Pouillés – analyse des fichiers XML livrés

[architexte]

Analyse des fichiers XML des Pouillés

Décomptes et synthèse

	définition	PO_t7.xml	PO_t8.xml	PO_t9.xml	TOTAL
article	une notice de lieu	4292	2546	5396	12234
vedette	les labels du lieu	4292	2546	5396	12234
vedette/i		4866	2955	5907	13728
//i[not(ancestor::vedette)]		139	260	222	621
localisationpa	pays de localisation	804	5	0	809
localisationde	dpt de localisation	3433	2446	5339	11218
localisationca	canton de localisation	3838	2122	5270	11230
localisationco	commune de localisation	812	1083	1844	3739
localisation	localisation, divers	990	197	351	1538
forme_ancienne	forme ancienne et attestation(s)	9073	4512	9953	23538
fa	forme ancienne	9073	4512	9952	23537
reference	ref biblio de la forme ancienne	12883	7018	12626	32527
i	italique	5017	3261	6150	14428
sup	exposant	4650	3206	7506	15362
//sup[not(ancestor::localisationca)][not(ancestor::localisationco)]		405	11	392	808
sm	petites caps	16174	8687	16602	41463
renvoi	renvoi à un article	10	11	226	247
compl	?	1129	866	1100	3095
x	incertitude ?	227	626	384	1237
y	quadratin de la première forme ancienne	75	245	420	740
z	forme ancienne restituée ?	74	244	403	721

Pagination

Par commodité, ajout de la pagination de chaque article dans article/@pg.

Vedettes

Les balises i rendent difficile l’extraction des vedettes :

• PO7-00004: <vedette><i>Abbaye</i> (<i>l’</i>)</vedette>
• PO7-03995: <vedette><i>Vauffelin</i>, en all. <i>Füglisthal</i></vedette>
• PO7-00053: <vedette><i>Alby</i> ou <i>Alby-sur-Chéran</i></vedette>
• PO7-02803: <vedette><i>Réchésy</i>, en all. <i>Röschlach</i> ou <i>Röschli</i></vedette>

Pire :

• PO7-00461: <vedette><i>Bonhomme</i> (<i>le</i>), en all. <i>Diedolshausen</i></vedette>
• PO7-00662: <vedette><i>Chaffal</i> (<i>le</i>), auj. <i>l’Escoulin</i></vedette>

Des exemples dans DT02 :

• DT02-00003: <vedette><sm>Abbaye (L’),</sm></vedette>
• DT02-00014: <vedette><sm>Abonval</sm> ou <sm>Ploisy,</sm></vedette>
• DT02-00944: <vedette><sm>Buisson (Le)</sm> ou <sm>Montabaudière,</sm></vedette>

Je propose de standardiser en suivant le modèle précédemment adopté :

• PO7-00004: <vedette><sm>Abbaye (l’)</sm></vedette>
• PO7-03995: <vedette><sm>Vauffelin</sm>, en all. <sm>Füglisthal</sm></vedette>
• PO7-00053: <vedette><sm>Alby</sm> ou <sm>Alby-sur-Chéran</sm></vedette>
• PO7-02803: <vedette><sm>Réchésy</sm>, en all. <sm>Röschlach</sm> ou <sm>Röschli</sm></vedette>
• PO7-00461: <vedette><sm>Bonhomme (le)</sm>, en all. <sm>Diedolshausen</sm></vedette>
• PO7-00662: <vedette><sm>Chaffal (le)</sm>, auj. <sm>Escoulin (l’)</sm></vedette>

Qu’en dites-vous ? Pas si trivial… cf PO7-00662.

Localisation

Schéma

La localisation est spécifiée dans un élément dédié pour chaque échelon administratif (très pratique), même si les valeurs peuvent être mal standardisées.

Le schéma diffère fortement sur ce point des DT. Je proposerais de réviser ce modèle. Par exemple :

<article old-id="PO7-02698" pg="649">
  <vedette><i>Pont-du-Doux</i></vedette>
  <localisationde>Ardèche</localisationde>
  <localisationca>c<sup>on</sup> de Tournon</localisationca>
  <localisationco>c<sup>ne</sup> de Saint-Barthélemy-le-Plein</localisationco>
  …
</article>

deviendrait (à revoir, pas top, cf segmentation de la commune – il faut analyser l’ensemble des balises).

