目次

はじめに：人文学のためのテキストデータ構築●永﨑研宣

・課題に正面から取り組むためのガイドブック
・知を蓄積・共有し、より広い世界へつなげる
・本書の構成

本書の読み方

第1部　概説編

第1章　人文学のためのテキストデータの構築とは●永﨑研宣

1．テキストデータベース構築に関する概況
2．元資料とテキストデータの整合性
3．元資料との関係をどう位置づけるか
3-1．文字がUnicodeに入ってない場合
3-2．字形・字体の相違をどう扱うか
3-3．文字の扱い方を記録しておく
3-4．誤転記を含むテキストの扱い
3-5．テキストデータ構築の深さ
3-6．学術編集のためのタグ付けについて
3-7．そもそもタグ付けとは
3-8．タグを介した外部情報との連結
3-9．参照情報ファイルを独立させる
3-10．タグの共通化に向けて

第2章　日本におけるテキストデータ構築の歴史●永﨑研宣
1．はじめに
2．大まかな時期の区分
3．1980年代の状況
4．1990年代の状況
5．2000年代の状況
6．2010年代の状況
7．2020年代から今後の可能性へ

COLUMN 1 　TEIガイドラインで自分の資料を作り始めるには●永﨑研宣

1．はじめに
2．「モデル」を考えてみる
3．TEIの適用可能性について検討する
4．全体的な構造の方針
5．個別的な検討
6．人手で作業すべきかどうか
7．どこまで人手をかけるか
8．TEIを適用すべきでない場合
9．おわりに

第2部　実践編

第1章　Transkribusによる手書きテキスト資料の自動翻刻●宮川　創

1．OCRとHTR
2．Transkribusの概要
3．文字資料のスキャンに関する基礎事項
3-1．Transkribusに取り込めるファイル形式や枠組み
3-1-1．JPEG（Joint Photographic Experts Group; ジェイペグ）
3-1-2．TIFF（Tagged Image File Format; ティフ）
3-1-3．PDF（Portable Document Format; ピーディーエフ）
3-1-4．IIIF（International Image Interoperability Framework; 国際画像相互利用枠組み; トリプルアイエフ）
3-2．画像の単位
3-2-1．DPI（dots per inch；ディーピーアイ）
3-2-2．画素（ピクセル）
3-3．スキャナとカメラの種類
3-3-1．スキャナ
3-3-2．カメラ
3-3-3．ScanTent
4．画像前処理ソフトScanTailor
4-1．ScanTailorのインストール
4-2．プロジェクトの作成と画像読み込み
4-3．向きの訂正
4-4．ページ分割
4-5．傾きの修正
4-6．版面を選択
4-7．余白
4-8．出力
5．Transkribusのインストール
5-1．Transkribusアカウントを作る
5-2．Transkribus.zipのダウンロード
5-3．Transkribus.zipの解凍
5-4．Javaのインストール
6．Transkribusで画像を読み込む
6-1．Transkribusを開く
6-2．Transrkibusアプリ上でログインする
6-3．新しいコレクションを作る
6-4．ドキュメントのインポート
7．レイアウト分析
7-1．レイアウト分析の設定
7-2．リージョンの調整
7-3．ベースラインの調整
7-4．ポリゴンの調整
8．グラウンド・トゥルースの作成
9．トレーニング
9-1．デフォルトのトレーニング
9-2．追加トレーニング
9-2-1．コレクションやモデルの共有方法
9-2-2．追加トレーニングの実行
10．学習済みモデルを用いた文字認識
10-1．トレーニング
10-2．クレジット購入
11．TEI XMLやPDFへの出力、バージョン管理
11-1．TEI XML、PDF、プレインテキストなどへの出力
11-2．バージョン管理、その他
12．Transkribus Lite（ブラウザ版）
13．OCRopy
14．Kraken
15．eScriptorium
16．OCR4all
17．おわりに

第2章　Transkribus実践レポート：100年分のフランス語議事録翻刻プロジェクト●小風綾乃

1．はじめに
2．使用する史料について
3．約100年分の議事録に適応できるHTRモデルの作成は可能か
3-1．史料における前提と想定される選択肢
3-2．画像のインポート
3-3．レイアウト認識
3-4．翻刻テキストの作成
3-4-1．単年の議事録を使用したCITlab HTR+、PyLaia HTRモデルの比較
3-4-2．複数年に適用できるHTRモデルの作成
3-4-3．差分の可視化による翻刻精度の比較
3-4-4．小括：最善の翻刻方法
3-5．マークアップ
3-6．エクスポート
4．おわりに

