1

La codifica e la standardizzazione dei

testi in formato digitale

La codifica

2

DefinizioneCodifica InformaticaCodifica Informatica

la rappresentazione di un testo su un supporto digitale in un formato comprensibile da un

elaboratore elettronico

3

Problemi

1. Rappresentazione del testo2. Comprensione del testo

3. Codice condiviso

4

ComunicazioneMESSAGGIO

CODICE - - - - - - - - - - - - - - - - CODICE’

Codifica DecodificaEMITTENTE CANALE RICEVENTE

5

Diasistema

CODICE ≠CODICE’

S1 S2

Comunicazione = S1 ~ S2

6

Modelizzazione e rappresentazione

Selezione dell’informazione

Organizzazione dell’informazione

7

Codificare un testo1. Il testo è già codificato

2. Decodificare il testo

3. Ricodificare il testo

Codificare = interpretareCodificare = interpretare

8

Isomorfismo1. a un elemento del sistema di A (CODICE)

deve corrispondere un solo elemento del sistema B (CODICE’);

2. data una relazione fra due elementi del sistema A, la stessa relazione deve essere mantenuta anche fra i corrispondenti elementi del sistema

9

CODICE Maiuscole, spazi, interpunzione Corsivo, maiuscoletto, grassetto Struttura grammaticale Struttura retorica Semantica …

10

CODICE’

?

Modello di codifica

11

DefinizioneCodifica informaticaCodifica informatica

rappresentazione di un testo su un supporto digitale

in funzione di un determinato punto di vista secondo un codice condiviso in modo

sostanziale dall’uomo e dall’elaboratore elettronico cui tale codifica è destinata.

12

Testo o Documento?Che cos’è un testo?

1. Supporto fisico?2. Sequenza di caratteri ivi contenuta?3. Contenuto?

13

Dov’è il testo?

Canto Secondo1.Ingiustissimo amor, perché sì rarocorrispondenti fai nostri desiri?Onde, perfido, avvien che t’è sì caroil discorde voler ch’in duo cor miri?Gir non mi lasci al facil guado e chiaro,e nel più cieco e maggior fondo tiri:da chi disia il mio amor tu mi richiami,e chi m’ha in odio vuoi ch’adori et ami.

14

I testi sono astrazioni

I testi sono delle astrazioni istintivamente e collettivamente generate dai lettori e si possono intendere come successioni di monemi rappresentabili graficamente tramite dei grafemi. Dalla lettura dei grafemi o dalla percezione uditiva dei monemi si sviluppano i significati cui noi diamo il nome di testo.

15

I documenti no… supporti materiali in cui il testo viene

conservato (un libro, un foglio di carta, una lapide)

si può parlare di documenti cartacei e di documenti digitali, ma non di testi cartacei o digitali.

16

Oggetto della codifica

I testi

A volte i documenti … ma l’importante è capirsi!

17

MRF – Machine Readable Form

Il testo trasmesso deve essere stato codificato dall’emittente in modo che la macchina sia in grado di non disperdere nessuno dei livelli di informazioni presente nell’intenzionalità dell’emittente

Standardizzazione e portabilità dei dati

18

Ortografia MRF Maiuscole (nomi e inizio periodo) Segni diacritici Spazi Corsivi …

19

Caratteristiche minime? No.

Ciò che qualifica la MRF è la sua capacità di trasmettere ciò che il codificatore ha ritenuto fosse sematicamente rilevante

20

Documenti digitali: problemi Legati alla disponibilità di dispositivi

hardware e software Elevata obsolescenza Difficile portabilità su piattaforme diverse Proliferazione dei sistemi di codifica Difficile condivisione dei dati e dei risultati

21

Standard

Formali: ISO et al.

Di fatto: es. MS Word

22

Standard portabile Indipendenza dall’hardware Indipendenza dal software Indipendenza dal sistema di codifica dei

caratteri Indipendenza logica dalle tipologie di

elaborazione

23

Set dei Caratteri Codice ASCII: ISO 646

o 7 bit (27= 128)o 128 caratteri

Codice Latin-1: ISO 8859-1 – 256 caratterio 8 bit (28= 256)o 256 caratterio Comprende ISO 646

24

Set dei Caratteri Codice Unicode: sincronizzato a ISO 10646

o 16 bit (216= 65.536)o 65.536 caratterio Comprende ISO 646 e ISO 8859-1

o UTF-8: versione a 8 bit di Unicode, char set predefinito per XML (noi lo useremo)

25

Modello di codifica Un modello è il risultato di un

procedimento di astrazione necessario per sfuggire all’imprendibilità del continuo.

