Séance de cours

Encodage de texte : Unicode et XML

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

DH-405: Foundations of digital humanities

This course introduces the core concepts and methodologies of Digital Humanities, integrating both theoretical and practical perspectives. Students learn to work with large-scale cultural datasets, acquiring the tools and techniques required for their proc ...

Description

Cette séance de cours couvre l'évolution de l'encodage de texte, de l'ASCII à l'Unicode, ce qui permet la représentation du texte dans diverses langues et scripts. Il explore les détails des normes Unicode, les défis du traitement de texte multilingue et le rôle du XML dans la structuration des données textuelles. La séance de cours explore également les complexités de l'encodage de texte hiérarchiquement, l'utilisation de TEI pour l'annotation de texte, et les progrès dans les technologies de reconnaissance optique de caractères et de reconnaissance manuscrite de texte.

Enseignant·e

Frédéric Kaplan

Courte biographie Le professeur Frédéric Kaplan dirige le Collège des Humanités de à l'école polytechnique fédérale de Lausanne (EPFL). Il est également titulaire de la chaire de Digital Humanities (humanités digitales / humanités numériques) et président de la Time Machine Organisation, une entité à but non lucratif regroupant plus de 600 institutions. Il est l'auteur d'une dizaine de livres, traduits en plusieurs langues, et de plus d'une centaine de publications scientifiques. Ses travaux ont également

Source officielle

Concepts associés (32)

XML schema

An XML schema is a description of a type of XML document, typically expressed in terms of constraints on the structure and content of documents of that type, above and beyond the basic syntactical constraints imposed by XML itself. These constraints are generally expressed using some combination of grammatical rules governing the order of elements, Boolean predicates that the content must satisfy, data types governing the content of elements and attributes, and more specialized rules such as uniqueness and referential integrity constraints.

Base de données XML native

Une base de données XML Native (NXD en anglais) est une base de données qui s'appuie sur le modèle de données fourni par XML. Elle utilise typiquement des langages de requête XML comme XPath ou XQuery. L'indexation dans une base de données XML nécessite d'indexer non seulement le contenu des éléments mais aussi la structure, les relations entre éléments pour que des requêtes XPath comme /foo/bar utilisent l'index. BaseX. Open Source, XQuery Update et Full Text DB-XML (Sleepycat). Voir aussi un bon article de XML.

Unicode

vignette|Logo Unicode.|200x200px Unicode est un standard informatique qui permet des échanges de textes dans différentes langues, à un niveau mondial. Il est développé par le Consortium Unicode, qui vise au codage de texte écrit en donnant à tout caractère de n'importe quel système d'écriture un nom et un identifiant numérique, et ce de manière unifiée, quels que soient la plateforme informatique ou le logiciel utilisé. Ce standard est lié à la norme qui décrit une table de caractères équivalente.

XML-RPC

XML-RPC est un protocole RPC (remote procedure call), une spécification simple et un ensemble de codes qui permettent à des processus s'exécutant dans des environnements différents de faire des appels de méthodes à travers un réseau. XML-RPC permet d'appeler une fonction sur un serveur distant à partir de n'importe quel système (Windows, Mac OS X, GNU/Linux) et avec n'importe quel langage de programmation. Le serveur est lui-même sur n'importe quel système et est programmé dans n'importe quel langage.

American Standard Code for Information Interchange

L'American Standard Code for Information Interchange (Code américain normalisé pour l'échange d'information), plus connu sous l'acronyme ASCII (, ), est une norme informatique de codage de caractères apparue dans les années 1960. C'est la norme de codage de caractères la plus influente à ce jour. ASCII définit 128 codes à 7 bits, comprenant 95 caractères imprimables : les chiffres arabes de 0 à 9, les 26 lettres de l'alphabet latin en minuscules et en capitales, des symboles mathématiques et de ponctuation.

Afficher plus

Séances de cours associées (29)

Encodage de texte : Unicode et XML

Explore l'évolution de l'encodage de texte, Unicode, XML, OCR, HTR et la gestion des variations orthographiques dans les textes historiques.

Encodage des caractères : ASCII, ISO 8859-1, Unicode

Explore l'évolution des normes d'encodage de caractères comme ASCII, ISO 8859-1 et Unicode.

Unicode: Représentation de caractères

Explique le standard Unicode pour la représentation de caractères à l'aide d'un codage de taille variable.

Représentation des connaissances : sémantique et structures de données

Explore la représentation des connaissances, les structures de données, la sémantique et les défis de la recherche de données sur le Web.

Gestion des fichiers : Texte et octets

Couvre la gestion des fichiers, les opérations de chaînes de caractères et les encodages de caractères dans Python.

Afficher plus

Concepts associés (32)

XML schema

Base de données XML native

Unicode

XML-RPC

American Standard Code for Information Interchange

Afficher plus