="#ECD">Conversion depuis Word (profil nucma)</change>).

Viennent ensuite la structuration manuelle dans oXygen, puis la normalisation typographique (voir typesetter).

En-tête

Le profil lit le bloc d’en-tête écrit au début du document Word, en français ou en anglais, le retire du texte et remplit le teiHeader :

Titre de l’entrée :                        Entry Title:
Négocier la variabilité                    Collections in Shared Ownership
Titre court : Variabilité                  Short Title: Co-acquisition
Auteur·rices :                             Authors:
• Anne Bénichou, professeure, UQAM         • Jessica Minier, PhD Candidate, UQO

• Titre : un seul <title> sans @type ; s’il est suivi d’un sous-titre, <title type="main"> et <title type="sub">.
• Titre court : il sert de nom de fichier et d’identifiant de l’entrée, sans majuscule ni diacritique, sur sourceDesc : <sourceDesc xml:id="nucma.fr.acquisition.variabilite">. La langue vient des étiquettes (fr ou en), le chapitre de NUCMA_CHAPTER.
• Auteurs : chaque ligne « Nom, rôle, affiliation » devient un <author> avec persName, roleName et affiliation. L’auteur est cherché dans meta/authors.xml : s’il y figure, il reçoit son @ref (#benichouAnne), son prénom et son nom tels qu’ils y sont découpés, et ses identifiants (ORCID, ISNI…). Sinon, le dernier mot du nom est pris comme nom de famille et un <!-- @todo --> demande de vérifier.
• Contributeurs : les personnes listées sous un sous-titre du bloc des auteurs (« Research Assistant: », « Assistante de recherche : ») ne sont pas des auteurs : elles deviennent des <respStmt> (<resp>Research Assistant</resp>, persName avec roleName, orgName pour l’affiliation), cherchées elles aussi dans meta/authors.xml (liste « Autres contributeurs »).
• Les puces tapées à la main (« ● Julie Bawin, … ») et les espaces insécables dans les étiquettes (« Titre⍽de l’entrée⍽: ») sont acceptées.
• Reste de l’en-tête : complété d’après le modèle des entrées du corpus, en français ou en anglais : publicationStmt (éditeur, année, licence CC BY 4.0, DOI à compléter), seriesStmt (« Chapitre Acquisition », en anglais « Chapter: Acquisition », titre de l’encyclopédie, URI), sourceDesc (« Fichier nativement numérique ») et profileDesc/langUsage. L’editionStmt vide produit par la conversion est supprimé.
• Langue : posée sur <text xml:lang="fr"> (ou en) d’après les étiquettes ; la normalisation applique ensuite la typographie de cette langue, quel que soit le dossier du fichier.

Nettoyage

Le profil applique les règles de nettoyage de import-cleanup.xsl (dépôt typesetter, où elles sont décrites et testées) : styles de police, hi et seg vides, @xml:space, commentaires de Word en <!-- @todo … -->, notes regroupées dans back/div[@type='notes'] (note01, note02…), ancres et intertitres vides, @type="external" sur les liens hors de nucma.ca, attributs de graphic, espaces insécables orphelines.

Maintenance

Les règles de nettoyage existent en deux exemplaires, dans docx/from.xsl et dans import-cleanup.xsl du dépôt typesetter. Toute modification doit être faite dans les deux, et les tests XSpec de typesetter (test/import-cleanup.xspec) relancés.