双语语料加工TMX格式规范、文件常见编码格式_第1页
双语语料加工TMX格式规范、文件常见编码格式_第2页
双语语料加工TMX格式规范、文件常见编码格式_第3页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、附 录 E（规范性附录）TMX格式规范表 E.1 和表 E.2罗列了 TMX文件类型所需的元素和文件属性定义。表 E.1 TMX 文件元素表<TMX><TMX> 元素包含一个 <HEADER> 元素，后跟一个 <BODY> 元素。它有 1 个必需属性： VERSION 。<HEADER><HEADER> 元素包含零个， 一个或多个 <META/> 元素；零个，一个或多个 <NOTE> 元素；零个，一个或多个 <UDE> 元素；零个，一个或多个<PROP>元素。它有 4 个必需

2、属性： CREATIONTOOL，SEGTYPE ，O-TMF 和 DATATYPE 。它有 7 个可 选 属 性 ： O-ENCODING， CREATIONDATE， CREATIONID， CHANGEDATE，CHANGEID ， ADMINLANG和 SRCLANG 。<PROP><PROP>（Property）元素不包含其他元素。它有 1 个必需属性： NAME 和 2 个可选属性：LANG 和 O-ENCODING 。 <PROP>元素用于定义父元素（或在<HEADER> 元素中使用<PROP>时的文件）的各种属性。&l

3、t;UDE><UDE> （用户定义的编码）元素包含1 个或多个 <MAP> 元素。它有 1 个必需属性： NAME 。它用于指定一组用户定义的字符和/或从 Unicode 到用户定义的编码的映射。<MAP/><MAP/> 元素为空 （即， 它没有内容且没有结束标记） 。 它有 1 个必需属性： UNICODE和 3 个可选属性： CODE ， ENT 和 SUBST ，用于指定用户定义的字符及其某些属性。<BODY><BODY> 元素包含主数据，即组成文件的<TU> 集。无属性。<TU>每个

4、<TU> （翻译单元）元素包含零个，一个或多个<NOTE> 元素，后跟零个，一个或多个<PROP> 元素，后跟一个或多个<TUV> 元素。<TUV>每个 <TUV> （翻译单元变体）指定给定语言的文本。它包含零个，一个或多个<NOTE>元素，后跟零个，一个或多个<PROP>元素，后跟一个 <SEG>元素。它有一个必需属性：LANG 和 9 个 可 选 属 性 ： O-ENCODING， DATATYPE， USAGECOUNT，LASTUSAGEDATE ， CREATIONTOOL，

5、CREATIONDATE， CREATIONID，CHANGEDATE 和 CHANGEID 。<SEG>每个 <SEG> （段）包含 <TUV> 的文本。无属性。<NOTE><NOTE> 元素用于注释。它不包含其他元素。它有 2 个可选属性： O-ENCODING 和LANG 。14表 E.2 TMX 文件属性定义CREATIONTOOLCREATIONTOOL属性标识创建 TMX 文档的工具。CREATIONDATECREATIONDATE属性指定元素创建的日期。CREATIONIDCREATIONID属性指定创建元素的用户。CH

6、ANGEDATECHANGEDATE属性指定元素修改的日期。CHANGEIDCHANGEID 属性指定修改元素的用户。O-ENCODINGO-ENCODING属性指定元素数据的原始或首选代码集，以防它们在非Unicode代码集中进行编码。O-TMFO-TMF （原始翻译记忆库格式） 元素指定从中生成 TMX文档的翻译记忆库文件的格式。LANGLANG 属性指定元素数据的语言或区域设置。DATATYPEDATATYPE 属性指定元素的数据类型。SRCLANGSRCLANG 属性指定源语言文本的语言或区域设置。ADMINLANGADMINLANG属性在 <HEADER> 元素中用于指定

7、管理和信息元素<NOTE> ，<META/> 和 <PROP>的默认语言。NAMENAME 属性指定 <META/> 或 <PROP>元素的信息类型，或<UDE> 元素的名称。REFREF 属性用于指定 <META/> 元素的外部参考文档。IDID 属性指定 <TU> 元素的标识符。USAGECOUNTUSAGECOUNT属性指定 <TU> 或<TUV> 的使用次数。LASTUSAGEDATELASTUSAGEDATE属性指定上次使用 <TU> 或<TUV&

8、gt; 的时间。VERSIONVERSION 属性指示文档的 TMX 格式版本。UNICODEUNICODE 属性指定 <MAP/> 元素的 Unicode 字符值。CODECODE 属性指定用户定义编码中的代码点值，该编码对应于给定<MAP/> 元素的UNICODE 字符。ENTENT 属性指定由给定 <MAP/> 元素定义的字符的实体名称。SUBSTSUBST 属性允许为给定 <MAP/> 元素中定义的字符指定备用字符串。SEGTYPESEGTYPE 属性指定 <TU> 元素中使用的分段类型。15附 录 F（规范性附录）TXT 文

9、件常见编码格式表 F.1 罗列了 TXT文件常见的编码格式。表 F.1 TXT 文件常见编码格式ASCIIASCII 编码是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646 。ISO8859-1ISO8859-1 编码又称 Latin-1 或 “西欧语言 ”，是国际标准化组织内ISO/IEC 8859 的第一个 8 位字符集。UnicodeUnicode （中文：万国码、国际码、统一码、单一码）是计算机科学领域里的一项业界标准。 Unicode 是为了解决传统的字符编码方案的局限而产生，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。UT

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论