第3章　TEIガイドラインとは●永﨑研宣

1．はじめに
2．TEI登場の文脈
3．TEIガイドラインの内容
4．TEI ガイドラインのアップデートと「国際化」
5．TEIガイドラインと人文情報学
6．本章のまとめ

第4章　実践演習：漱石書簡を用いたTEIによるテキスト構造化入門●原作：James Cummings・翻案：永﨑研宣

0．この演習を始める前に
0-1．ソフトウェアとデータの準備
0-2．XMLに関する最低限の基本的な知識
0-2-1．タグを追記して意味を付与する
0-2-2．タグには開始タグ・終了タグ・空白タグがある
0-2-3．タグは入れ子構造にできるが、オーバーラップはできない
0-2-4．エレメント（要素）とは0-2-5．アトリビュート（属性）とは
0-2-6．XMLにおけるサブセットの必要性とスキーマ
0-2-7．整形式の（Well-formed）XML文書と妥当な（valid）XML文書
1．実践演習1：基本的なマークアップでXML文書を作成する
1-1．学習の成果
1-2．要点
1-3．XMLファイルの新規作成を始める
1-4．〈text〉 エレメントを付与する
1-5．テキストを挿入する
1-6．手紙の基本的な構造を符号化（encodeing）する
1-7．段落と行をマークアップする
1-8．散文における改行
1-9．整形式（Well-formed）のXML文書を整形しインデントする
1-10．あなたの作業を保存する
1-11．セルフチェック
1-12．次回にすべきこと
2．実践演習2：妥当な（valid）TEI/XML文書の作成
2-1．学習の成果
2-2．要点
2-3．新しいXMLファイルを作成して開始する
2-4．〈TEI〉エレメント（要素）の挿入
2-5．〈teiHeader〉を追加する
2-6．〈text〉を追加する
2-7．日本語 TEIスキーマを関連づける
2-8．マークアップを改良する
2-8-1．日付・地名をマークアップ
2-8-2．〈add〉と〈del〉を追加する
2-8-3．〈closer〉を改良する
2-8-4．明らかな〈sic〉間違い〈/sic〉をタグ付けする
2-8-5．記述の正規化
2-8-6．縦書きスタイルと言語コードの記述
2-9．あなたの作品を保存する
2-10．セルフチェック
2-11．さらに先へ
3．実践演習3：より良い符号化（エンコーディング）の実践：書誌情報を深める
3-1．学習の成果
3-2．要点
3-3．はじめに
3-4．〈publicationStmt〉を改良する
3-5．〈sourceDesc〉に詳細な書誌情報を記述する
3-6．〈fileDesc〉 の他の構成要素
3-7．〈encodingDesc〉を追加する
3-8．〈profileDesc〉を追加する
3-9．〈revisionDesc〉を追記する
3-10．固有表現（人物・地名情報等）を記述する
3-11．あなたの作品を保存する
3-12．自己評価
3-13．もっと読みたい人へ
3-14．実践演習1〜3のまとめ

第5章　利活用演習：TEI準拠テキストの活用方法●永﨑研宣

1．基本的な考え方
2．Oxygen上での高度な検索
2-1．XMLの構造を活かした検索
2-2．XPath検索
2-2-1. XPathでエレメントを検索
2-2-2. XPathでエレメントを絞り込み
2-2-3. XPathで属性を絞り込み
2-2-4. XPathへの理解を深めるには
2-2-5．複数ファイルの同時検索
3．XSLTによる処理
3-1. XSLT文書を新規作成する
3-2. TEIの名前空間に関する情報を記述して保存
3-3. XML文書にXSLファイルを関連付ける
3-4. 「変換シナリオの設定」
3-5. 「新しいシナリオ」の設定-XSLT
3-6. 「新しいシナリオ」の設定-出力
3-7. 「変換シナリオの適用」をする
3-8. 本文〈body〉の内容を表示させる
3-9. 本文の段落を表示
3-10. 〈choice〉の選択を行う
3-11. 〈subst〉の表示を行う
3-12. 〈add〉を表示する
3-13. 〈closer〉の表示
3-14. 〈lb〉を改行させる
3-15. 縦書き表示
3-16. 余計な空白を削除する：適切な検索のために
3-17. 人名リストを取り出してみる
3-18. さらなる挑戦
3-19. XSLTのまとめ
4．既存のツールによる活用
5．保存と共有
6．おわりに

COLUMN 2 　TEI協会　東アジア／日本語分科会の活動●永﨑研宣

1．はじめに
2．EAJ分科会の設置
3．EAJ分科会の活動
4．TEI翻訳会
5．TEI勉強会
・青空文庫でTEI
・TEI日本語ガイドライン作成とルビエレメントの提案
・『校異源氏物語』の校異情報マークアップ
6．おわりに