Un modello deve essere qualcosa di “più piccolo” dell’oggetto che si vuole analizzare

Un modello deve essere isomorfo Deve essere operata un scelta delle

caratteristiche da codificare

26

Modellizzazione – Macro categorie

Per quale scopo si codifica?

Struttura

Formato

Contenuto

27

Analisi logico-strutturale dei testi

L’individuazione delle componenti logico-formali dei testi così come si sono venute a conformare nella tradizione scritta occidentale

28

Livello strutturaleTutti i testi possono avere: un titolo (opzionale) un contenuto. Il contenuto può essere:

unitario diviso in parti (parti, capitoli, libri), ciascuna

della quali può avere: un titolo (opzionale)

un contenuto.

29

Livello contenutisticoI testi possono essere classificati in due

grandi macro-categorie che conoscono però numerose contaminazioni:

prosa poesia

30

AndamentoPoesia e prosa possono avere un

andamento:

continuo dialogico

31

Andamento continuo la prosa è costituita di una sequenza di

paragrafi elenchi, a loro volta costituiti di

entrate, in cui si distinguono numero (opzionale) topic (argomento, soggetto; opzionale) descrizione

tabelle righe

celle

la poesia è costituita di una sequenza di divisioni metriche (opzionali) che contengono

versi versi

32

Un esempio: poesia

33

Andamento dialogicoi testi possono essere: unitari divisi in parti quali:

atti scene

In entrambi i casi sono costituiti di una sequenza di battute, divise al loro interno in:

nome dell’interlocutore contenuto.

34

Un esempio: prosa

35

Markup & tagging In epoca pre-computer: caratterizzazione

editoriale esplicitava la formattazione dei documenti

Caratterizzazione editoriale in inglese: markup

Annotazioni editoriali in inglese: tag

36

Con i word processor… Formattazione incorporata

Tag invisibili

Caratterizzazione migrata nei documenti

37

Sistemi WYSIWYG Programmi presentazionali

Codifica invisibile all’utente

Documenti difficilmente gestibili

Formati proprietariFormati proprietari

38

Markup Languages

Linguaggi procedurali o specifici

Linguaggi dichiarativi o generici

39

Linguaggi procedurali Orientati al documento Istruzioni che specificano caratteristiche

come: Font Dimensione carattere Posizionamento Stile Disposizione sulla pagina

40

Un esempio: LaTeX\documentclass[a4paper,12pt]{article}\usepackage[latin1]{inputenc}\usepackage[italian]{babel}\usepackage{indentfirst}\pagestyle{plain} \topmargin-1cm \

evensidemargin0.5cm\textwidth14cm \textheight23cm \setlength{\

parindent}{1,25cm}\begin{document}\pagestyle{plain}\section{Introduzione}\vskip 1cm Questo è un esempio di documento \

emph{LaTeX}.\end{document}

41

Sintassi

\nomeTag[argomenti]{contenutoTag}

Output standard

42

Linguaggi procedurali: problemi Codifica orientata all’output Difficilmente può essere utilizzata per

scopi diversi

43

Linguaggi dichiarativi Orientati al testo Istruzioni per annotare il significato degli

elementi costitutivi Trascurano l’aspetto che assumeranno

nell’output Se un output strutturato si rende

necessario, servirà un ulteriore livello procedurale (es. fogli di stile)

44

Un esempio: SGML<!DOCTYPE testo [

<!ELEMENT testo - - (titolo?, paragrafo+)>

<!ELEMENT titolo - O (#PCDATA)>

<!ELEMENT paragrafo - O (#PCDATA)>

]>

<testo>

<titolo>Esempio di documento SGML</>

<paragrafo>Benvenuti nel mondo dei linguaggi dichiarativi standardizzati</>

</testo>

45

Caratteristiche Markup definito dall’utente Cattura della semantica del testo Assenza di indicazioni circa l’output Flessibilità e possibilità di essere usato per

molteplici scopi