Materials from a workshop held as part of Working with different kinds of ‘text’ in the Digital Humanities at the Singapore University of Technology and Design.

Setup

• Create a free account on ctext.org and log in.
• Make sure to validate your e-mail address by opening the link the system sent you (if not, the link above will display a warning/reminder in red to do so).
• Enter the API key in the box labeled “API key”, and click “Save”.
• Download the following English text files (e.g. right-click each link and choose “Save as”):
  • alice_adventures_underground.txt
  • alice_in_wonderland.txt
  • baum_dorothy_and_the_wizard_in_oz.txt
  • thompson_wishing_horse_of_oz.txt
  • english_wordlist.txt

We will follow parts of the “Practical introduction to ctext.org” and “Text Tools for ctext.org” tutorials with a few changes to use English language texts as well as Chinese ones, and a few new features of the beta version not yet included in the tutorials.

Link to Text Tools (beta version): http://ctext.org/plugins/texttoolsbeta/#help

Important note/reminder: For tools which have this option, we will use “Tokenize by character” set to “On” for the Chinese materials, and “Off” for the English ones.

Other suggested examples

As well as the examples shown in the tutorials:

• Try some regexes on the English examples. A useful expression is likely to be “\w+” – any sequence of non-punctuation characters (intuitively, a word). Try as an example “the \w+”.
• Using the “English_wordlist.txt” file as a list of regexes (just paste the contents of the file into the “Regex” box), generate vectors for the two Wizard of Oz stories. Run PCA on the results – you should see interesting differences between the two. Also try preprocessing the data by tokenizing and lowercasing the texts.
• Try tokenizing one or more modern Chinese documents [example].
• Using the regex tool with “Group rows by” set to “None” and “Extract groups” checked, try extracting data about biographies in the 宋史. You may want to start by using a small part of the text, e.g. ctp:ws55241. Example regex: (\w+)，字(\w+)，(\w+)人。

This paper appears in International Journal of Buddhist Thought and Culture 28(2) (December 2018). [Full paper]

Abstract

Optical character recognition (OCR) – the fully automated transcription of text appearing in a digitized image – offers transformative opportunities for the scholarly study of written materials produced prior to the digital age. Digitization, in the sense of photographic reproduction, is a largely straightforward, mechanical process, and one with significant value in its own right for purposes of preservation as well as access to rare materials. As a result, hundreds of millions of pages of pre-modern Chinese works have been digitized by libraries and academic institutions around the world – a significant portion of this increasingly being made freely available online.

To make use of this material efficiently, transcriptions of the textual content of these images are needed. Given the enormous volume of image data in existence – and its continual production as digitization continues – this task is only feasible if it can be fully automated: performed by software without manual intervention. Individually, reliable transcriptions produced by OCR offer enormous time savings to researchers, making it possible to efficiently navigate materials in ways not possible without digital transcription. In aggregate, however, these transcriptions make possible entirely new ways of exploring historical materials – making it possible to rapidly identify material that one suspects may exist somewhere, without knowing in advance where that might actually be. It is also a prerequisite also to virtually any type of statistical analysis of these materials – the potential utility of which continues to increase as a larger and larger proportion of the extant corpus is transcribed.

This paper introduces a procedure for OCR of pre-modern Chinese written materials, both printed and handwritten, describing the complete process from digitized image through to automated transcription and manual correction of remaining errors, with particular attention to issues arising in this domain. The process described has been applied to over 25 million pages of pre-modern Chinese works, and the paper also introduces the Chinese Text Project platform used to both make these results available to scholars as well as provide a distributed, crowdsourced mechanism for facilitating manual corrections at scale as well as further analysis of these materials.