第3部　事例編：テキストデータ構築の最新事情①

［古辞書から最低限の共通要素を取り出す］
第1章　日本古辞書のTEI符号化　●岡田一祐

1．はじめに
2．日本の古辞書について
3．文字標準化の埒外にある文献の翻刻
3-1．翻刻とはなにをすることか
3-2．古辞書の電子的な原典的翻刻の実際
4．TEI辞書モジュールとTEI Lex-0プロジェクト
4-1．辞書モジュールの前提とする構造と漢字字書の構造との相違
4-2．本モデルでの符号化について
4-3．TEI Lex-0
5．日本古辞書の符号化モデル
5-1．符号化の段階
5-2．ヘッダー
5-2-1．引用文献の記載
5-3．前置き・後置き
5-4．本文構造：分巻・分部
5-5．本文構造：項目
5-5-1．項目の符号化
5-5-2．親子項目の符号化
5-5-3．連続項目の符号化
5-5-4．組み込まれた・欠損した・欄外にある項目
5-6．本文構造：掲出字
5-6-1．単字項目
5-6-2．複字項目：熟字のばあい
5-6-3．複字項目：重出のばあい
5-7．本文構造：注文
5-7-1．注文の符号化
5-7-2．引用
5-7-3．字音
5-7-4．語釈
5-7-5．異体字
5-7-6．和訓
5-8．本文要素：書き入れ
5-9．本文要素：校訂
5-10．本文要素：割書きおよび改行の保存
6．符号化の例
6-1．『篆隷万象名義』
6-2．図書寮本『類聚名義抄』
6-3．参考：『色葉字類抄』
6-4．参考：『康煕字典』
7．おわりに

［日記および日程表のテキストデータを再構築して公開する］
第2章　TEIを用いた『渋沢栄一伝記資料』テキストデータの再構築：「渋沢栄一ダイアリー」公開まで●金　甫榮・井上さやか

1．まえがき
2．『渋沢栄一伝記資料』デジタル化の歩み
3．TEIマークアップ の検討
3-1．TEIを用いる理由
3-2．構造化について考える
4．テキストデータの再構築
4-1．共同研究の始まり
4-2．マークアップ方針
4-2-1．マークアップの深さ
4-2-2．構造化
4-2-3．固有表現
5． 成果
5-1．テキストデータの改善
5-2．「渋沢栄一ダイアリー」の公開
6．あとがき

［財務史料の原史料へのアクセスと計算可能性を確保する］
第3章　 TEIとRDFを用いた財務史料の構造化：古代日本・近世スペイン・近代イギリスを事例に●小風尚樹

1．はじめに
2．財務史料の構造化におけるふたつの困難
3．財務史料の構造化に関する方法論的考察
3-1．TEI P5
3-2．Transactionography
3-3．XBRL
3-4．DEPCHA
4．事例研究
4-1．古代日本史
4-2．近世スペイン複式簿記史料
4-3．近代イギリス会計史料
5．財務史料の標準的構造化データの意義
5-1．TEIにおける相互運用性の限界と克服に向けた取り組み
5-2．分析プログラムの開発
6．まとめ

［TEI/XMLファイルを作成した後のプロセス］
第4章　TEIデータの可視化方法と事例紹介●中村　覚

1．はじめに
2．TEIデータの可視化方法
2-1．導入
2-2．可視化ツールの例
2-2-1．Voyant Tools
2-2-2．校異情報の可視化
2-2-3．TEI Publisher
2-2-4．Omeka S
3．独自開発
3-1．導入
3-1-1．CETEIcean
3-1-2．発展：JavaScriptフレームワークでの利用
3-2．事例紹介
3-2-1．事例1：TEI-C東アジア/日本語分科会［2］
TEI Multi Viewer
校本風異文可視化ツール
戯曲のLINE風チャット画面での表示
書簡の送受信情報の可視化
3-2-2．事例2：デジタル源氏物語［3］
3-2-3．事例3：渋沢栄一ダイアリー［4］
日付、時間
人物関係の可視化
3-2-4．事例4：東京大学史料編纂所「蒋洲咨文」［5］
4．まとめ

［プログラミングなしに人名を自動抽出するための道を拓く］
第5章　Transkribusを用いたTEIの人名タグ付きテキストの機械学習による自動人名抽出：ジャアファル・ブン・イドリース・カッターニー『目録』を例に●石田友梨

