💨

TEI/XMLファイルを縦書きPDFに変換する方法の1例

2022/10/03に公開

PDF

概要

TEI/XMLファイルを縦書きPDFに変換する方法について、その1例を備忘録として残します。

以下のノートブックで、「校異源氏物語」を対象としたプログラムをお試しいただけます。

変換の流れ

今回は、Quartoを使用しています。

https://quarto.org/

インストールの方法は以下を参考にしてください。

https://quarto.org/docs/get-started/

TEI/XML -> qmd

まずTEI/XMLファイルの内容をqmdファイルに変換します。以下は、変換スクリプトのサンプルです。

from bs4 import BeautifulSoup
soup = BeautifulSoup(open(file,'r'), "xml")
elements = soup.findChildren(text=True, recursive=True)

import os

id = os.path.splitext(os.path.basename(file))[0]

title = soup.find("title").text
author = soup.find("author").text

elements = soup.find("body").find("p").findChildren()

text = ""

for e in elements:

    if e.name == "pb":
        text += "\n"

    if e.name == "seg":
        text += e.text + "  \n"

opath = f"data/{id}.qmd"
os.makedirs(os.path.dirname(opath), exist_ok=True)

text = f"""---
title: "{title}"
author: "{author}"
format: 
    docx:
        reference-doc: /content/kouigenjimonogatari/tools/genji-doc-style.docx
---
{text.strip()}
"""

with open(opath, "w") as f:
    f.write(text)

以下がqmdファイルの例です。

---
title: "校異源氏物語・きりつぼ"
author: "池田亀鑑"
format: 
    docx:
        reference-doc: /content/kouigenjimonogatari/tools/genji-doc-style.docx
---
いつれの御時にか女御更衣あまたさふらひ給けるなかにいとやむことなきゝは  
にはあらぬかすくれて時めき給ありけりはしめより我はと思あかり給へる御方  
〱めさましきものにおとしめそねみ給おなしほとそれより下らうの更衣たち  
はましてやすからすあさゆふの宮つかへにつけても人の心をのみうこかしうら  
みをおふつもりにやありけむいとあつしくなりゆきもの心ほそけにさとかちな  
るをいよ〱あかすあはれなる物におもほして人のそしりをもえはゝからせ給  
はす世のためしにもなりぬへき御もてなし也かんたちめうへ人なともあいなく  
めをそはめつゝいとまはゆき人の御おほえなりもろこしにもかゝることのおこ  
りにこそ世もみたれあしかりけれとやう〱あめのしたにもあちきなう人のも  
てなやみくさになりて楊貴妃のためしもひきいてつへくなりゆくにいとはした  
なきことおほかれとかたしけなき御心はへのたくひなきをたのみにてましらひ  
給ちゝの大納言はなくなりてはゝ北の方なんいにしへの人のよしあるにておや  
うちくしさしあたりて世のおほえはなやかなる御方〱にもいたうおとらすな  
にことのきしきをももてなしたまひけれととりたてゝはか〱しきうしろみし  

なけれは事ある時はなをより所なく心ほそけ也さきの世にも御ちきりやふかか