Sessions de travail

Préalable

➡ création d'un set d'exemples sur eScriptorium : http://traces6.paris.inria.fr/document/699/edit/

• 🔬 Colab exploratoire : https://colab.research.google.com/drive/1UjT5Gw7OrsmrBIYFxfQBHXKRl8NWqT38?usp=sharing
• 🔄 Colab récursif : https://colab.research.google.com/drive/1utnnaUFQd3WMcSdbNt-qN-sjeT7rJvH2?usp=sharing

02/06/21

• lancement du projet
• vérification de la qualité des données
• ajout des annotations nécessaires dans eScriptorium
  • annotation des regions : en-tête, et différentes colonnes
  • annotation des baselines de l'en-tête
  • annotation des baselines représentant les premières lignes de chaque enregistrement dans la colonne 5 (Noms, prénoms et domiciles des parties)
  • association des baselines à leur region respective
• export XML Page
• création du jupyter colab
  • chargement des fichiers
  • identification des premières lignes d'un paragraphe
  • récupération des coordonnées signifiantes

08/06/2021

• poursuite du travail dans le jupyter colab
• regroupement des nœuds en fonction de leurs coordonnées
• création de la class Row() correspondant à une entrée dans le répertoire :
  • le numéro lui étant associé
  • une date d’enregistrement
  • un ou plusieurs types d'acte
  • un résumé
  • informations relatives aux droits d'enregistrement (date et droits payés)
• tri des noeuds en fonction de leur colonne d'appartenance
• test réalisé sur FRAN_0025_3056_L-0.xml

17/06/2021

• Test sur une autre page d'un répertoire
• Ajout d'un mécanisme pour vérifier si la ligne est associée à une région ou non. Si non associée, stockage dans une catégorie 'misc'
• Mise en place via Colab du téléchargement de la la XSLT de Manon et du parser Saxon
• Application de la transformation dans Colab et génération du fichier TEI

Entre-séance

• Modification de l'XSL de Manon et création d'un PR (https://github.com/inoblivionem/xslt-playground/pull/1)
• Ajout d'un téléchargement automatique des données de test

21/06/2021

• Modélisation de l'arbre TEI, voir #17 (comment 535202)
• Création du nœud <text> et reconstitution des enregistrement dans le fichier TEI à partir du JSON créé depuis le PAGE XML
• Création d'une sortie TEI pour chacun de nos fichiers de test

Entre-séance

• Réunion avec Floriane et Manon pour discuter de TEI Publisher et nous montrer une visualisation de nos fichiers sur la plateforme
• Finition de la création de la sortie TEI avec la structure table
• Test de déploiement sur TEI Publisher avec la structure table
• Implémentation récursive bout-en-bout

Reste à faire

• Regrouper les lignes du paragraphe central
• Regrouper le segments des autres colonnes qui vont avec une ligne "first_line" donnée
• Résoudre les TODO
• Vérifier qu'on a tout dans le bon ordre
• Tester sur 1 ou 2 pages supplémentaires
• Créer la sortie TEI (Voir la XSLT de Manon et Generator Lectaurep-TEI de Lucas)
  • modifier l'XSL de Manon pour corriger certains comportements
• Faire l'affichage dans TEI Publisher
  • modifier la TEI résultant de l'XSL pour rendre compte de la structure logique
  • remplir le teiHeader
  • contrôler la validité du fichier (suppose d'avoir élaboré un schéma)
• Gérer les exceptions
• Contrôle automatique des dates dans les colonnes 2 et 6

Aller plus loin dans TEI Publisher

• Implémenter la recherche à facette
  • quelles facettes ?
• afficher les images sources
• ajouter l'alignement texte/image