语义文本XML由七部分组成，包括文件头、书目元数据、来源文本属性、卷目数据、标注集合、文本数据和集外字数据，如图6-8所示，使用fileHeader（文件头）、bibliographyMetadata（书目元数据）、sourceText（来源文本）、catalog（卷目数据）、标注集合（tagSet）、text（文本）、gaijiList（外字列表）等标签。文件头是头文件XML的整体属性说明和创建、修改、发布等过程描述；书目元数据是头文件XML的整体内容说明，针对书目信息；来源文本属性描述来源文本的基本情况；卷目数据描述古籍的逻辑结构，针对文本碎片进行说明；标注集合描述标注对象的层次与结构；文本数据是语义文本XML的主体，描述文本碎片的内容与结构；集外字数据是头文件的补充说明，针对头文件XML中的集外字。

（一）文件头

与纯文本XML相同，此处不再赘述。

（二）书目元数据

与纯文本XML相同，此处不再赘述。

（三）来源文本属性

语义文本通常是在已有文本数据的基础上，通过清洗、处理、标注等获得，原有文本特性的数字化特性对语义文本有直接的影响，因此有必要描述来源文本的属性。来源文本属性包括文本类型、语言、字符集、字数、错误率、加工规范、所属项目、文本创建、文本修改、文本发布、版权信息、备注等，如图6-9所示，使用textMode（文本类型）、language（语言）、characterSet（字符集）、characterNum（字数）、errorRate（错误率）、processCriterion（加工规范）、project（所属项目）、textCreate（文本创建）、textModify（文本修改）、textRelease（文本发布）、copyrightInfo（版权信息）、note（备注）等标签描述。

（四）卷目数据

卷目数据描述原书的逻辑结构，包含原书的目录结构和与文本碎片的对应关系，如图6-10所示，使用catalogRecord（卷目记录）、headingNum（标目序号）、heading（标目）、serialNum（层级编号）、block（文本碎片）等标签。

（五）标注集合

标注集合描述标注对象的层次与结构，包括文本碎片属性、句型、词性等，使用tagSetRecord（标注记录）、tagNum（标注编号）、tagName（标注名称）、tagLevel（标注层级）、note（备注）等标签描述。如图6-11所示。

（六）文本数据

文本数据是语义文本XML的主体，描述文本碎片的内容与结构，包括文本碎片、部分、句、词、子文本碎片序列、文字、图像、表格等，如图6-12所示。文本碎片通常有三种构成方式：其一，直接由内容信息构成；其二，直接由若干子文本碎片构成；其三，由部分内容信息和若干子文本碎片构成。文本碎片使用文本碎片（block）、部分（part）、句（sentence）、词（word）、子文本碎片序列（subBlockArray）、文字（textBlock）、图像（image）、表格（table）等标签描述。

（七）集外字数据

与版式文本XML相同，此处不再赘述。