Noise removal

Character pitch identification

Seal isolation

此教程將會從使用者的角度簡單介紹中國哲學書電子化計劃資料庫和數位圖書館中的主要操作方法，並舉具體的操作實例以便示範系統的主要功能。

教程網址：
英文：https://dsturgeon.net/ctext
中文：https://dsturgeon.net/ctext-zh
日文：https://dsturgeon.net/ctext-ja

1

首次使用前的設置

• 建立帳戶：在左手欄目中，往下捲動並點擊“登入”，然後在“若尚未建立本站的帳戶”的表格中輸入您的資料，再點“建立帳戶”。
• 確認電腦字體是否已安裝：在左上角點“本站介紹”，再點“字體試驗頁”。

書目查詢

• 使用左手欄目中的“書名檢索”功能。
• 檢索結果中，“”圖標表示該文獻的內容可以直接連接到對應的掃描影印資料。
• 此外，檢索結果中可能會看到以下圖標：
  文字版存放於原典資料庫（使用者不能直接編輯）。
  可以編輯的文字版，此文字版本是人工輸入的而不是OCR結果。
  可以編輯的文字版，此文字版本是OCR結果。
  版本的影印掃描資料。
• 習題：
  • 找出《資暇集》的電子全文。
  • 在原典數據庫中找出先秦兩漢時代的一部經典（如：《莊子》、《荀子》等）。

全文檢索

• 首先找出并打開想要檢索的文字版翻譯（章節或是卷），點擊 左手欄目下部的“檢索” 框。
• 習題：
  • 找出《論語》中帶有孔子所說“君子不器”的段落。
  • 找出《莊子》中所有有提到“道”的段落。
• 當你在文本資料庫中檢索本文得出多個結果時，可以點擊頁面右上部的“顯示統計”鏈接，打開檢索結果的互動摘要。

在主要的掃描資料中找出文本

• 在ctext中，可以通過影印底本連結來檢索影印資料。當文字版中帶有影印連結時，書名檢索結果中會顯示“”的圖標。
• 當文本跟掃描檔案有鏈接時，點擊左方文本中任何一個段落的“”圖標，打開對應的掃面版本。
• 當你要在掃面文本中檢索特定的單詞或是片語，在文字版中檢索對應的單詞或是片語，點擊左方結果中的“”圖標。
• 文字版中出現的錯誤（特別在OCR得出的文字版中）表示片語越長越不一致。如遇到這個情況，試圖檢索短一點的片語或是想要檢索的文本附近出現的單詞。
• 習題：
  • 找出有掃描版鏈接的文本，檢索并檢視掃面版中的結果。
  • 在OCR得出的文字版中重複一次。
  • 你也可以從“圖書館”中找出掃描文本，這個檢索跟你檢索文字版鏈接會有完全一致的結果。
  • 或者，你也可以使用鏈接來讀出每一頁的掃描本。

2

找出與文本片語相似的文本

可以在先秦兩漢以及類書中的文本資料庫使用

• 找出文本片語，點擊“”圖標，打開相似段落的概要。
• 在結果一欄中，點擊標題附近的“”圖標，顯示每一個結果和它出現的文脈。
• 習題：
  • 找出與《莊子》中“庖丁解牛”故事相似的段落。

找出兩段特定文本中的相似段落

可以在先秦兩漢以及類書中的文本資料庫使用

• 點擊左邊一欄下部的“高級檢索”鏈接。
• 在“1. 檢索範圍”部分中，選擇第一個種類，文本或是你想要檢索的文本單位。例如，在《莊子》中檢索時，你可以選擇“先秦和漢”，再選“道家”，再選“莊子” （第四個框中保持“[全部]”）。
• 在“3. 檢索條件”部分中，打鉤“相似段落搜索”下面的框，然後以同樣的方法設定本文範圍（範圍亦可為文本類型、文本整體或文本部分）。
• 點擊“Search”。結果會顯示所有包含相似段落的文本。
• 習題：
  • 找出《論語》和“道家”類文獻中所有相似段落。
  • 當你有結果時，點擊“顯示統計”的鏈接。
  • 做同樣的檢索，這一次逆轉“檢索範圍” 和“檢索條件”，然後使用“顯示統計”。

