From SGML to XML with TEI: Automated Conversion of a Corpus of Polish from P3 to P4 Format

• Authors: Maciej Ogrodniczuk
• Languages of publication: PL

Abstracts

PL

The article presents experiences gathered in the process of migration of an SGML corpus encoded in TEI P3 format to XML-enabled TEI P4.

• Publisher: Uniwersytet im. Adama Mickiewicza w Poznaniu
• Journal: Investigationes Linguisticae
• Year: 2004
• Volume: 11
• Pages: 1-9

Dates

published

2004-12-15

Contributors

author

Maciej Ogrodniczuk

• Faculty of Modern Languages and Oriental Studies, Warsaw University Krakowskie Przedmieście 26/28, 00-927 Warszawa

References

• Bień, J. S., Woliński, M. 2003. Wzbogacony korpus Słownika frekwencyjnego polszczyzny współczesnej. [In:] J. Linde-Usiekniewicz, R. Huszcza (Eds.) Prace językoznawcze dedykowane Profesor Jadwidze Sambor. Warszawa: Wydział Polonistyki Uniwersytetu Warszawskiego, pp. 6 –10.
• Bień, J. S., Woliński, M. (Eds.) 2001. Wzbogacony korpus Słownika frekwencyjnego polszczyzny współczesnej. Warszawa. Compressed CD image: http://www.mimuw.edu.pl/polszczyzna/wksf/wksf.iso.bz2.
• Clark, J. 1997. Comparison of SGML and XML. World Wide Web Consortium Note. http://www.w3.org/TR/NOTE-sgml-xml.html.
• Dürst, M. J. 2004. Language tagging in HTML and XML. World Wide Web Consortium. http://www.w3.org/International/O-HTML-tags.html.
• Extensible Markup Language (XML) 1.0 2004. (Third Edition). World Wide Web Consortium. W3C Recommendation. http://www.w3.org/TR/xpath.
• Głowińska, K. Taksonomia morfologiczna dla Słownika frekwencyjnego. [In:] [2], Dokumentacjataksonomia.pdf.
• ISO 8879 Information Processing – Text and Office Systems – Standard Generalized Markup Language (SGML). Geneva 1986. ISO (International Organization for Standardization).
• ---
• ISO/IEC 10744 Information Technology – Hypermedia/Time-based Structuring Language (HyTime). Geneva 1992. ISO (International Organization for Standardization).
• Kurcz, I., Lewicki, A., Sambor, J., Woronczak, J. Szafran, K. 1990. Sownik frekwencyjny polszczyzny współczesnej. Kraków 1990. Instytut Języka Polskiego PAN.
• Langendoen, D. Terence, Simons, Gary F. A Rationale for the TEI Recommendations for Feature-Structure Markup. [In:] N. Ide and J. Veronis (Eds.) Text Encoding Initiative – Background and Context. Kluwer Academic Publishers, pp. 191-209.
• Ogrodniczuk, M. 2000. Wykorzystanie SGML i TEI do zapisu polskich danych lingwistycznych. Master thesis, prepared under supervision of Dr. Janusz S. Bień. Warsaw: Faculty of Mathematics, Informatics and Mechanics, Warsaw University.
• Ogrodniczuk, M. 2003. Nowa edycja wzbogaconego korpusu słownika frekwencyjnego. [In:] Stanisław Gajda (Ed.) Językoznawstwo w Polsce. Stan i perspektywy. Polska Akademia Nauk – Komitet Językoznawstwa, Uniwersytet Opolski – Instytut Filologii Polskiej. Opole, pp. 181-190. http://www.mimuw.edu.pl/~jsbien/MO/JwP03/.
• ---
• Ogrodniczuk, M. 2003. Rozszerzenie opisów morfologicznych w tekstach korpusu „Słownika frekwencyjnego polszczyzny współczesnej". [In:] Jadwiga Linde-Usiekniewicz, Romuald Huszcza (Ed.) Prace językoznawcze dedykowane Profesor Jadwidze Sambor. Wydział Polonistyki Uniwersytetu Warszawskiego, pp. 164--168.
• Sperberg-McQueen, C. M., Burnard, L. (Eds.) 2001. TEI P4. Guidelines for Electronic Text Encoding and Interchange. XML-compatible edition. Chicago, Oxford: The Association for Computers and the Humanities (ACH), The Association for Computational Linguistics (ACL), The Association for Literary and Lingustic Computing (ALLC). http://www.tei-c.org/P4X/.
• TEI SGML to XML Migration Introduction and Workflow Recommendations. Second Draft, 2003. http://www.tei-c.org/Activities/MI/miw03d.html.
• Wall, L., Christiansen, T., Schwartz, R. L. 1996. Programming Perl, 2nd Edition., O'Reilly and Associates, Inc., ISBN 1-6592-149-6.
• XML Path Language (XPath), version 1.0. World Wide Web Consortium, 1999. http://www.w3.org/TR/REC-xml/.

Identifiers

DOI

10.14746/il.2004.11.7