Wiki de l'ARHN

Axe de recherche en histoire numérique
LARHRA UMR5190

Document à télécharger pour l'exercice de mardi 22 septembre: liste_notices_BNF

On interroge le point d'accès SPARQL de la Bibliothèque nationale de France pour créer un ensemble de données tirées des notices d'autorité. Ouvrir l'Editeur SPARQL de data.bnf.fr et coller dans l'espace Rêquete la requête qui suit, tout en laissant le format de sortie par défaut: HTML. Le résultat de la requête est ainsi mis en forme et peut être parcouru.

PREFIX  egr:  <http://rdvocab.info/ElementsGr2/>
 
SELECT DISTINCT  ?s ?na ?fn ?annee ?pb ?gd ?bio
WHERE
  { { { SELECT DISTINCT  ?s ?bio
        WHERE
          {   { ?s egr:biographicalInformation ?bio
                FILTER ( CONTAINS(?bio, "mathém") || CONTAINS(?bio, "Mathém") )
              }
            UNION
              { ?s egr:biographicalInformation ?bio
                FILTER ( CONTAINS(?bio, "astrono") || CONTAINS(?bio, "Astrono") )
              }
          }
      }
      ?s egr:dateOfBirth ?bd
      OPTIONAL
        { ?s <http://xmlns.com/foaf/0.1/name> ?na }
      OPTIONAL
        { ?s <http://xmlns.com/foaf/0.1/familyName> ?fn }
      OPTIONAL
        { ?s egr:placeOfBirth ?pb }
      OPTIONAL
        { ?s <http://xmlns.com/foaf/0.1/gender> ?gd }
    }
    BIND(STRBEFORE(STRAFTER(STR(?bd), "http://data.bnf.fr/date/"), "/") AS ?annee)
    FILTER ( ( ?annee > "1100" ) && ( ?annee < "1761" ) )
  }
ORDER BY ?annee

Pour les intéressés, une présentation des concepts du web sémantique, dans le contexte du mouvement Open Data, se trouve sur cette page.

• Revenir à la page de la 'Requête' et changer le 'Format du résultat' à CSV (comma-separated values)
• Reexécuter al requête, sélectionner toute la page du résultat et la copier dans le presse-papier
• Ouvrir une nouvelle feuille de calcul dans le logiciel de tableur (Calc pour LibreOffice/OpenOffice; Excel dans la suite Microsoft)
• Coller avec collage spécial dans la première cellule de la feuille de calcul: A1 et choisir 'Texte non formaté'.
  • Dans la boîte de dialogue mettre 'Virgule' comme séparateur
  • Mettre le 'Type de colonne':'Texte' pour la colonne 'annee'
  • Importer et vérifier le résultat
• Sauvegarder le nouveau fichier avec le nom 'liste_notices_BNF' au format .ods ou .xls

• Ajouter une colonne avant la colonne 'annee' qu'on va appeler 'nom'
• Dans la première cellule qui contient les données insérer la formule: =SI(ESTVIDE(B2);C2;B2)
• Copier-coller cette formule dans toutes les cellules de la colonne sauf la première ligne
• Ajouter une colonne annee_mediane après la colonne année
• Insérer dans toutes les cellules de cette colonne la formule

  =SI(ESTERREUR(CHERCHE("-";E2)) ; E2; CONCATENER(GAUCHE(E2;2);"51"))

• Ajouter une colonne 'naissance' avant la colonne 'gd' (gender) et mettre cette formule dans toutes les cellules: =SI(ESTVIDE(G2);F2;CONCATENER(G2;“, ”;F2))
• Ajouter une colonne 'notice' après la colonne 'bio' et mettre dans toutes les cellules cette formule: =CONCATENER(D2;“ (”;H2;“) ”;J2;“ [”;A2;“]”)
• Trier les données d'après les colonnes 'annee_mediane' et 'nom'

On obtient ce résultat: liste_notices_BNF

Documentation de LibreOffice (traduction en français):

• Rechercher & remplacer
• Liste des expressions régulières

• L'exemple de 'Jacob'
• N-Gram
• Google NGram viewer – explication : Ngram Viewer

Le principe de l'encodage en format XML mais de manière simplifiée.

Dans l'espace de noms du TD, le nom des balises possède deux caractères si la balise est susceptible d'être associée à un objet de la base de données, trois si cette possibilité est exclue.
Pour les balises à deux lettres, un 0 est ajouté si la référence à un objet dans la base de données est omise.

On peut également ajouter un sigle sur deux caractères indiquant le type d'objet après le chiffre.

Par exemple: {en0cs}mathématicien{/en}

Nous utilisons pour les dates le format ISO 8601.
On saisira les dates sous forme de texte au format ISO 8601, ce qui permet de traiter les dates tronquées (seulement l'année, ou seulement l'année et le mois, etc.)

Mise en forme des dates :

{dat20001101} le premier novembre de la dernière année du siècle précédent{/dat}

Il était en fonction au {dat20001115r_di} milieu du mois de novembre de la dernière année du siècle précédent{/dat}.