Umožnit přidat rozpoznanou iniciálu na začátek slova v ALTO ke slovu, kam patří.

[kerschfilip]

Umožnit přidat rozpoznanou iniciálu na začátek slova v ALTO ke slovu, kam patří.

Na schůzce 16. 1. 2026 byla diskutována možnost označit iniciálu jako část slova a zbytek slova jako druhou část - obdobně jako slova rozdělená na konci řádku spojovníkem

[daliboris]

Označení iniciály v Altu – pro potřeby identifikace textu

Definice iniciály z metodiky (4.8.1): Iniciála je obecně písmeno na začátku textu nebo jeho části, které je zvýrazněné rozměry, výzdobou nebo odlišnou barvou. Objevuje se v novodobých dokumentech, starých tiscích i rukopisech.

4.8.2: V rámci projektu [Orbis Pictus] jsou jako iniciály označována veškerá písmena na začátku textu, která se rozměry či provedením odlišují od zbytku textu a lze u nich proto předpokládat špatné rozpoznání pomocí OCR.

Dosavadní praxe NDK

Dosavadní použití ALTO v NDK iniciálu nerozpoznávalo, používal se např. <Shape> a <Polygon>, viz Erben, Zlatovskáska, str. 5; ALTO:

<Shape>

<Polygon POINTS="386,1558 1681,1558 1681,2042 173,2042 173,1772 386,1772 386,1558"/>

</Shape>

Někdy jako text (<Text>), viz Erben, Tři zlaté vlasy děda Vševěda, str. 3, ALTO:

<String CONTENT="B" HEIGHT="170" WIDTH="116" VPOS="1868" HPOS="256"/>

Nebo se nerozpoznávají vůbec Po stopách Hedčanů, str. 1, ALTO:

<TextLine ID="P2_TL00009" HPOS="416" VPOS="1545" WIDTH="1456" HEIGHT="58">

<String ID="P2_S00030" HPOS="416" VPOS="1548" WIDTH="118" HEIGHT="55" STYLEREFS="StyleId-2" CONTENT="ujarý" WC="0.902" CC="00400"/>

<String ID="P2_S00031" HPOS="568" VPOS="1547" WIDTH="122" HEIGHT="56" STYLEREFS="StyleId-2" CONTENT="kníže" WC="0.876" CC="13000"/>

Orbis Pictus

Při použití značek pro netextové elementy se vychází z doporučení ALTO a text se rekonstruuje v prvku <LayoutTag> v atributu @description:

<LayoutTag TYPE="Structural" ID="initial_001" LABEL="initial" DESCRIPTION="C" />

V textu samotném se iniciála identifikuje prvky <ComposedBlock TYPE="Initial"> + <GraphicalElement> a na LayoutTag se odkáže:

<ComposedBlock ID="P0001_CB0001" TYPE="Initial" HEIGHT="878" WIDTH="743" VPOS="2115" HPOS="365" TAGREFS="initial_001">
<GraphicalElement ID="P0001_GE0001" HEIGHT="878" WIDTH="744" VPOS="2115" HPOS="366" />
</ComposedBlock>

Následující text zůstává nekompletní:

<String ID="P0001_ST0001" CONTENT="EVX-LA" HEIGHT="92" WIDTH="280" VPOS="2142" HPOS="1159" WC="1.0" />

Návrhy

Pro rekonstrukci celého textu lze u prvku <String> použít „atribut @SUBS_CONTENT, jehož obsah tvoří upravený rozpoznaný text, např. text s rozepsanou zkratkou nebo kompletním slovem, které je v předloze rozděleno spojovníkem. Pomocí hodnoty atributu @SUBS_TYPE lze specifikovat, o jaký typ úpravy se jedná.“ Povoleny jsou pouze hodnoty HypPart1, HypPart2 a Abbreviation.

Abychom byli kompatibilní se standardem ALTO 4.4, navrhuju používat zatím hodnotu Abbreviation s tím, že navrhneme do standardu hodnotu DropCap (tak je to v ukázkách ALTO), popř. Initial.

Předchozí ukázka by po úpravách vypadala následovně:

<String ID="P0001_ST0001" CONTENT="EVX-LA" SUBS_CONTENT="CEVX-LA" SUBS_TYPE="Abbreviation" HEIGHT="92" WIDTH="280" VPOS="2142" HPOS="1159" WC="1.0" />

popř.

<String ID="P0001_ST0001" CONTENT="EVX-LA" SUBS_CONTENT="CEVX-LA" SUBS_TYPE="Initial" HEIGHT="92" WIDTH="280" VPOS="2142" HPOS="1159" WC="1.0" />