greco
Scansione del greco antico.
Francesco Melis su smanettando, 26\10\2011, h. 14.55.


La problematica che intendo porre riguarda la scansione del testo in 
greco antico.
Essendo la problematica una problematica di nicchia. Coloro i quali non 
sono interessati a questi aspetti dell'informatica umanistica possono 
tralasciare di leggere questo post che invero  molto lungo.
Come noto il greco antico pur avendo grandi similitudini nell'alfabeto 
con il greco moderno si differenzia per per il fatto di essere un 
sistema "politonico" e per la presenza dei cosiddetti "segni diacritici".
Premetto che non avendo fatto studi classici non sono in grado di 
valutare l'aspetto grammaticale del greco antico per cui i cultori ed i 
conoscitori del greco antico potrebbero rilevare in quello che scrivo 
delle inesattezze o incongruenze. Tali segni diacritici, (spiriti, 
accenti, dieresi, coronide), oltre a jota muto e segni filologici, sono, 
semplificando, dei segni aggiuntivi presenti in alcuni caratteri. Questi 
segni possono essere presenti singolarmente o in combinazione sia nella 
parte superiore del carattere, sia nella parte inferiore.
Il mio interesse al greco antico  puramente tecnico. Sto seguendo un 
ragazzo iscritto al quarto ginnasio e quindi si pone il problema del 
trattamento del greco antico. Il ragazzo  ipovedente non grave, per, 
per ragioni di affaticamento della vista, nello studio usa il computer 
con un moderato ingrandimento.
La problematica non  tanto per la scrittura, giacch attualmente si 
sono fatti grandi passi avanti in questo campo.
Per la scrittura il problema  quello di rappresentare una moltitudine 
di caratteri, che possono avere una combinazione di segni diacritici, 
associandoli ai tasti della tastiera del computer. I tasti della normale 
tastiera sono insufficienti per rappresentare tutte le possibili 
combinazioni per cui sono stai proposti diversi approcci che usano dei 
"tasti morti" per l'apposizione dei segni.
Un approccio  quello di usare dei fonts che integrino nella loro mappa 
i segni diacritici isolati dai caratteri con la caratteristica di 
comparire a video in una posizione traslata all'indietro di una 
posizione rispetto alla posizione naturale del cursore di scrittura. In 
altri termini prima si scrive la lettera, per esempio una alfa e poi si 
digita il segno diacritico che apparir a video sopra la alfa. Quindi le 
apparenze sono salve, quantunque i caratteri siano in realt due: uno  
il carattere vero e proprio e l'altro  il segno diacritico che appare 
sovrapposto. Questo approccio, semplice, risolve il problema delle 
apparenze a video ed in stampa ma ha un problema intrinseco. Un 
eventuale destinatario del testo deve avere esattamente quel particolare 
font per poter apprezzare lo scritto in greco e, secondariamente, crea 
un problema di post-trattamento del file se la sua destinazione  quella 
della stampa in braille.
Un altro approccio pi sofisticato e potente che   anche quello 
adottato da Biblos  quello di fare in modo di rispettare nel testo lo 
standard Unicode. Vale a dire, per semplificare, il testo scritto in 
greco con questo approccio pu essere visualizzato senza ambiguit in 
qualunque computer di qualunque parte del mondo a patto che si usi un 
editor Unicode per la visualizzazione e si abbia installato almeno un 
font Unicode che abbia il layer dei caratteri del greco esteso. Il font 
Palatino Linotype  uno fra questi.
Lo standard Unicode  uno standard che rappresenta il carattere con due 
bytes (= 65536 combinazioni) a differenza del codice ASCII (= 256 
combinazioni) che ne usa uno solo. In questo modo si riescono a 
rappresentare con un codice univoco praticamente tutti i caratteri di 
tutti gli alfabeti del mondo ed anche di pi.
Il problema che intendo porre alla riflessione degli interessati per 
non riguarda la scrittura, bens la scansione con scanner e programma OCR.
Gli OCR in circolazione, e mi riferisco in particolare a Finereader, 
compresa l'ultimissima versione 11, sono in grado di scansionare e 
riconoscere il testo in greco moderno avendo integrato anche il 
dizionario della lingua, ma non in greco antico.
Impostando in Finereader come lingua di riconoscimento il greco, il 
testo in greco antico viene reso purtroppo privo di tutti i segni 
diacritici. Nella migliore delle ipotesi i segni diacritici vengono resi 
con un accento acuto posto sopra il carattere. I caratteri classici con 
segni posti sotto il carattere vengono resi dal corrispondente carattere 
senza segni o, ancor peggio, interpretati in maniera errata.
Finereader consente di fare un "addestramento" al riconoscimento dei 
caratteri particolari generando dei "motivi di utente".
L'addestramento, in sintesi, consiste nel sottoporre il programma alla 
scansione di un testo nella lingua della quale si vuole migliorare e 
specializzare il riconoscimento. In fase di lettura-addestramento viene 
presentata all'utente, ogni qualvolta si incontra un carattere 
particolare, una finestra nella quale si chiede di confermare o cambiare 
il carattere proposto dal sistema.
Il problema qui  duplice.
Fra i caratteri di scelta purtroppo vi sono solo quelli del repertorio 
dei caratteri del greco moderno ma non quelli del greco esteso che 
comprende invece i caratteri del greco classico. Quindi non vi  la 
possibilit di scegliere il layer Unicode dei caratteri del greco 
esteso. Associando allora al carattere con il diacritico il carattere 
con il solo accento acuto si pu per, a posteriori, modificare il 
"motivo" per associargli stavolta il vero codice unicode desiderato.
Quindi il lavoro, molto oneroso invero, consiste di due fasi:
1) Una fase di associazione dei caratteri con diacritici ai caratteri 
con il solo accento acuto.
2) Una fase di modifica del motivo per associare ai caratteri con 
accento acuto il vero codice Unicode del carattere con il corretto segno 
diacritico.

Una volta fatte queste onerosissime operazioni e si passa poi al 
riconoscimento di un nuovo testo utilizzando per il riconoscimento 
ovviamente i "motivi dell'utente" succede per che siamo al punto di 
partenza. Di nuovo le lettere vengono interpretate secondo l'alfabeto 
del greco moderno e quelle con i diacritici vengono bellamente trascurate.
Sbaglier forse qualcosa?

Ho provato a fare anche altri esperimenti con un OCR che si chiama 
"Tesseract" offerto gratuitamente da Google per lo scaricamento in 
quanto esso viene citato ed usato da un professore dell'Universit di 
Trento che si occupa di informatica umanistica. Questo professore 
(Federico Boschetti) ha messo a punto delle modalit e dei testi 
campione in greco antico da sottoporre per l'addestramento a Tesseract 
ma dopo ripetute prove da me effettuate non ho ottenuto risultati 
soddisfacenti.

La mia domanda allora :
Qualcuno  a conoscenza di altre tecniche, strumenti e metodiche per la 
scansione del greco antico?
A che punto siamo con questa problematica (sfida)?
Io ho rivoltato in lungo ed in largo internet alla ricerca di risposte 
prima di inviare questo post ma non mi pare che in giro ci siano grandi 
soluzioni.
Chi fosse interessato a discutere ed escogitare soluzioni al problema 
pu anche contattarmi in privato giacch credo che la problematica del 
greco antico non sia di interesse generale.