以索引、引得編號檢索

適用於有索引、引得訊息的文本

• 首先打開文本的頁面。頁面右手方有一個搜索框，對應著每一種支持文本的索引、引得編號。
• 習題：
  • 在Eric Hutton的這篇論文中，作者使用了ICS系列和哈弗燕京系列中的索引、引得編號來表示文本的引用處，因而沒有直接引用中文文本，例如：
    
    
    使用索引、引得編號來找出上面所出《荀子》中對應腳註17的作者翻譯和相關資料的原檔中文。

找出文本中對應的索引、引得編號

適用於有索引、引得訊息的文本

• 在帶有索引、引得數據的段落左手邊點擊“”圖標。
• 在段落上移動鼠標會顯示所有對應到鼠標位置的索引、引得編號。
• 如欲顯示與段落中特定一段的索引、引得編號時，使用鼠標點擊并將其移動到加亮為綠色的文本。所有與加亮文本有交叉的索引、引得編號會隨之顯示出來。
• 習題：
  • 接著以上習題，找出對應於《荀子》中“人之性惡，其善者偽也。”這一段的索引、引得編號。

文本、翻譯平行檢視

對應帶有英文翻譯的文本。

• 一般來說，當檢視帶有翻譯的文本時，緊接著中文的一個段落（可能很長），會顯示英語段落。如想讓文本和翻譯更接近地顯示（通常是一句一句），點擊文本片語左方的“”圖標。使用者也可以移動鼠標指針到中文文本來顯示字典信息。
• 如所檢視的段落較長時，使用者可以先檢索中文句子，再點擊“”圖標如上，直接跳到對應特定中文文本的翻譯。
• 習題：
  • 使用《莊子》的文本來做實驗。
  • 用這個功能檢視James Legge如何在同一個文本中翻譯“每至於族，吾見其難為，怵然為戒，視為止，行為遲”。

顯示注釋

對應於部分文本，例如《論語》、《孟子》、《墨子》、《道德經》等

• 點擊文本左方的“”圖標。請注意，注釋本身也是獨立的文本，所以你可以點所顯示的注釋中的鏈接轉到注釋文本。
• 習題：
  • 使用《論語》、《孟子》、《墨子》或是《道德經》做實驗。

3

找出或輸入罕見、異體字

• 打開網站中“字典”的部分。
• 根據所欲輸入的字的情況可用以可以選擇：
  • 直接輸入（打字）
  • 結構查詢：請參閱字典主頁上的簡要，
  • 部首查詢：先選擇部首，然後按照附加筆畫查看。你可以通過點擊“n strokes”標記來加大顯示中的文字。
• 習題：
  • 䊫, 𥼺, 𧤴, …：在ctext.org的字典中檢索這些字（要使用上述說明的方法，不要直接從這個頁面複製粘貼）。
• 小貼士：如果兩種組成部分都不容易輸入的話，你可以輸入包含其成分的任何其他字，通過分解，你可以找出成分，然後可以找出包含有那個特定成分的其他字。
• ctext上的某些文本中有統一碼中不存在的漢字。這些漢字目前只能通過成分來檢索。
  • 你可以為了在ctext中使用，複製和粘貼在統一碼中不存在的漢字。當統一碼中不存在的漢字被複製時，將會變成“ctext:nnnn”識別符號（例如，ctext:1591）。在其他軟件中粘貼這類字時（例如，在Word等軟體），會粘貼識別符號，而不是字或是圖像。
  • 然而，您可以在ctext中點擊字體的右方並選擇“複製圖像”來複製字的圖像。這個可以粘貼在Word文檔（例如，通過參照“ctext:nnnn”識別符號或是提供網站鏈接）
  • 例子：

