三、数据模型

版式文本数据模型描述对象为古籍原本、古籍影印本等，由内容信息、版式信息和结构信息组成，可划分为头文件（HeaderFlie）和叶文件（PageFlie）。头文件描述古籍的整体信息，包括书目信息、卷目信息、默认版式信息、叶文件的逻辑结构等。叶文件与古籍图像一一对应，描述古籍的内容信息和版式信息。

（一）结构对象

版式文本数据由头文件和叶文件组成。头文件描述古籍书目信息、卷目信息、叶文件的逻辑结构、默认版式信息等。头文件使用fileHeader（文件头）、bibliographyMetadata（书目元数据）、catalog（卷目数据）、defaultFormat（默认版式）、gaijiList（集外字列表）等标签。仍以《[光绪]顺天府志》为例，头文件的XML描述如例5-2所示。

例5-2：

【注释】

[1]CJK汉字拆分项目数据文件[OL].[2016-6-29].http://hanzi.unihan.com.cn/CoolHanzi/data/download.asp？file＝CJKDecomposed20080425V312.pdf.rar

[2]蒋贤春，翟喜奎.中文文献全文版式还原与全文输入XML规范和应用指南[M].北京：国家图书馆出版社，2010：3.

[3]王荟，肖禹..汉语文古籍全文文本化研究[M].北京：国家图书馆出版社，2012：143—154

叶文件与古籍图像是一一对应关系，常见的古籍图像画幅构成模式包括叶、半叶和双半叶（如表2-4所示），描述古籍的内容信息和版式信息。叶文件使用fileHeader（文件头）、pageText（叶文本）、gaijiList（集外字列表）等标签。仍以图2-22为例，《马嵬志》卷首第五叶的XML描述如例5-3所示。

例5-3：

（二）简单对象

在版式文本数据模型中，简单对象包括文字、符号、图形、图像等，既要描述古籍的内容信息，又要描述版式信息。

1.文字

字符集中的文字可以直接输入，使用singleText（单字）标签描述；集外字用gaiji（外字）、gaijiDescription（外字描述）、gaijiImgLink（外字图像）、gaijiNote（外字说明）等标签描述；文字属性包括字体、字号、位置、颜色、变形、旋转等，使用font（字体）、fontSize（字号）、region（位置）、characterColor（字符颜色）、characterStretching（字符拉伸）、characterTightening（字符紧缩）、characterRotation（字符旋转）等标签描述。仍以图3-7为例，[民国]松阳县志卷六第二十六叶第11行的XML描述如例5-4所示。

例5-4：

2.符号

字符集中的符号可以直接输入，使用singleText（单字）标签描述；字符集中未包含的符号用gaiji（外字）标签描述；符号属性包括大小、颜色、变形、旋转等属性等，使用fontSize（大小）、region（位置）、characterColor（字符颜色）、characterStretching（字符拉伸）、characterTightening（字符紧缩）、characterRotation（字符旋转）等标签描述。仍以图2-14为例，《鹿邑县全图》卷首第一叶第5行的XML描述如例5-5所示。

例5-5：

3.图形

古籍中的常见图形包括线段、圆弧、圆形、矩形、多边形等。线段用straightLine（直线）、startPoint（起点）、endPoint（终点）等标签描述；圆形用circle（圆形）、center（圆心）、radius（半径）等标签描述；圆弧用circularArc（圆弧）、startPoint（起点）、endPoint（终点）、radius（半径）等标签描述；矩形用rectangle（矩形）、pointA（左上顶点）、pointB（右下顶点）等标签描述；多边形用polygon（多边形）、vertexNum（顶点数）、point（顶点）等标签描述。

图形用figure（图形）标签描述，图形属性包括线形、线宽、颜色、填充颜色等，用linetype（线形）、lineWeight（线宽）、lineColor（颜色）、backgroundColor（填充颜色）、layer（图形所在层）等标签描述。以图5-17为例，《[光绪]南阳县志》卷十第六叶第8至10行的XML描述如例5-6所示。

例5-6：

【注释】

[1]（清）张嘉谋等.[光绪]南阳县志[M].清光绪三十年刻本

4.图像

图像作为一个整体描述，使用image（图像）、region（位置）、imgLink（图像链接）、layer（图像所在层）等标签描述，如例5-3所示。为了描述复杂版式，引入layer标签，表示图像所在层，“-1”表示底层，“0”表示顶层，“1”、“2”、“3”等正整数表示中间层级，数值越大，表示图像所在层越高。

（三）复杂对象

在版式文本数据模型中，复杂对象包括大小字、墨围、墨盖子、表格、图形组合、特殊图像、版式等，既要描述古籍的内容信息，又要描述版式信息。

1.大小字

大小字用lineText（文本行）、singleText（大字）、mutliText（多行小字）、mutliTextPart（小字）、gaiji（外字）、region（区域）等标签描述，使用mutliText标签的linelevel（小字层级）属性值来描述大小字嵌套。仍以图2-31为例，《[乾隆]西宁府新志》卷十四第九叶第14行的XML描述如例5-7所示。

例5-7：

2.墨围

墨围用figure（图形）、moWei（墨围）等标签描述版式lineText（文本行）、singleText（大字）、mutliText（多行小字）、mutliTextPart（小字）、gaiji（外字）等标签描述内容信息。仍以图2-32为例，《[乾隆]宝山县志》卷一第三十叶第10行的XML描述如例5-8所示。

例5-8：

3.墨盖子

墨盖子用figure（图形）、moGaiZi（墨盖子）等标签描述版式，line Text（文本行）、singleText（大字）、mutli Text（多行小字）、mutli Text Part（小字）、gaiji（外字）等标签描述内容信息。仍以图2-34为例，《[乾隆]凤翔府志》卷五第一叶第11行的XML描述如例5-9所示。

例5-9：

4.表格

表格用figure Combination（图形组合）、table（表格）、cell（单元格）、figure（图形）、rectangle（矩形）、straightLine（线段）等标签描述版式，用lineText（文本行）、singleText（大字）、mutliText（多行小字）、mutliTextPart（小字）、gaiji（外字）等标签描述内容信息。仍以图2-39为例，《[光绪]顺天府志》卷八十九第一叶的XML描述如例5-10所示。

例5-10：