1．はじめに
2．カッターニーの『目録』について
3．人名の自動抽出方法
4．抽出結果の評価
5．おわりに

COLUMN 3 　TEIにおけるセマンティック記述と〈standOff〉●小川　潤

1．はじめに
2．インラインとスタンドオフ
3．TEIにおける〈standOff〉要素の導入
4．TEIとセマンティックデータ

第4部　事例編：テキストデータ構築の最新事情②

［マークアップの方針をどう立てるか］
第1章　大正新修大蔵経TEI化に関する概略●渡邉要一郎

1．はじめに
2．概要
3．本文の構造化
3-1．広義の本文の確定
3-2．狭義の本文の階層性
3-3．奥書に関して
3-4．【補足】孤立的なブロックの階層性について
3-5．「巻」の区分
3-6．「巻」に付随する要素
4．脚注の構造化
4-1．異読情報
4-2．異読情報でない脚注
4-3．複雑な異読情報
4-4．省略表記の処理
4-5．「誤り」の記述4-5-1．誤字の記載
4-5-2．アンカー位置の間違い
4-6．註の追加
4-7．〈lem〉が長くなる場合
5．結びにかえて

［研究成果をマークアップする意義や今後の課題］
第2章　日本仏教における研究成果のマークアップ：日本天台の文献研究に着目して●矢島正豊

1．はじめに
2．日本天台の文献研究におけるTEI活用の意義
3．『天台真言二宗同異章』のマークアップ
4．『真言宗教時義』のマークアップ
5．今後の課題

［禅語録のマークアップの作業方針を検討する］
第3章　禅籍の構造とTEIマークアップ：T2591義雲和尚語録を例として●佐久間祐惟

1．はじめに
2．T2591義雲和尚語録の構造
3．語録のTEIマークアップ
（1）上堂のマークアップ
（2）法語のマークアップ
（3）頌古のマークアップ
（4）刊語・奥書・跋文のマークアップ
4．おわりに

［比較検討をするための内容に沿った段落区分を考える］
第4章　大正新修大蔵経テキストのTEI構造化における「私的パラグラフ」の設定●井野雅文

1．はじめに
2．問題の所在
3．対策
4．今後の課題
5．結論

［規格自身の限界に直面したときは規格の拡張によって克服する］
第5章　『續一切経音義』を通じた外字と割注の課題●王　一凡

1．はじめに
2．『續一切經音義』の性質
3．外字の問題
4．割注形式の問題

［特殊な事情をもったテキストをマークアップするための準備］
第6章　知識グラフを表現する：『愚禿鈔』のマークアップを例として●左藤仁宏

1．はじめに
2．TEIにおける〈standOff〉エレメントの意義
3．『愚禿鈔』の抱える事情とマークアップ方針
『愚禿鈔』の概要
『愚禿鈔』の図表的文体
『愚禿鈔』の文体に対するTEIマークアップ方針
4．諸概念の関係の種類とマークアップ方法
A．親子関係（hasParent）
B．同一関係（sameAs）
C．説明関係（explanationOf）
D．兄弟関係（hasSibling）
E．類似関係（similarWith）
5．本研究の課題

［蓄積してきたTEIマークアップのノウハウを生かす方法］
第7章　大正新脩大蔵経TEI化作業の中国古典籍への援用●片倉峻平

1．はじめに
2．中国古典籍にTEI記述が求められる背景
2-1．中国古典籍デジタル情報化の現状
2-2．中国古典籍の特徴
3．大正新脩大蔵経TEI化作業で確立した手法の援用
ａ．巻頭・巻末情報
ｂ．篇題情報
ｃ．割注
ｄ．韻文
ｅ．異読情報
4．おわりに

COLUMN 4 　著作権法改正で Google Booksのような検索サイトを作れるようになる？●南　亮一

1．はじめに
2．検索サイトを作るための条件
3．表示できる著作物の範囲は？
4．おわりに

あとがき●大向一輝・永﨑研宣

タグ索引（用語編・XML編）
用語解説
編者＆執筆者一覧


TEI活用の事例紹介（1）〜（6）●永﨑研宣

（1）BNC（British National Corpus）– 言語コーパス
http://www.natcorp.ox.ac.uk/
（2）The Folger Shakespeare – 戯曲の構造的記述
https://shakespeare.folger.edu/
（3）TEI by Example - 学習ツール
https://teibyexample.org/
（4）FAUST EDITION - 学術編集版
http://www.faustedition.net/
（5）Cambridge Digital Library – 詳細な書誌情報と版面画像から全文テキストまで
https://cudl.lib.cam.ac.uk/
（6）Vincent van Gogh The Letters - 書簡のマークアップ
https://vangoghletters.org/vg/