4

文本編輯

最有效編輯具有掃描版本的文本方式是通過簡單修改功能。請參閱以下步驟：

• 找出掃描版中出現傳寫錯誤的掃描頁面。
• 點擊“簡單修改模式”鏈接。
• 系統會顯示可直接編輯文字內容的輸入方塊。一般來說，每一行文字對應著掃描圖像中的每一欄文字。
• 細心修正文本保持與掃描版一致，結束後點擊“保存編輯”。
• 如果需要輸入空格，請務必使用全角中文空格，而不是英文的半角空格。
• 習題：
  • 選擇一件透過OCR打造的文本資料，糾正其錯誤。
• 詳細紀錄文本中每一次的修改並提供換回到更早版本的方法，是任何一種維基系統的基礎–即所謂的“版本控制”。當您保存了修改之後：
  • 點擊“文字版” 鏈接來打開您修改的文本全文
  • 往上捲動，點擊“查看歷史”來顯示最近的歷史紀錄，您最近的修改會顯示在最上邊。
  • 每一行代表著一次修改之後的文本狀態。可以通過在表的左方選擇兩種單選按鈕，並點擊“顯示相差”來比較文本在兩個時刻的狀態。默認選擇會比較文本當前狀態和最新修改前的版本。點擊“顯示相差”來視覺化您剛剛做過的修改。

5

安裝和使用插件

插件可用以擴展讓網站的使用介面來支持新的功能。最常用的實例包括下載文本資料，連接到第三方提供的字典、工具等。為了使用插件，您必須先安裝插件到您的帳戶中（每一件插件只需做一次）。安裝步驟如下：

• 打開“本站介紹” > “工具” > “插件”。
• 找出您想要安裝的插件，點擊“安裝”。
• 在確認頁面中再點擊“安裝”。

安裝插件之後，當您打開任何在ctext.org支持的對象時（例如， “book” 或是 “chapter”插件對應的是文本章節，“character”和“word”類插件對應的是字典中的漢字或中文單詞），對應的鏈接會顯示在屏幕上方附近的一欄中。
習題：

• 安裝“全文輸出”插件並使用它輸出文本的一章內容。
• 安裝“Frequencies”插件並使用它檢視文本章節中出現的漢字的頻率。
• 安裝任何一個帶有“character” 或是“word”類的插件，在字典中找一個字，使用插件進入外部字典。

進階主題

以下將介紹比較進階的主題，這一些需要額外的努力以及（或是）超過這個教程範圍的附加專業技能。

創造新的插件

插件是為了把ctext.org的使用介面和外部資料（通常是其他網站）相鏈接的XML編碼。用戶可以通過自己的ctext.org帳戶來修改已存在的插件編碼來創造新的插件。如要檢視或修改當前所安裝插件的內容，點擊左邊欄目中的“個人設定”，然後點擊“直接修改個人插件XML檔案”鏈接。

您可以通過複製“<Plugin>…</Plugin>”代碼中的編碼，以及修改複製內容來創造新的插件。您需要從新的插件中移除“”代碼，不然，所輸入的內容將來會被舊插件的新版自動取代。您也可以創造獨立的XML文檔（參閱多數已有的例子），存放到您的服務器，然後安裝到您的ctext.org帳戶。

如果您創建的新插件或是代碼不被ctext介面接受的話，您可以使用W3C Markup Validator來確認您的插件文檔是否有效。一個有效的插件會有綠色的字體寫上“This document was successfully checked as CTPPlugin!”，看起來是這樣的頁面。

程序存取

為了文本採礦和數字人文研究，網站中的文本資料可以直接通過Python等程序語言來存取。這需要一些額外的設置和時間來實行（特別對於沒有程序經驗的用戶），不過網路上也有供詳細的介紹。

程序存取是通過ctext.org的應用程式介面(API)來實現的，您可以通過任何能夠發送HTTP請求的程式語言或環境實行。本網特別推薦Python，因為您可以通過已有的ctext Python module使用API，這樣可以降低程式開發上所需的時間。除了API的使用說明以外，您可以參考包括具體實例的API函數列單。

