WH_T100-2023汉文古籍版式描述规范.pdf

WHT —

棷湅湂湂湆湂湆湇

汉文古籍版式描述规范

1范围

本文件对汉文古籍版式描述进行了规范，给出了版式描述的规范性要求。

本文件适用于对汉文古籍文本化加工结果的描述。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；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。

GB/T 3792—2021信息与文献 资源描述

GB/T 4894—2009信息与文献 术语

GB/T 18793—2002信息技术 可扩展置标语言（XML）1.0

GB/T 21712—2008古籍修复技术规范与质量要求

GB/T 31219.2—2014图书馆馆藏资源数字化加工规范第2部分：文本资源

3术语和定义

下列术语和定义适用于本文件。

3.1

古籍ancient books

1911年以前（含1911年）在中国书写或印刷的书籍。

［来源：GB/T 3792—2021，3.18］

3.2

书叶page

按文稿顺序排列的书写、印制的单张纸叶。

［来源：GB/T 21712—2008，2.9］

3.3

版框a rectangular frame into which pages engraving

书叶（3.2）正面图文四边的围栏，一般指印刷的书。

［来源：GB/T 21712—2008，2.10］

3.4

版心middle of page

书叶（3.2）左右对折的正中、在折叶时取作中缝标准的条状行格。雕版印刷的书籍版心通常印有书

名、卷次、叶码，有的还印有一版文字总数、刊刻机构以及刻工姓氏等。

［来源：GB/T 21712—2008，2.11］

3.5

版式format

汉文古籍的版面格式。

1

WHT —

棷湅湂湂湆湂湆湇

3.6

版式XML文件 format XML file

符合GB/T 18793—2002要求，对具有同一样式的书叶（3.2）共同拥有的版式（3.5）特点进行描

述的XML文件。

3.7

文本 text

以字符、符号、词、短语、段落、句子、表格或者其他字符排列形成的数据，用于表达意义，其解释基本

上取决于读者对于某种自然语言或者人工语言的知识。

［来源：GB/T 4894—2009，4.1.1.2.4］

3.8

图像 image

用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼进而产生视

知觉的实体。

［来源：GB/T 31219.2—2014，3.3］

4基本原则

4.1客观描述

对汉文古籍版式特点、文本内容和位置、插图大小和位置等内容的描述客观准确。

有无版框、四周单边、四周双边、左右双边、大小字等。

4.2描述唯一

每个书叶描述方式唯一，且每个描述数据解释方式唯一，没有歧义。拥有统一版式的多个书叶，版式

相关数据描述方式唯一，包括版框位置、版心位置、文本行数、每行文字数、文字大小等。

4.3易实现

版式描述形式简单，使XML文件容易加工和解释，利于汉文古籍文本后续更深层次加工使用。

4.4可扩展

可对XML进行扩展以适应更多的汉文古籍样式，例如新的字符修饰样式等。扩展部分是新增加的

内容，不使用已有的内容代替，不与已有内容发生逻辑冲突。

5汉文古籍版式描述

5.1概述

汉文古籍版式描述存放目录可分为3个层级：第一层级为书文件夹；第二层级为卷册文件夹；第

三层级为书叶XML文件夹、书叶图像文件夹及抠图文件夹。其中，书文件夹和卷册文件夹的命名可自

定义，书叶XML文件夹名称应为“XML”，书叶图像文件夹名称应为“Image”，抠