normalisierte HTML-Fassungen

[cthomasdta]

*.norm.xml ist für Kollation usw. absolut klasse. Unbedingt beibehalten.

ABER: das Voyant-(Norm-)XML ist für andere Dinge besser.
Hintergrund: Es gibt leider ein Problem mit dem aus den *.norm.xml (via https://raw.githubusercontent.com/haoess/dta-tools/master/stylesheets/dtabf.xsl) erzeugten HTML: Dieses enthält beispielsweise noch Text in <del>; dieser wird zwar entsprechend als gestrichen formatiert/dargestellt, von Tools wie Copyfind aber als normaler Text behandelt.
Lösung: HTML erzeugen aus Voyant-(Norm-)XML (wofür ja all diese Dinge schon berücksichtigt und entfernt wurden). Vorgehen am Beispiel von http://www.deutschestextarchiv.de/book/download_normxml/parthey_msgermqu1711_1828:

• dieses in Einzelstunden splitten,
• diese Einzelstunden als einzelne XML-Datein speichern unter https://github.com/haoess/hidden-kosmos/tree/master/sessions/parthey_msgermqu1711_1828 als parthey_msgermqu1711_1828_1.VOYANT-norm.xml (so oder ähnlich benennen, jedenfalls müssen diese XML-Dateien von dem jetzigen (ebenfalls wichtigen!) *.norm.xml unterscheidbar bleiben) usw.
• aus diesen XML-Einzelstunden via https://raw.githubusercontent.com/haoess/dta-tools/master/stylesheets/dtabf.xsl HTML-Einzelstunden erzeugen.

Das wäre dann perfekt für CopyFind et al. Diskutieren wir dann gerne später weiter!