活動時間：2017年12月21日(四) 13:00–17:00
活動地點：國立臺灣大學 集思會議中心尼采廳 台北市羅斯福路四段85號B1
活動說明：本工作坊為實作工作坊，請與會者攜帶個人筆記型電腦參加，以便於更快熟悉相關研究工具
報名網址：https://goo.gl/KBPMGG​ (名額有限，報名從速)​
主辦單位：臺灣大學數位人文研究中心 哈佛大學費正清中國研究中心
協辦單位：臺灣大學圖書館
​聯絡資訊​：臺灣大學數位人文研究中心 胡博士 TEL：02-33669847

工作坊摘要：
　　隨著數位技術的日益增強，數位人文工具提供了研究者許多進行古代文獻研究與分析的新方法。這些工具不但具備探索文獻的技術，也讓研究者獲得更多以往未曾發現的文獻脈絡與相互關連，甚至透過電腦收集的資料來反駁或是證明特定的假設。

　　但是，使用這些分析方法時，特別是在獲取數位文獻和能夠進行分析的數位工具方面，往往面臨著技術性的挑戰。在本次的實作工作坊中，主講人將詳細介紹如何透過研究工具以減少這些技術性的障礙。

　　工作坊的第一部分將介紹全球最大規模的中國古籍文獻全文資料庫—「中國哲學書電子化計劃」。此系統不但提供全文檢索等較常用的功能外，也能使用更進階的方法來達到使用者自定的研究目的，並讓使用者能夠直接參與新文獻的數位化。

　　第二部分介紹可用來分析「中國哲學書電子化計劃」中或其它來源文獻的創新分析研究工具。這些工具包括重建資料分析工具、正規表達式的全文檢索，以及各種分析結果的視覺化呈現技術。

本チュートリアルは、 データベース・デジタルライブラリーChinese Text Project（中国哲学書電子化計画）における一般的なタスク機能について、ユーザーの目線からまとめたものです。皆さんに参考となりそうなシステムの主要機能に関するタスク事例をご紹介します。

本チュートリアルのオンライン版はこちら：
英語：https://dsturgeon.net/ctext
中国語：https://dsturgeon.net/ctext-zh
日本語：https://dsturgeon.net/ctext-ja

1

初期設定

• アカウントの登録：左側のペインを一番下までスクロールダウンしてください。「Log in」をクリックし、「If you do not have an account…」セクションにおいて必要事項を記入してください。
• フォントサポートを確認：左上の隅に見える「About the site」の下にある「Font test page」をクリックしてください。

テキストを探す

• 左側のペインにある「Title search」機能をお使いください。
• 題目検索結果において、「」アイコンが表示されているテキストは、スキャンした資料とリンクしています。
• 題目検索結果において使用される主なアイコン：
  テキストデータベースにおける複写版（ユーザーは編集不可）
  ユーザーが編集可能な複写版、OCRは使用されていません
  ユーザーが編集可能な複写版、OCRに対応しています
  特定の編集されたテキストのスキャン版
• 実践：
  • 『資暇集』の複写版を検索してください
  • テキストデータベースにて、先秦もしくは漢のテキストを検索してください。

全文検索

• まず、検索したいテキスト（もしくは章や巻）を検索し、開いてください。その後、左側のペイン下部にある「Search」というボックスを使用してください。
• 実践：
  • 『論語』にて、孔子が「君子不器」と述べている節を検索してください。
  • 『莊子』の中で、「道」について書かれている節すべてを検索してください。
• テキストデータベースにて、テキストを検索している際、数多くの検索結果が出る事があります。その場合、右上に表示されている「Show statistics」というリンクを使用することで検索結果がどこで表れているのか、インタラクティブな概要を見ることができます。

