OCX Standard の作り方(TEI を使わない場合)
最終更新日: 2026-11-18 小木曽
このページでは、TEI を使わずに、プレーンテキストに ocx: のタグだけを入れて OCX Standard 準拠の文書 を作る手順を説明します。例文には宮沢賢治「やまなし」(青空文庫)を用います。
規則の詳細は OCX Standard を参照してください。TEI や XHTML と組み合わせる場合も、仕様書を参照してください。
目次
1. このページでできること
OCX Standard の文書は、TEI を使わなくても作れます。ocx:doc の中に本文をそのまま書き、文の終わりに ocx:eos を置けば、それだけで OCX Standard に準拠します(仕様書 1.1)。
OCX mini の書き方に、必要なタグを足していくイメージです。
| OCX mini | OCX Standard(このページの方法) | |
|---|---|---|
| 本文を囲む | ocx:doc |
ocx:doc |
| 文の終わり | ocx:eos |
ocx:eos |
| ルビ | ocx:r(@rt) |
ocx:r(@rt, @lrt) |
| 注記 | ocx:comment |
ocx:comment |
| 踊り字・濁点・誤字 | なし | ocx:odoriji, ocx:vMark, ocx:corr |
| 割書 | なし | ocx:warigaki, ocx:wbr |
| 解析の制御 | なし | ocx:proc, ocx:skip |
接頭辞 ocx: の省略 |
できる | できる(2.1) |
2. 最小のファイル
例文(青空文庫「やまなし」の冒頭):
小さな谷川の底を写した二枚の青い幻燈です。
OCX Standard の文書にすると、次のようになります。
<ocx:doc textID="宮沢賢治 やまなし" corpusName="青空文庫"
xmlns:ocx="https://openchj.github.io/ns/ocx">
小さな谷川の底を写した二枚の青い幻燈です。<ocx:eos/>
</ocx:doc>
- 全体を
ocx:docで囲み、textID(テキストの識別子)とcorpusName(コーパス名)を書きます。 - 名前空間の宣言
xmlns:ocx="https://openchj.github.io/ns/ocx"をocx:docに書きます。 - 文の終わりに
<ocx:eos/>を置きます。 - ファイルの文字コードは UTF-8 にします。
解析されるのは ocx:doc の中だけ です。作品名・作者名・底本情報などを解析したくない場合は、ocx:doc の外に書きます。
2.1 接頭辞を省略する書き方
このページの方法のように OCX の要素だけで書く場合は、ocx: を省略できます。名前空間を xmlns="https://openchj.github.io/ns/ocx"(ocx: を付けない形)で宣言します。
<doc textID="宮沢賢治 やまなし" corpusName="青空文庫"
xmlns="https://openchj.github.io/ns/ocx">
小さな谷川の底を写した二枚の青い幻燈です。<eos/>
</doc>
- 一つのファイルの中で、
ocx:を付けた書き方と省略した書き方を混ぜないでください。 - TEI や XHTML の要素と組み合わせる場合は、省略できません(仕様書 3.3)。
- このページの以下の説明は
ocx:を付けた書き方で示します。省略する場合は、要素名のocx:を取り除いて読んでください(例:<ocx:r rt="ひき">疋</ocx:r>→<r rt="ひき">疋</r>)。
3. タグを一つずつ足す
3.1 文を区切る: ocx:eos
文の終わりごとに <ocx:eos/> を置きます。会話文(『』)も、一つの文として区切ります。
『クラムボンはわらつたよ。』<ocx:eos/>
『クラムボンはかぷかぷわらつたよ。』<ocx:eos/>
上の方や横の方は、青くくらく鋼のやうに見えます。<ocx:eos/>そのなめらかな天井を、つぶつぶ暗い泡が流れて行きます。<ocx:eos/>
- ファイルの中の改行は、解析のときに取り除かれます。改行が残るのは
<ocx:eos/>の位置だけです。そのため、1 行に複数の文を書いても、1 文を複数行に分けても構いません。 - 字下げなどの全角スペースは、本文の文字として残ります。
