Pri la datumo - Arbaletos/UD_Esperanto-ETB GitHub Wiki
La plej grava fonto estas Tekstaro de Esperanto, cxar:
- Gxi estas suficxe granda
- Gxi estas plejparte libera
- Gxi enhavas markoj de fremdlingvaj nomoj, frazoj, signoj kaj tiel plu, kio estas tre utila
- Gxi enhavas streketojn, kiuj montras robotfaritan disigon de morfemoj en vortoj
Sed, progrmaro en cxi repozitorio ankaux povas labori kun simplajn tekstojn sed iu markadoajxo, por ekzemple, tekstojn el "Complete Grammar of Esperanto".
Dume mi nur laboras kun Complete Grammar of Esperanto, Fundamenta Krestomatio kaj Fundamenta Ekzercaro, cxar ili estas suficxe facilaj, sed aliflanke montras la diversajn aplikojn de la lingvo.
Laux XML-formato de Tekstaro, la teksto trovigxas en <p> markoj de XML. Krom tio, en la <p> ankaux trovigxas cxi tiuj marokj:
-
<foreign>,<name>-> por alilingvaj frazoj kaj nomoj. La lingvo uzata estas konversita en "xml:lang" atributo de marko. -
<num>-> numero aux matematika simbolo, kiu ne devas esti analizita. -
<abbr>-> komencliteraj mallongigoj de io -
<hi>-> iu simbolo -
<seg>-> iu memstara parto de vorto, funkcias ankaux kiel simbolo -
<ptr>-> ne gravas, cxar ne enhavas tekston -
<item>-> por aroj de cxenoj
ekster <p>:
-
<note>-> Enhavas tekston, sed povas esti ignorita -
<gap>+<desc>-> Enhavas iun priskribon de bildo -
<cell>-> por enhavo de tabuloj -
<l>-> por poemoj