主要なスキャン資料の中でテキストを特定する

• ctextにおいて、スキャンしたテキストは、linked transcriptionsといった方法で検索することができます。仮に、複写版にリンクしたテキストがある場合、題目検索結果にて「」アイコンが表示されます。
• スキャン版にリンクしているテキストの場合、如何なるテキスト段落の左側に表示されている「」アイコンをクリックすることで、該当のスキャン版テキストを開くことができます。
• スキャンされたテキストにおいて、特定の単語や語句を検索するには、対応する複写版にてその単語や語句を検索し、検索結果左側に表示されている「」アイコンをクリックしてください。
• 特にOCRを使用して作成されている複写版において、複写のエラーは、長い語句であるほど、マッチしないという事を表していることがあります。その際、単語より短い語句を検索するか、検索しているテキストの近くに表示されている単語を使用してください。
• 実践：
  • スキャンのリンクがあるテキストを探し、スキャン版の中で検索し、結果を考察してください。
  • OCRのある複写版で試してください。
  • テキストは、スキャンしたテキストを所蔵しているウェブサイトの「Library」セクションからも検索できます。この作業は、リンクした複写を検索するときと全く同じ結果となります。
  • もしくは、提供されたリンクを使用して、スキャン版をページごとに検索する事も出来ます。

2

テキストの節と類似するテキストを検索する

テキストデータベースでは、先秦及び漢テキスト、類書の検索ができます。

• テキストの一節を選んで、「」アイコンをクリックし、類似した部分の概要を表示することができます。
• 検索結果において、表題付近にある「」アイコンをクリックすることで、どの文脈で出現しているのか表示されます。
• 実践：
  • 古典言語資料で著名な『莊子』の「庖丁解牛」と類似している箇所を検索してください。

2つの特定テキストにおいて類似した箇所を検索する

テキストデータベースでは、先秦及び漢テキスト、類書の検索ができます。

• 左側のペイン下部にある「Advanced search」リンクをクリックしてください。
• 「1. Scope」と表示されているセクションにおいて、検索したい1つ目のカテゴリー、テキストもしくはテキストユニットを選んでください。例えば、『莊子』において、「Pre-Qin and Han」、「Daoism」、「Zhuangzi」を選んでください（4つ目のボックスは、「All」としてください）。
• 「3. Search parameters」のセクションでは、「Parallel passage search」の下にあるボックスにチェックを入れてください。先程と同様の手順で、類似を検索したいカテゴリー、テキストもしくはテキストユニットを選択してください。
• 「Search」をクリックしてください。検索結果では、すべての類似した節が表示されます。
• 実践：
  • 『論語』及び「Daoism」カテゴリー内のテキストの間でどのような類似があるのか、検索してください。
  • 検索結果が出た後、「Show statistics」リンクをクリックしてみてください。
  • 次に、同様の検索をしてください。ただし、この場合、「Scope」と「Search parameters」を逆転し、その後、「Show statistics」を使用してみてください。

コンコルダンス番号を使用して、テキストを検索する

コンコルダンス情報を含むテキストに対応できます。

• まず、複写したテキストのコンテンツを開いてください。ページの右側に、検索ボックスが表示され、テキストに対応した一致の数がそれぞれ表示されます。
• 実践：
  • Eric Huttonのこの論文にて、著者はICSとハーバード燕京に使用されている一致の数をもとに、中国語のテキストを引用することなく、テキストの引用箇所を表示しています。例えば：
    
    
    ctext.orgにおけるコンコルダンス検索機能を使用することで、参考資料17にて、著者が訳し、引用した「荀子」の箇所と対応する原文の中国語を特定することができます。

テキストにおいてコンコルダンス番号を検索するには

コンコルダンス情報を含むテキストに対応できます。

• コンコルダンスに対応している節において、左側に表示されている「」アイコンをクリックしてください。
• マウスを表示された節内で動かすことによって、そのテキストの一部においてコンコルダンス列全てが表示されます。
• 一定の節に関係するコンコルダンス列のみを表示させるのは、マウスをハイライトされているテキスト（緑色）まで動かしクリックしてください。ハイライトされたテキストを含むすべてのコンコルダンス列が表示されます。
• 実践：
  • 前述の例に従って、「荀子」における「人之性惡，其善者偽也」と対応するコンコルダンス列を特定してください。