- 見出し(「一、五月」など)も、一つの文として区切ります。
3.2 ルビ: ocx:r
青空文庫の「疋(ひき)」のようなルビは、ocx:r で書きます。読みは @rt に書きます。
二<ocx:r rt="ひき">疋</ocx:r>の<ocx:r rt="かに">蟹</ocx:r>の子供らが青じろい水の底で話てゐました。<ocx:eos/>
- 解析されるのは要素の中身(「疋」「蟹」)だけで、読み(「ひき」「かに」)は解析されません。
- 左側に付いたルビは
@lrtに書きます(<ocx:r lrt="…">…</ocx:r>)。
3.3 踊り字: ocx:odoriji
「つゞけて」「あゝ」の「ゞ」「ゝ」を、対応する文字に置き換えて解析したい場合は、ocx:odoriji で囲み、元の踊り字を @orig に残します。
蟹の子供らもぽつぽつぽつとつ<ocx:odoriji orig="ゞ">づ</ocx:odoriji>けて五六粒泡を吐きました。<ocx:eos/>
『お魚はなぜあ<ocx:odoriji orig="ゝ">あ</ocx:odoriji>行つたり来たりするの。』<ocx:eos/>
- 解析されるのは要素の中身(「づ」「あ」)です。
- 「々」は解析のときに自動では置き換えません(「人々」は「人々」のまま解析されます)。置き換えて書くこともできます。
3.4 濁点の補い: ocx:vMark
原文に濁点が付いていない文字に濁点を補う場合は、その 1 文字を ocx:vMark で囲みます。
「やまなし」の底本には濁点が付いているので、次は 説明のための例 です(原文が「たつねました」だった場合)。
弟の<ocx:r rt="かに">蟹</ocx:r>がまぶしさうに眼を動かしながらた<ocx:vMark>づ</ocx:vMark>ねました。<ocx:eos/>
- 中身は必ず 1 文字です。2 文字に補う場合は、1 文字ずつ囲みます。
- 踊り字の展開と同時に濁点を補う場合は、
ocx:odorijiを外側、ocx:vMarkを内側にします。
つ<ocx:odoriji orig="ゝ"><ocx:vMark>づ</ocx:vMark></ocx:odoriji>けて
3.5 誤字・脱字・衍字: ocx:corr
原文の文字を直す場合は、直した後の文字を ocx:corr の中に書き、直す前の文字を @orig に残します。次も 説明のための例 です(底本に誤植があった場合)。
二疋の<ocx:corr orig="解">蟹</ocx:corr>の子供ら <!-- 誤字: 「解」を「蟹」に直す -->
上の方や横の方<ocx:corr orig="">は</ocx:corr>、 <!-- 脱字: 抜けていた「は」を補う -->
暗い泡が<ocx:corr orig="が"/>流れて行きます <!-- 衍字: 余分な「が」を削る -->
- 中身と
@origの両方を空にしてはいけません。 - 解析されるのは中身(直した後の文字)です。
3.6 注記: ocx:comment
本文に入れたくない注記は、ocx:comment の @text に書きます。ocx:comment は空要素なので、本文の文字数は変わりません。
「やまなし」の末尾にある記号「□」には、青空文庫の注記「「□」には、底本では「◆」が内接しています。」があります。これを ocx:comment で残すと、次のようになります。
<ocx:comment text="「□」には、底本では「◆」が内接しています。"/>□<ocx:eos/>
3.7 割書: ocx:warigaki
割書(本文の中に小さな字で 2 行に割って書かれた部分)は ocx:warigaki で囲みます。割書の中の改行位置は <ocx:wbr/> で示します。「やまなし」には割書がないので、次は説明のための例です。
本文<ocx:warigaki>割書の一行目<ocx:wbr/>割書の二行目</ocx:warigaki>本文
3.8 解析の制御: ocx:proc と ocx:skip
辞書を変える(ocx:proc): 何も指定しなければ、現代書き言葉UniDic で解析されます。別の辞書で解析したい範囲は、ocx:proc の @dic で辞書を指定します。指定できる辞書は Web茶まめ で利用できる UniDic で、一覧は仕様書 13.1 にあります。
「やまなし」のような旧仮名づかいの口語文は、旧仮名口語UniDic(Qkana)で解析するのが適しています。本文全体を ocx:proc で囲みます。
<ocx:doc textID="宮沢賢治 やまなし" corpusName="青空文庫"
