Skip to content

Commit

Permalink
ruleset
Browse files Browse the repository at this point in the history
  • Loading branch information
@tboenig
tboenig committed Dec 21, 2023
1 parent cb4e72b commit 4c83931
Show file tree
Hide file tree
Showing 2 changed files with 71 additions and 33 deletions.
2 changes: 1 addition & 1 deletion de/ocrd_ocrd.ditamap
View file
Original file line number Diff line number Diff line change
Expand Up @@ -175,13 +175,13 @@
</topicref>
<topicref href="trans/lyLeserichtung.dita"/>
</chapter>
<chapter href="trans/ruleset.dita"/>
<chapter href="trans/structur_gt.dita">
<topicref href="structur_gt.ditamap" format="ditamap"/>
</chapter>
<chapter href="trans/trLabeling.dita">
<topicref href="labeling/labeling_gt.ditamap" format="ditamap"/>
</chapter>
<chapter href="trans/ruleset.dita"/>

<chapter href="trans/trPage.dita">
<topicref href="pagexml/dok.ditamap" format="ditamap"/>
Expand Down
102 changes: 70 additions & 32 deletions de/trans/ruleset.dita
View file
Original file line number Diff line number Diff line change
@@ -1,39 +1,77 @@
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE topic PUBLIC "-//OASIS//DTD DITA Topic//EN" "topic.dtd">
<topic id="ruleset">
<title>&#x1F3DB; OCR-D-GT-Ruleset</title>
<title>&#x1F4DC; OCR-D-GT-Ruleset</title>
<body>
<p>Das OCR-D-GT-Ruleset ist ein Regelsatz, der verschiedene Schreibweisen von Buchstaben in
verschiedenen Level der Transkription dokumentiert. Es sind drei Level vorgesehen: <ul
id="ul_cbf_2xx_rzb">
<li>Die erste Spalte enthält die Schreibweise, die spezifische drucktechnische
Aspekte und typographischen Besonderheiten nicht beachten (<xref
href="level_1_4.dita"/>).</li>
<li>die zweite Spalte enthält die Schreibweise, die <b>Drucktechnischen
Gegebenheiten</b> wiedergeben und eine Interpretation von Zeichen orientiert
sich am <b>Gebrauch im Sprach- und Schriftsystem</b> (<xref
href="level_2_2.dita"/>). </li>
<li>die dritte Spalte enthält die Schreibweise, die eine <b>Interpretation</b> von
Graphen <b>vollständig unterlässt</b>. Der Graph wird als ein Codepoint unter
Nutzung von standardisierten Kodierungen (Unicode), communitynormierten
Kodierungen (MUFI) und durch das Koordinierungsgremium festgelegten Kodierungen
abgebildet (<xref href="level_3_1.dita"/>). </li>
</ul></p>
<section>
<title>OCR-D-GT-Ruleset Transkription</title>
<p>Das OCR-D-GT-Ruleset Transkription ist ein Regelsatz, der verschiedene Schreibweisen von Buchstaben
in verschiedenen Level der Transkription dokumentiert. Es sind drei Level
vorgesehen: <ul id="ul_cbf_2xx_rzb">
<li>Die erste Spalte enthält die Schreibweise, die spezifische drucktechnische
Aspekte und typographischen Besonderheiten nicht beachten (<xref
href="level_1_4.dita"/>).</li>
<li>die zweite Spalte enthält die Schreibweise, die <b>Drucktechnischen
Gegebenheiten</b> wiedergeben und eine Interpretation von Zeichen
orientiert sich am <b>Gebrauch im Sprach- und Schriftsystem</b> (<xref
href="level_2_2.dita"/>). </li>
<li>die dritte Spalte enthält die Schreibweise, die eine <b>Interpretation</b>
von Graphen <b>vollständig unterlässt</b>. Der Graph wird als ein Codepoint
unter Nutzung von standardisierten Kodierungen (Unicode),
communitynormierten Kodierungen (MUFI) und durch das Koordinierungsgremium
festgelegten Kodierungen abgebildet (<xref href="level_3_1.dita"/>). </li>
</ul></p>
<p>Das Ruleset im Json-Format: <codeblock outputclass="language-json">{"ruleset":[
{"rule": ["a","a","a"], "type": "level"},
{"rule": ["aa","ã","ã"], "type": "level"},
{"rule": ["e","e","e"], "type": "level"}
]
}</codeblock></p>
<p>Das Ruleset im XML-Format: <codeblock outputclass="language-xml">&lt;levelrules>
&lt;ruleset>
&lt;range>AlphPresForm&lt;/range>
&lt;rule>ff&lt;/rule>
&lt;rule>ff&lt;/rule>
&lt;rule>ff&lt;/rule>
&lt;type>level&lt;/type>
&lt;/ruleset>
&lt;/levelrules></codeblock>Das Element <codeph>&lt;range></codeph> ist ein optionales
Element. In den Rulesets, die auf dem MUFI Datenset basieren ist dieses Element zu
finden.</p>


<p>Rulesets:<ul id="ul_apm_t5n_vzb">
<li><xref href="https://github.com/tboenig/gt-guidelines/tree/gh-pages/rules"
format="html" scope="external">OCR-D-GT Guidelines Ruleset</xref><ul
id="ul_q5d_mvn_vzb">
<li><xref
href="https://github.com/tboenig/gt-guidelines/blob/gh-pages/rules/ruleset_character.json"
format="html" scope="external"
>ruleset_character.json</xref></li>
<li><xref
href="https://github.com/tboenig/gt-guidelines/blob/gh-pages/rules/ruleset_hyphenation.json"
format="html" scope="external"
>ruleset_hyphenation.json</xref></li>
<li><xref
href="https://github.com/tboenig/gt-guidelines/blob/gh-pages/rules/ruleset_ligature.json"
format="html" scope="external">ruleset_ligature.json</xref></li>
<li><xref
href="https://github.com/tboenig/gt-guidelines/blob/gh-pages/rules/ruleset_roman_digits.json"
format="html" scope="external"
>ruleset_roman_digits.json</xref></li>
</ul></li>
<li><xref href="https://tboenig.github.io/gt-MufiLevelRules/" format="html"
scope="external">OCR-D-Level-Rules (Mufi)</xref></li>
</ul></p>

<codeblock outputclass="language-json">
{"ruleset":[
{"rule": ["a","a","a"], "type": "level"},
{"rule": ["aa","ã","ã"], "type": "level"},
{"rule": ["e","e","e"], "type": "level"}
]
}
</codeblock>
<p>Das OCR-D-GT-Ruleset wird im JSON-Format gespeichert.</p>
<p>Das OCR-D-GT-Ruleset-JSON-Schema entspricht der Version 2020-12.</p>
<ul>
<li><xref href="https://github.com/tboenig/gt-guidelines/schema/OCR-D-GT-levelSchema.json"
format="html" scope="external">OCR-D-GT-Ruleset-JSON-Schema</xref></li>

</ul>
<p>Rulesetformat:

<ul id="ul_mrq_xvn_vzb">
<li><xref
href="https://github.com/tboenig/gt-guidelines/schema/OCR-D-GT-levelSchema.json"
format="html" scope="external">OCR-D-GT-Ruleset-JSON-Schema</xref></li>
</ul>
</p>
</section>
</body>
</topic>

0 comments on commit 4c83931

Please sign in to comment.