ICS 湂湅.湅湈湂 CCS A 湅湈 WH棷T 湅湂湂—湆湂湆湇中华人民共和国文化行业标准 汉文古籍版式描述规范 The format description for Chinese ancient books 湆湂湆湇-湂湏-湂湏 发布 湆湂湆湇-湅湆-湂湏 实施 中华人民共和国文化和旅游部 　　发 布WH棷T 湅湂湂—湆湂湆湇I 目　　次 前言 �������������������������������������������� III 1　范围 ������������������������������������������� 1 2　规范性引用文件 ������������������������������������� 1 3　术语和定义 ���������������������������������������� 1 4　基本原则 ����������������������������������������� 2   4.1　客观描述 ��������������������������������������� 2   4.2　描述唯一 ��������������������������������������� 2   4.3　易实现 ���������������������������������������� 2   4.4　可扩展 ���������������������������������������� 2 5　汉文古籍版式描述 ������������������������������������ 2   5.1　概述 ����������������������������������������� 2   5.2　基于 XML 的版式描述 ��������������������������������� 3WH棷T 湅湂湂—湆湂湆湇III 前　　言 本文件按照 GB/T  1.1—2020  《标准化工作导则　第 1 部分： 标准化文件的结构和起草规则》的规定 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由中华人民共和国文化和旅游部提出。 本文件由全国图书馆标准化技术委员会（SAC/TC 389）归口。 本文件起草单位： 国家图书馆、 天津图书馆、 北京汉王数字科技有限公司。 本文件主要起草人： 肖禹、 陈红彦、 张毅、 董馥荣、 李志峰、 胡艳杰、 白帆、 王昭、 杜立功、 赵依澍、 周升 川、 潘慧敏、 谢冬荣、 萨仁高娃、 李国庆、 江世盛、 刘正珍、 王晓健、 王战波。WH棷T 湅湂湂—湆湂湆湇1 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。WH棷T 湅湂湂—湆湂湆湇23.6　 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” ， 抠图文件夹名称应为 “Cutout” 。存放目录结构见图 1 ：WH棷T 湅湂湂—湆湂湆湇3图 1　汉文古籍版式描述数据存储目录结构示意图 汉文古籍版式描述存放目录中内容应符合以下要求： a）   书文件夹存放一部书的所有数据。书文件夹下包括一个书XML文件和一个或者多个卷册文 件夹。 b）   卷册文件夹包括一个卷册 XML 文件、 一个版式 XML 文件、 一个 XML 文件夹、 一个 Image 文件 夹和一个 Cutout 文件夹。 c）   卷册 XML 文件描述卷册包含的书叶和书叶的顺序。 d）   版式 XML 文件描述卷册的版式信息。 e）   XML 文件夹存放卷册中的书叶 XML 文件。 f）   Image 文件夹存放卷册中的书叶原始图像。 g）   Cutout 文件夹存放卷册中的所有插图和集外字、 模糊字的抠图。 h）   汉文古籍版式描述数据保存在版式 XML 和书叶 XML 中。 5.2　基于 XML 的版式描述 5.2.1　版式 XML 文件 版式XML文件用来统一描述卷册中书叶的版式信息， 有助于书叶样式严格统一， 其命名规则为： Format.xml， 版式 XML 文件的标签及其属性见表 1 ： 表 1　版式 XML 文件标签 XML 标签名 注解 说明属性 样例 属性名称 注解 说明 xml文档类型 定义定义文档 版本编码version 版本 XML 文件的版本 <?xml version="1.0"  encoding="utf-8"?> encoding 编码 文字编码 root 根节点 根节点 version 版本 版式 XML 文件的版本 <root version="1.0"> formats 版式列表定义一组 版式无 无 无 <formats>WH棷T 湅湂湂—湆湂湆湇4表 1　版式 XML 文件标签（续） XML 标签名 注解 说明属性 样例 属性名称 注解 说明 format 版式formats 的 子节点， 定 义一种版 式name版式的 名称用户对版式的命名 <format name="[光绪]順天府志 " dpi="72" page_width="861.59"  page_height="770.40" page_fra me="50.40,96.23,812.63,733.91">dpi版式的 基准 DPI根据版式的基准DPI， 可将 版式中的像素值转换为毫 米、 厘米等物理长度值 page_width版式的 书叶宽版式书叶宽度的像素值 page_height版式的 书叶高版式书叶高度的像素值 page_frame版式的 书叶版 框位置版式书叶版框的像素位置， 以“， ”分隔开的 4 个数值， 依次代表左上右下的像素值 using_page版式作用 于哪些书 叶确定哪些 书叶使用 该版式page_id_range书叶 id 范围使用该版式的书叶id的范 围， 连续的书叶 id 使用“-” 连接起始和结束叶的 i