<article old-id="PO7-02698" pg="649">
  <vedette><i>Pont-du-Doux</i></vedette>
  <definition>
    <localisation>
      <departement>Ardèche</departement>
      <canton>canton de Tournon</canton>
      <commune precision="approximatif" insee="07217">commune de Saint-Barthélemy-le-Plein</commune>
      <!-- 'Saint-Barthélémy-le-Plain' dans le COG 2011 -->
    </localisation>
  </definition>
  …
</article>

localisationpa

Unique pays de localisation, si PAS la France : Allemagne, Asie mineure, Italie, Palestine, Suisse

Un seul article avec localisationpa ET localisationde :

• PO7-01969 : pa = 'Suisse' / de = 'Haut-Rhin'.

210 articles sans localisationpa NI localisationde (//article[not(localisationde)][not(localisationpa)]) :

• doyenneté
• affluents
• ?

localisationde

(Ancien) Département de localisation.

2 articles avec 2 départements de localisation :

• PO7-02695: Isère + Savoie
• PO8-02447: Bouches-du-Rhône + Var

Liste étendue des valeurs possibles… Il va falloir normaliser les valeurs dans le code utile au liage :

• Ain
• Allier
• Alpes Maritimes
• Alpes-Maritimes
• Ardèche
• Aude
• Aveyron
• Bas-Rhin
• Basses-Alpes
• Basses-Pyrénées
• Bouches-du-Rhône
• Bouches-du-Rhône et Var
• Cantal
• Charente
• Charente-Maritime
• Cher
• Corrèze
• Côte-d’Or
• Creuse
• Dordogne
• Doubs
• Drôme
• Gard
• Gers
• Gironde
• Haut-Rhin
• Haute-Alpes
• Haute-Garonne
• Haute-Loire
• Haute-Marne
• Haute-Saône
• Haute-Savoie
• Haute-Vienne
• Hautes-Alpes
• Hérault
• Indre
• Indre-et-Loire
• Isère
• Jura
• Loir-et-Cher
• Loire
• Loiret
• Lot
• Lot-et-Garonne
• Lozère
• Maine-et-Loire
• Marne
• Meurthe-et-Moselle
• Nièvre
• Puy-de-Dôme
• Rhône
• Saône-et-Loire
• Savoie
• Seine
• Somme
• Tarn
• Tarn-et-Garonne
• Var
• Vaucluse
• Vienne
• Vosges
• Yonne
• territoire de Belfort

localisationco

Canton de localisation.

Analyser intérêt.

localisationco

Commune de localisation.

3 articles avec plusieurs communes de localisation :

• PO7-02635: Arnavon + Saint-Ferréol
• PO7-02932: Saint-Saphorin + Chardonne
• PO9-04206: Viala-du-Tarn + Saint-Rome-de-Tarn

localisation

Localisation indéfinie.

Par exemple :

• PO8-00098: <localisation>arr<sup>t</sup> de Grasse</localisation>

TODO: analyser

Formes anciennes

Une forme (fa) + sa ou ses référence(s) (reference).

fa

Contient la forme ancienne.

Italique

621 i hors vedette, par exemple :

• PO7-00180: <forme_ancienne><fa>Assinetz</fa>, <reference>304 var. <i>b</i></reference>.</forme_ancienne>
• PO7-01190: <compl>, localité disparue près de <i>Beauchastel</i></compl>
• PO7-02550: <renvoi>Voir <i>Saint-Sylvestre</i>.</renvoi>

D’accord pour conserver.

Exposant

405 sup hors localisationca et localisationco. – souvent des abréviations.

TODO: analyser

Renvois

Peut-on normaliser les renvois comme dans les DT et les insérer dans un commentaire ?

• DT02-04296: <renvoi>— Voy. <sm>Montreuil.</sm></renvoi>

<renvoi>Voir <i>Saint-Sylvestre</i>.</renvoi> (PO7-02550) deviendrait :

<commentaire>
  <p><renvoi>Voir <sm>Saint-Sylvestre</sm></renvoi>.</p>
</commentaire>

Doutes et corrections ?

compl

?

x

Souvent de la ponctuation : incertitudes de saisie ?

y

Des quadratins ajoutés devant la première forme ancienne d’un article ? Supprimer ?

z

Dans fa : restitution d’une forme ancienne ?