xmlns:ocx="https://openchj.github.io/ns/ocx">
<ocx:proc dic="Qkana">
小さな谷川の底を写した二枚の青い幻燈です。<ocx:eos/>
…
</ocx:proc>
</ocx:doc>
カタカナをひらがなにしてから解析する(@norm): カタカナ交じりの文語文などは、ocx:proc に norm="kata2hira" を指定すると、カタカナをひらがなに置き換えてから解析します。
ocx:proc を入れ子にする: 内側の ocx:proc は、指定していない属性を外側から引き継ぎ、指定した属性だけを上書きします。外側の辞書指定を取り消すには dic="Gendai-written"、外側の正規化を取り消すには norm="none" を指定します。詳しくは仕様書 13.1 を参照してください。
<ocx:proc dic="Kindai-bungo" norm="kata2hira">
カタカナ交じりの文語文
<ocx:proc norm="none">カタカナのまま解析する範囲</ocx:proc>
</ocx:proc>
形態素解析をしない(ocx:skip): URL や外国語など、形態素解析にかけたくない範囲は ocx:skip で囲みます。文字は本文に残り、規則で区切られて @pos の品詞が付きます。
<ocx:skip tokenize="single" pos="uri">https://www.aozora.gr.jp/</ocx:skip>
4. 完成例と解析用テキスト
4.1 完成例
「やまなし」の冒頭部分です。
<ocx:doc textID="宮沢賢治 やまなし" corpusName="青空文庫"
xmlns:ocx="https://openchj.github.io/ns/ocx">
小さな谷川の底を写した二枚の青い幻燈です。<ocx:eos/>
一、五月<ocx:eos/>
二<ocx:r rt="ひき">疋</ocx:r>の<ocx:r rt="かに">蟹</ocx:r>の子供らが青じろい水の底で話てゐました。<ocx:eos/>
『クラムボンはわらつたよ。』<ocx:eos/>
『クラムボンはかぷかぷわらつたよ。』<ocx:eos/>
『クラムボンは跳てわらつたよ。』<ocx:eos/>
『クラムボンはかぷかぷわらつたよ。』<ocx:eos/>
上の方や横の方は、青くくらく鋼のやうに見えます。<ocx:eos/>
そのなめらかな天井を、つぶつぶ暗い泡が流れて行きます。<ocx:eos/>
『クラムボンはわらつてゐたよ。』<ocx:eos/>
『クラムボンはかぷかぷわらつたよ。』<ocx:eos/>
『それならなぜクラムボンはわらつたの。』<ocx:eos/>
『知らない。』<ocx:eos/>
つぶつぶ泡が流れて行きます。<ocx:eos/>
蟹の子供らもぽつぽつぽつとつ<ocx:odoriji orig="ゞ">づ</ocx:odoriji>けて五六粒泡を吐きました。<ocx:eos/>
それはゆれながら水銀のやうに光つて斜めに上の方へのぼつて行きました。<ocx:eos/>
</ocx:doc>
同じ内容を、接頭辞 ocx: を省略して書くと次のようになります(2.1)。
<doc textID="宮沢賢治 やまなし" corpusName="青空文庫"
xmlns="https://openchj.github.io/ns/ocx">
小さな谷川の底を写した二枚の青い幻燈です。<eos/>
一、五月<eos/>
二<r rt="ひき">疋</r>の<r rt="かに">蟹</r>の子供らが青じろい水の底で話てゐました。<eos/>
『クラムボンはわらつたよ。』<eos/>
『クラムボンはかぷかぷわらつたよ。』<eos/>
『クラムボンは跳てわらつたよ。』<eos/>
『クラムボンはかぷかぷわらつたよ。』<eos/>
上の方や横の方は、青くくらく鋼のやうに見えます。<eos/>
そのなめらかな天井を、つぶつぶ暗い泡が流れて行きます。<eos/>
『クラムボンはわらつてゐたよ。』<eos/>
『クラムボンはかぷかぷわらつたよ。』<eos/>
『それならなぜクラムボンはわらつたの。』<eos/>
『知らない。』<eos/>
つぶつぶ泡が流れて行きます。<eos/>
蟹の子供らもぽつぽつぽつとつ<odoriji orig="ゞ">づ</odoriji>けて五六粒泡を吐きました。<eos/>
それはゆれながら水銀のやうに光つて斜めに上の方へのぼつて行きました。<eos/>
