Lateinischer Text
Normalisierung
Mittelalterlichen Schreibern war die Vorstellung fremd, es könne nur eine richtige Schreibweise eines Wortes geben. Ob im Text vniuersis, universis, vniversis, Universis, Vniuersis oder uniuersis steht, ist hörenden und lesenden Menschen egal – für den Rechner aber sind es verschiedene Wörter. Deshalb ist Volltextsuche in digitalisierten Urkunden eine Glückssache; erfolgreich wird sie nur sein, wenn Wörter mit gleicher Bedeutung auch gleich geschrieben sind. Normalisierung bedeutet Vereinheitlichung auf jene Schreibweise, die auch maschinell erkannt und interpretiert werden kann.
Ebenfalls als Normalisierung ist der Umgang mit Kürzungen und Abkürzungen einzustufen. Unter Kürzungen sind Zeichen in bestimmter Form und Position zu verstehen, die Buchstabengruppen, Wortteile oder ganze Wörter ersetzen.
Der Reiter „Text" durchsucht den normalisierten lateinischen Urkundentext buchstabengetreu, also ohne automatische Berücksichtigung von Schreibvarianten. Das unterscheidet ihn von der Namensuche: Dort wird die Eingabe zunächst über die Clusterform auf alle bekannten historischen Originalschreibweisen ausgeweitet, bevor die Volltextsuche läuft. Im Reiter „Text" entfällt dieser Zwischenschritt – gesucht wird genau die eingegebene Zeichenfolge in der normalisierten Schreibung.
Beispiel: Eine Suche nach Heinricus im Reiter „Text" findet nur Belegstellen mit exakt dieser Schreibung. Um auch Varianten wie Hainricus oder Heinricus in anderen Formen zu finden, ist die Namensuche der geeignetere Weg.
Textgliederung und Satzzeichen
Ein Charakteristikum gedruckter Editionen ist, dass – in Anlehnung an das Layout der Originale – die Texte ohne Rücksicht auf ihre Länge in einem ungegliederten Schriftblock wiedergegeben werden. Absätze zur inhaltlichen Gliederung des Textes gibt es in den Originalen nicht. Um jedoch die äußerliche und inhaltliche Orientierung in den Texten leichter zu machen, werden in dUBLOE ab einer Mindestlänge Absätze eingefügt und nummeriert.
Mangels originaler Interpunktionen werden in den meisten Editionen die strengen deutschen Beistrichregeln angewandt werden, was – wegen der unterschiedlichen Konstruktionsweise der beiden Sprachen – hilfreich, aber auch sehr störend sein kann. Deshalb werden in dUBLOE Beistriche eher sparsam und situationsbezogen gesetzt. In besonders unübersichtlichen Satzkonstruktionen werden vereinzelt im Interesse der Lesbarkeit des Textes sogar Gedankenstriche oder Strichpunkte verwendet, die lateinischen Schriftstücken an sich fremd sind.
Implizite Textcodierung
Die oben angeführten Schwierigkeiten machen eine intellektuelle Vorbereitung der Texte notwendig: die Schreibweise wird Regeln unterworfen, Zweideutigkeiten werden geklärt, die Textgestaltung wird heutigen Gewohnheiten angepasst. Bei dieser Überarbeitung ist es auch möglich, ohne Eingriff in den Text – und wo sinnvoll, nur maschinell erkennbar – bestimmte Meta-Informationen einzubringen. In dUBLOE sind dies folgende:
(1) Laufende Absatznummer im Kontext der Urkunde. Während etwa die Zeilennummern, mit denen sich die Maschine im Dokument orientiert, von Bildschirmdarstellung, Schriftgröße und anderen Faktoren beeinflusst sind, bleiben die Absätze konstant.
(A) Position der Arenga. Wenn eine Arenga aber grammatikalisch untrennbar mit der Einleitung verbunden ist, wird sie nicht extrahiert.
(S) Position der Siegelankündigung samt Begründung und Namen der Siegler.
(Z) Position der Zeugenliste
(D) Position der Datierung
Die Siglen S, Z und D werden nur dort angezeigt, wo die übliche Reihenfolge S-T-D nicht eingehalten wurde.
Für weitere, implizite Informationen werden folgende Schreibungen verwendet:
Axxx (= Großbuchstabe am Wortanfang): Name
M,D,C,L,X,V,I: römische Zahlzeichen (ohne Punkt!)
. (einzelner Punkt): Satzende. Das nächste Wort = Satzanfang wird nicht großgeschrieben, damit es nicht fälschlich als Namen interpretiert wird.
.. (zwei Punkte): Reverenzpunkte (s. o.)
… (drei Punkte): (meist wegen Beschädigung fehlender) Textteil unbestimmter Länge
< nnnn>: vereinfachte Übersetzung, Auslassung formelhafter Wörter
<sic>: Hinweis auf ‚regelwidrige‘ Schreibung im Original.