テキストと翻訳を並べて検証する

英語の翻訳があるテキストに対応しています

• 通常、テキストの翻訳を見る際、1つの中国語の段落が表示され（恐らくかなり長い）、次に対応した英語の段落が表示されます。テキストと翻訳をより近くに表示することも可能です（一般的には、語句ごとに）。この作業をするためには、テキスト節の左側にある「」アイコンをクリックしてください。この機能は、マウスのカーソルが中国語のテキストに移動した際、辞書情報を表示することもできます。
• 長い節では、特定の中国語テキストに対応する翻訳の箇所に直接移動することをお勧めします。その作業を行うには、中国語語句のテキストを検索し、前述通り、「」アイコンをクリックしてください。
• 実践：
  • 『莊子』のテキストで実験をしてください。
  • James Leggeが如何に「每至於族，吾見其難為，怵然為戒，視為止，行為遲」を翻訳しているのか調べてください。

注釈を見る

『論語』、『孟子』、『墨子』、『道德經』などといった特定のテキストに対応します。

• テキスト節の左側にある「」アイコンをクリックしてください。注釈は、独立したテキストですので、表示された注釈のリンクを使用することで、注釈のないテキストの代わりに、注釈のあるテキストを読むことができます。
• 実践：
  • 『論語』、『孟子』、『墨子』、もしくは『道德經』で実験してみてください。

3

稀な、異形の文字を検索、入力する

• ウェブサイトにおいて、「Dictionary」セクションを開いてください。
• 文字によっては、以下の作業が必要となるでしょう：
  • 直接入力（文字をタイプしてください）
  • 構成要素の検索：辞書のメイン画面における概要を参照してください
  • 語根の検索：まず語根を選び、付加の画数を使用してください。「n strokes」ラベルをクリックすることで、表示される文字のサイズを大きくすることができます。
• 実践：
  • 䊫、𥼺、𧤴… 、これらの文字をctext.orgで検索してください（このページからコピーやペーストをしないでください！）
• ヒント：構成要素のいずれかを容易に入力する事が出来ない場合、代わりにその構成要素を含むどの文字でも結構ですので入力してください。このように分解することで構成要素を特定できます。次に、その構成要素を含む他の文字を検索してください。
• ユニコードに存在しない異形の文字へのサポートはctext.orgに書き加えられています。これらは、構成要素を通じてのみ検索することができます。
  • ユニコードに掲載されていない文字は、ctextで使用する際に、コピーペーストすることができます。ユニコードで掲載されていない文字がコピーされた場合、「ctext:nnnn」認識子となります（例えば、ctext:1591）。これを他のソフトウェア（Microsoft Wordなど）にペーストした場合、文字やイメージではなく、この認識子が貼り付けられます。
  • ただし、ctextにて文字を右クリックし、「Copy image」を選択することで、文字のイメージをワード書類にコピーすることができます。その際、ctext.orgからイメージを取得しているという事を引用してください（例えば、「ctext:nnnn」認識子を引用するか、そのURLを提供してください）。
  • 例えば：

4

複写版を編集する

最も簡単な方法で、スキャン版にリンクしているテキストを正す為には、「Quick edit」機能を使用してください。以下の作業をしてください：

• 複写エラーが出ているスキャンしたページを特定してください。
• 「Quick edit」リンクをクリックしてください。
• 編集可能なページの複写が表示されます。通常、複写の各列は、スキャンしたテキストの列に該当しています。
• スキャン版を照らし合わせ、慎重に複写版を修正してください。「Save changes」をクリックして終了してください。
• スペースが必要な場合、英語で使用する半角スペースではなく、中国語で使用する全角を入力してください。
• 実践：
  • OCRによって自動的に作成された複写版を選び、エラーを修正してください。
• 「バージョニング（versioning）」：各テキストにおけるすべての変更を記録し、変更前の状態に戻すことが可能なオプションを維持するという機能です。この機能は、如何なるwikiシステムにおいても基本的なオペレーションです。修正を保存した後：
  • 「View」リンクをクリックし、修正したテキスト複写を開いてください。
  • ページの一番上までスクロールし、「History」をクリックすることで、最新の変更リストを表示してください。最も新しい編集は一番上に表示されます。
  • 各列は、特定の編集が行われた複写の状況を表示しています。2つの編集を比較したい場合、図の左側にあるラジオボタンで2つの項目を選び、「Compare」をクリックしてください。デフォルトの設定では、常に最新の編集、およびその前に行われた編集を比較します。「Compare」をクリックし、あなたが先程行った編集の可視化を行ってください。