</doc>
4.2 解析用テキスト
上の文書から作られる、形態素解析にかけるテキストです(接頭辞を付けた書き方でも、省略した書き方でも同じです)。タグと属性値が取り除かれ、<ocx:eos/> の位置だけが改行になります。
小さな谷川の底を写した二枚の青い幻燈です。
一、五月
二疋の蟹の子供らが青じろい水の底で話てゐました。
『クラムボンはわらつたよ。』
『クラムボンはかぷかぷわらつたよ。』
『クラムボンは跳てわらつたよ。』
『クラムボンはかぷかぷわらつたよ。』
上の方や横の方は、青くくらく鋼のやうに見えます。
そのなめらかな天井を、つぶつぶ暗い泡が流れて行きます。
『クラムボンはわらつてゐたよ。』
『クラムボンはかぷかぷわらつたよ。』
『それならなぜクラムボンはわらつたの。』
『知らない。』
つぶつぶ泡が流れて行きます。
蟹の子供らもぽつぽつぽつとつづけて五六粒泡を吐きました。
それはゆれながら水銀のやうに光つて斜めに上の方へのぼつて行きました。
- ルビの読み「ひき」「かに」は含まれません。
- 「つゞけて」は「つづけて」として解析されます。
5. よくある間違い
ocx:の付け方が混ざっている:ocx:を省略する場合は、ファイル全体で省略し、名前空間をxmlns="https://openchj.github.io/ns/ocx"と宣言します。付ける場合は、すべての OCX 要素に付けます。- TEI や XHTML と組み合わせるのに
ocx:を省略している: OCX 以外の要素を含む場合は、ocx:を省略できません。 <ocx:eos/>を付け忘れている: 文の終わりが示されていない文書は OCX Standard に準拠しません。見出しや会話文の終わりにも付けます。- 改行で文を区切ったつもりになっている: ファイルの中の改行は解析のときに取り除かれます。文の区切りは
<ocx:eos/>で示します。 - 作品名や底本情報を
ocx:docの中に書いている:ocx:docの中はすべて解析されます。解析したくない情報はocx:docの外に書くか、ocx:commentに書きます。 - 読みや注記を本文に書いている: 「疋(ひき)」のように本文に読みを書くと、読みも解析されてしまいます。読みは
ocx:r、注記はocx:commentに書きます。 &や<をそのまま書いている: XML では&は&、<は<と書きます。ocx:vMarkに 2 文字以上入れている: 中身は 1 文字です。ocx:vMarkをocx:odorijiの外側に置いている:ocx:odorijiが外側です。
6. 提出前のチェックリスト
- ファイルの文字コードは UTF-8
- XML として整形式である(
xmllint --noout ファイル名などで確認) - XSD による検証を通る(
xmllint --noout --schema ocx-standard.xsd ファイル名などで確認。XSD は https://openchj.github.io/schema/ocx/standard/0.6/ocx-standard.xsd) - Schematron(https://openchj.github.io/schema/ocx/standard/0.6/ocx-standard.sch)による検証を通る(手順は仕様書 付録 B.1)
- 全体が
ocx:docで囲まれ、textIDとcorpusNameがある - OCX 要素は、すべてに
ocx:が付いているか、すべて省略してxmlns="https://openchj.github.io/ns/ocx"を宣言している - すべての文の終わりに
<ocx:eos/>がある - 解析したくない情報(作品名・底本情報など)は
ocx:docの外にある ocx:rには@rtか@lrtがあるocx:odorijiの@origは、仕様書の制限語彙のいずれかocx:vMarkの中身は 1 文字ocx:corrは@origを持ち、中身と@origの両方が空ではないocx:wbrはocx:warigakiの中だけにあるocx:procの@dic,@normとocx:skipの@tokenize,@posは、仕様書の制限語彙のいずれか
例文の出典: 宮沢賢治「やまなし」(青空文庫 https://www.aozora.gr.jp/cards/000081/files/472_42317.html)。底本:「宮沢賢治全集8」ちくま文庫、筑摩書房、1986(昭和61)年1月28日第1刷発行。入力:石井健児、校正:高橋美奈子。