Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Encodage de texte : Unicode et XML

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

Source officielle

Concepts associés (32)

Extensible Markup Language

LExtensible Markup Language, généralement appelé XML, « langage de balisage extensible » en français, est un métalangage informatique de balisage générique qui est un sous-ensemble du Standard Generalized Markup Language (SGML). Sa syntaxe est dite « extensible » car elle permet de définir différents langages avec pour chacun son vocabulaire et sa grammaire, comme XHTML, XSLT, RSS, SVG... Elle est reconnaissable par son usage des chevrons () encadrant les noms des balises.

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.

Afficher plus

Séances de cours associées (28)

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.

Gestion des fichiers : Texte et octets

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

Agent Gitlab pour Kubernetes (agentk)

Couvre la configuration d'un agent Gitlab pour Kubernetes, en mettant l'accent sur l'installation, le contrôle de version et le dépannage.

Afficher plus

Concepts associés (32)

Extensible Markup Language

XML schema

Base de données XML native

Unicode

XML-RPC

Afficher plus