5

プラグインのインストールと使用方法

プラグインは、ウェブサイトのユーザーインターフェイスをカスタマイズ化し、付加機能をサポートすることができます。一般的に、テキストデーターのダウンロード、第三の文字字典への接続が事例として挙げられます。プラグインを使用するには、必ずあなたのアカウントにそのプラグインをインストールしておく必要があります（1つのプラグインにつき、1回のみの作業です）。プラグインをインストールするには：

• 「About the site」をクリックし、その後、「Tools」、「Plugins」を開いてください。
• 追加したいプラグインを特定し、「Install」をクリックしてください。
• その後表示される確定画面にて、「Install」をクリックしてください。

一旦インストールが完了すると、ctext.orgにてサポートされているオブジェクトのいずれかを開いた場合（例えば、「book」もしくは「chapter」プラグインにおけるテキストの章、「character」や「word」類のプラグインにおける辞書内の文字）、スクリーン上部付近のバーにて、該当するリンクが表示されます。
実践：

• 「Plain text」プラグインをインストールし、それを使ってテキストの章をエクスポートしてください。
• 「Frequencies」プラグインをインストールし、それを使ってテキストの章における文字の頻度を見てください。
• 「character」や「word」類におけるプラグインのいずれかをインストールしてください。それを使って、辞書の中で文字を探したり、外部辞書にアクセスしたりしてください。

上級トピック

以下では、より上級なトピックを紹介します。これらは、本チュートリアルの範囲を超えており、皆さんの更なる試み、（もしくは）高度な技術的スキルが必要とされます。

新しいプラグインを作成する

プラグインは、ctext.orgのユーザーインターフェイスを外部のリソース（多くはその他ウェブサイト）と接続する為のXML形式のプログラミング言語です。新しいプラグインは、ctext.orgのアカウントにおいて、既存のプラグインのコードを修正することで、直接作成することができます。どのようなプラグインがインストールされているのか確認するには、左側のペインにある「Settings」をクリックし、「editing your XML plugin file」リンクをクリックしてください。

新しいプラグインを作成するには、<Plugin>…</Plugin>タグの間にコードを重複し、その重複を編集することが必要です。その際、<Update>タグを新しいプラグインから除外する必要があります。そうしなければ、将来上書きされる可能性があります。もしくは、XMLファイルのスタンドアローンを作成し（多くの既存事例を参照してください）、それをあなたのサーバーにホストし、ctext.orgのアカウントにインストールしてください。

仮に、新しいプラグインに何らかの問題があったり、コードがctextインターフェイスに受けいれられなかった場合、W3C Markup Validatorを使用して、プラグインファイルが有効であるかどうか確認することができます。有効なプラグインファイルは、緑色で「This document was successfully checked as CTPPlugin!」と、このように表示されます。

プログラミングによるアクセス

ウェブサイトのテキスト資料は、プログラミング言語のパイソン（Python）などから直接アクセスすることができます。特にプログラミングの経験がない方にとって、この作業には、より多くのセットアップに加え時間が必要とされますが、これについての作業説明もオンラインで取得可能です。

プログラミングのアクセスは、ctext.org のApplication Programming Interface (API)によって促進されており、如何なる言語、もしくはHTTPリクエストを送信できる環境でしたら、作業可能です。この作業には、特段パイソンをお勧めします。といいますのも、ctext Python moduleが存在することで、少ない労力でAPIにアクセスできるからです。APIの一般的な付随資料に加え、全てのAPI機能に関する付随資料が入手可能で、各種実例が含まれています。