بنية الجداول
الجداول الثمانية وحقولها وكيف يرتبط بعضها ببعض.
البيانات ثمانية جداول يربط بينها معرّفات ثابتة. الوصف الكامل لكل حقل في
قاموس البيانات، ومخطط JSON
Schema لكل جدول في مجلد schema/.
| الجدول | المعرّف | أهم الحقول |
|---|---|---|
works الكتب |
work_id |
العنوان، المؤلف، القسم بالعربية والإنجليزية، openiti_uri، wikidata_qid، أرقام الشاملة، عدد الطبعات |
editions الطبعات |
edition_id |
الكتاب، نوع الطبعة، المحققون، الناشر، المكان، السنة الهجرية والميلادية، رقم الطبعة، المجلدات، الصفحات، مصادر الحقول، درجة الثقة |
authors المؤلفون |
author_id |
الاسم المشهور، الاسم الكامل، سنة الوفاة الهجرية ومقابلها الميلادي، القرن، مصدر السنة |
editors المحققون |
person_id |
الاسم بأتم صيغه، والصيغ الأقصر المدمجة فيه |
edition_editors الإسهامات |
— | الطبعة، الشخص، الدور (تحقيق، شرح، جمع، ضبط وتصحيح، تقديم، ترجمة، إشراف)، الترتيب |
manuscripts المخطوطات |
manuscript_id |
الخزانة، رقم الحفظ، درجة الثقة، طبعة مطبوعة للكتاب نفسه |
edition_files ملفات الطبعات |
— | ترتيب المجلد، رقمه، حجمه بالبايت |
categories الأقسام |
category_ar |
أقسام الشاملة الأربعون مع أسمائها الإنجليزية |
المعرّفات#
المعرّف بصمة ثابتة لا رقم صف: work_id هو w_ متبوعة بأول عشرة أحرف من بصمة SHA-1 لمفتاح العنوان ومفتاح
المؤلف بعد التطبيع (حذف الحركات والتطويل، وتوحيد الألف والياء والتاء المربوطة، وحذف الألقاب مثل «الإمام»
و«الحافظ»). والوصفة نفسها في أداتي turath-match وarabic-bib، فتلتقي
الأدوات الثلاث على المعرّف نفسه دون جدول وسيط.
قواعد عامة#
- الخانة الفارغة في CSV تعني: لا قيمة.
- الحقول المتعددة القيم مفصولة بفاصلة منقوطة
;. - حقل
ext_idsأزواجنظام:معرّف، مثلshamela:6345;waqfeya:66a88e01…. - حقل
field_sourcesكائن JSON يربط كل حقل بمصدره.
مثال#
import pandas as pd
eds = pd.read_parquet("turath-catalog-0.1.0/parquet/editions.parquet")
print(eds[eds.confidence == "high"].groupby("publisher_ar").size().sort_values().tail(10))