Convertendo para unicode textos do TLG em betacode

 #Fontes Primárias  #TLG

Se você já teve a curiosidade de conferir os arquivos do banco de dados do TLG1, deve ter percebido que são apenas arquivos de texto plano numerados sequencialmente e com conteúdo praticamente ilegível.

O número de quatro dígitos no nome de cada arquivo é, na verdade, o código do autor do texto (cf. Códigos do TLG). Esse código aparece no Diogenes em alguns lugares diferentes, por exemplo, quando você faz uma busca simples pelo nome do autor em Read>Author>Go.

TLG 1TLG 1

TLG3TLG3

Já o formato de texto que você encontra dentro do arquivo — e que o Diogenes converte por nós em unicode — é o chamado betacode. Esse formato foi criado especificamente para tornar possível grafar o grego politônico com caracteres ASCII no TLG e, infelizmente, tornou-se padrão em algumas domínios dos estudos clássicos.

Para quem nunca abriu um arquivo do banco de dados do TLG, eis um exemplo retirado do arquivo contendo o Corpus Aristotelicum. Trata-se do início dos Primeiros Analíticos em betacode.

ÔÄ∞∞∏∂ˇÔÅ∞∞±ˇÔÇ¡–Úˇôò·èÙˇ@@@@{1$20ANALUTIKWN PROTERWN *A.$}1 EI)PEI=N PERI TI/ KAI TI/NOS E)STIH( SKE/YIS, O(/TI PERI ÄA)PO/DEICIN KAI E)PISTH/MHS A)PODEIKTIKH=S: EI)=TA DIORI/SAI TI/ ÄE)STI PRO/TASIS KAI TI/ O(/ROS KAI TI/ SULLOGISMO/S, KAI POI=OS ÄTE/LEIOS KAI POI=OS A)TELH/S, META DE TAU=TA TI/ TO E)N O(/LW| EI)=-ÄNAI H) MH EI)=NAI TO/DE TW=|DE, KAI TI/ LE/GOMEN TO KATA PANTOÄH) MHDENOKATHGOREI=SQAI. Ä

Agora que já sabemos que os textos de cada autor estão no arquivo contendo o seu código correspondente e que o texto está em betacode, tudo que precisamos fazer é encontrar um meio de converter o arquivo em unicode.

Há mais de um modo para realizar essa tarefa.

Método 1: Beta2Uni na UC Louvain

Visitando o site da Université catholique de Louvain temos duas opções.

  • Uma conversão básica, que apenas transforma o arquivo .txt do betacode para unicode, sem preservar qualquer dado adicional do texto.
  • Uma conversão estendida, que utiliza os arquivos .txt e .idt para produzir uma versão do texto com a numeração da edição crítica de referência (Recomendado).

TLG4TLG4

TLG5TLG5

Método 2: Diogenes

No menu das versões mais recentes do Diogenes, há uma opção “Export” que pode converter todo o banco de dados, ou parte dele, em arquivos XML2 contendo o texto unicode. Essa opção de conversão carrega várias informações adicionais no processo e produz um texto com diversas tags de marcação, que podem ser uma vantagem ou desvantagem dependendo do seu propósito. Utilizar esse método para removê-las manualmente em seguida definitivamente não é algo desejável.

Trabalhando com o arquivo gerado

Independente do método utilizado, o processo provavelmente levará alguns minutos. O resultado da conversão será um arquivo de texto muito grande, por isso, a menos que você esteja usando um dos novos computadores quânticos, NÃO tente copiar e colar o texto no Microsoft Word. Use o bloco de notas ou um processador de texto como o Visual Studio Code ou o Sublime Text (ambos funcionam no Windows e no Mac).

A remoção da numeração das linhas gerada no processo de conversão (que nada tem a ver com a numeração utilizada para referenciar o texto), e outras transformações e marcações no texto, podem facilmente serem feitas utilizando ferramentas básicas de expressões regulares (RegEx).

  1. O nome da pasta provavelmente será TLG-E (Greek Texts).↩︎

  2. XML é o mesmo que um arquivo de texto plano, de modo que a extensão pode ser apagada e substituída por TXT sem prejuízo ao conteúdo do arquivo. A extensão XML apenas indica a alguns programas a presença de uma linguagem de marcação genérica no conteúdo.↩︎