the journal of electronic publishing

Questo articolo è stato valutato dai revisori del Journal of Electronic Publishing.

Tutte le lingue native americane parlate oggi sono scritte o in un alfabeto latino, aumentato con lettere “accentate”, o in un sillabario, un insieme di simboli sillabici indivisibili, ognuno dei quali rappresenta una sillaba. Le lingue Apache e Navaho sono tra le lingue native americane che usano un alfabeto latino, mentre Cherokee, Inuiktitut e Cree sono tra le lingue che usano sillabari moderni. I sillabari, comuni nelle scritture antiche, erano usati dai Maya e dal popolo Epi-Olmec del Mesoamerica.

Perché un sillabario è meno espressivo di una scrittura alfabetica, può essere trascritto in una scrittura alfabetica senza perdere significato. Gli studenti della lingua Cherokee imparano una trascrizione latina del sillabario per facilitare l’apprendimento del Cherokee. Le stesse caratteristiche che permettono al Cherokee di essere trascritto nell’alfabeto latino permettono la creazione di strumenti di composizione per i sillabari. Un moderno strumento di composizione progettato per gestire i sillabari dovrebbe permettere agli utenti di digitare i simboli o direttamente (ad esempio, usando un editor Unicode se la scrittura è supportata dallo standard Unicode, o da qualche editor che supporti un set di caratteri speciali), o usando qualche trascrizione latina standard. (Unicode fornisce un numero unico leggibile dal computer – chiamato punto di codice – per ogni carattere; questo numero funziona attraverso piattaforme, programmi e lingue.)

Questo articolo riguarda Omega, un moderno sistema di composizione basato su TeX, che per default accetta file di testo Unicode, ma è in grado di gestire qualsiasi codifica di input immaginabile. Inoltre, introduce una serie di caratteristiche che rendono la vita dei progettisti di strumenti abbastanza facile. Ho usato queste caratteristiche per sviluppare una serie di strumenti che facilitano la preparazione di documenti in lingua Cherokee e Inuktitut.

TeX e LaTeX

TeX è un leggendario programma per computer progettato da Donald E. Knuth, il famoso professore di informatica della Stanford University. È un motore di composizione digitale, un programma per computer che fa il lavoro di un tipografo, descrivendo l’aspetto della pagina stampata (Knuth, 1993). TeX elabora un file di input che contiene sia testo che comandi di composizione. Leslie Lamport ha progettato il LaTeX markup Language (Lamport, 1994) che si trova sopra il motore di composizione TeX per facilitare la creazione di file di input. Poiché molte persone hanno familiarità con LaTeX ma non conoscono la sua relazione con TeX, pensano erroneamente che LaTeX e TeX siano due programmi diversi. Eppure, TeX produce un file indipendente dal dispositivo (DVI) che descrive il testo e gli elementi grafici su una pagina che può essere ulteriormente elaborato per generare altri linguaggi di descrizione della pagina come l’output PostScript. Knuth ha anche progettato METAFONT, che implementa un diverso linguaggio di descrizione e generazione di font (Knuth, 1992).

Anche se lo sviluppo di TeX è stato congelato da quando Knuth ha deciso di non sviluppare ulteriormente TeX e METAFONT, nuovi motori di composizione che estendono le capacità di TeX stanno ancora emergendo. Le estensioni di TeX più notevoli sono: pdfTeX (Thanh et al., 1999), che può produrre direttamente file PDF; e-TeX (NTS Team e Beiettenlohner, 1998), che è un’estensione di TeX che aumenta la capacità e le capacità di TeX permettendo la composizione bidirezionale; e Omega che è l’estensione Unicode di TeX capace di prendere input Unicode e comporlo in molte direzioni di scrittura (Syropoulos et al., 2002). Inoltre, Omega può produrre contenuti XML e MathML. Si noti che MathML è un’applicazione XML che è principalmente destinata a facilitare l’uso e il riutilizzo di contenuti matematici e scientifici sul Web. Usando Omega, un tipografo può scrivere pre-processori che fanno da ponte tra Unicode e la composizione. (Si noti che Lambda è un soprannome per LaTeX quando viene usato con Omega.)

Cherokee

Il cherokee è una lingua iroquiana parlata da circa 20.000 persone, principalmente come seconda lingua. Ci sono solo due dialetti rimasti: Oklahoma (parlato da circa 17.000 persone) e North Carolina (parlato da altre 3.000 persone).

La scrittura Cherokee fu sviluppata nel XIX secolo da un Cherokee di nome Sequoya (che usava il nome George Guess o George Giss quando trattava con gli uomini bianchi). Alcuni pensano che Sequoya sia stata l’unica persona che abbia mai sviluppato una scrittura da sola, ma ce ne sono altri che lo hanno fatto. Per esempio: il greco San Clemente di Ohrid sviluppò la scrittura cirillica (Kirilitsa), in una forma vicina a quella ancora in uso oggi, basata sul precedente lavoro dei monaci greci San Cirillo; San Metodio sviluppò una scrittura slava chiamata Glagolitsa; il reverendo James Evans creò il sistema di scrittura della lingua Inuktitut basandosi sul precedente lavoro sulla lingua Cree, che, a sua volta, era basato sul lavoro sulla lingua Ojibway; e Afaka Atumisi inventò il sillabario Ndjuka.

Inuktitut

L’Inuktitut è la lingua degli Inuit (conosciuti anche come “eschimesi”, ma il termine è considerato offensivo dagli Inuit che vivono in Canada e Groenlandia). La lingua è parlata da circa 152.000 persone in Groenlandia, Canada, Alaska e nell’Okrug autonomo della Chukotka, che si trova nell’estrema regione nord-orientale della Federazione Russa. Il sillabico Inuktitut è usato dagli Inuit che vivono in Canada, specialmente nel nuovo territorio canadese di Nunavut. Questo sistema di scrittura fu inventato dal reverendo James Evans, un missionario wesleyano. La tabella qui sotto mostra i sillabici Inuktitut e la trascrizione latina dei simboli Inuktitut. (Si noti che la scrittura Inuktitut è supportata da Unicode ed è effettivamente parte della sezione Unified Canadian Aboriginal Syllabics dello standard Unicode.)

Attualmente, ci sono due ortografie Inuktitut (l’ortografia è l’arte o lo studio della corretta ortografia secondo l’uso stabilito): quella anglicana (usata principalmente nel Nunavut) e quella cattolica (usata principalmente in Quebec). Differiscono nel modo di scrivere le vocali “lunghe” – sillabe con due vocali identiche. L’ortografia anglicana mette un punto sopra una sillaba breve per renderla lunga; l’ortografia cattolica usa due simboli. Notate le diverse rappresentazioni della parola “ataata” (padre) qui sotto.

Sillabari tipografici con Lambda

Gli strumenti tipografici che ho progettato per il testo Cherokee e Inuktitut possono essere utilizzati con il sistema di composizione Omega, poiché si basano pesantemente sui processi di traduzione Omega (OmegaTP). Tecnicamente, un OmegaTP è un automa deterministico a stati finiti (una “macchina” astratta – una funzione matematica – utilizzata nello studio del calcolo e delle lingue) che viene utilizzato per trasformare un flusso di caratteri in ingresso. Per esempio, un OmegaTP può trasformare un flusso di caratteri ISO-Latin-1 in un flusso di caratteri UCS-2. Mentre possiamo ottenere esattamente lo stesso effetto se stiamo usando qualche preprocessore esterno e TeX, i preprocessori sono notevolmente difficili da usare. Così abbiamo costruito un sistema che non richiedesse un preprocessore.

Prima abbiamo dovuto identificare la codifica valida per il testo Cherokee o Inuktiut. Abbiamo determinato che, poiché entrambi i sillabari sono supportati dallo standard Unicode, avremmo permesso i file di input Unicode (sia UCS-2 che UTF-8). Poiché entrambi i sillabari hanno trascrizioni latine standard, abbiamo deciso di permettere anche quelle. Infine, ci sono stati diversi set di caratteri a otto bit per l’Inuktitut, così ne abbiamo scelto uno. Per lavorare con l’input Unicode, abbiamo usato font virtuali codificati in Unicode. Un font virtuale è un meccanismo con il quale creiamo un font che effettivamente disegna glifi da font esistenti. Per creare un nuovo font virtuale, abbiamo bisogno di costruire un file di elenco di proprietà virtuali, che descrive i glifi virtuali del font, che sono tratti da font reali, così come le loro dimensioni, coppie di crenatura e coppie di legature. Inoltre, i font virtuali sono usati per creare nuovi glifi come lettere accentate, glifi sottolineati, e così via.

Per il Cherokee, Omega usa una versione PostScript del font ufficiale Cherokee TrueType sviluppato da Tonia Williams dell’Oklahoma Cherokee Nation, che non contiene alcun glifo latino e non segue il sistema di numerazione di Sequoya. Per la lingua Inuktitut, usa una versione PostScript del font Nunacom TrueType sviluppato da Nortext, una società canadese che è stata pioniera nella composizione di font in lingua aborigena nei primi anni ’80. I font virtuali per la lingua Inuktitut attingono i glifi dal font Nunacom, dai caratteri standard di Computer Modern che accompagnano ogni installazione di TeX, e da un carattere che ho prodotto io, per integrare i font nella distribuzione standard di TeX.

Per la scrittura Cherokee abbiamo dovuto progettare solo un OmegaTP, poiché non esiste una codifica Cherokee a 8 bit per quanto ne sappiamo. La progettazione dell’OmegaTP è stata quasi semplice, tranne che per un semplice problema: la gestione della sillaba che si verifica quando una “s” non è seguita da una “a,” “e,” “i,” “o,” “u,” o “v.” OmegaTP “spinge indietro” il carattere che segue immediatamente la “s”. Altrimenti, generiamo semplicemente il simbolo corrispondente. Per esempio, se la testa del flusso di input è “se”, OmegaTP restituirà il carattere e così via. Per esempio, l’input “elohinodohiyigesesti” (pace sulla Terra) sarà composto come

Tipotare l’Inuktitut con Lambda è più complesso che comporre il Cherokee perché abbiamo effettivamente una trascrizione latina che può produrre output diversi, a seconda dell’ortografia che si assume, e una codifica valida a otto bit. Così, abbiamo dovuto codificare tre OmegaTP per gestire tutti i casi possibili. Inoltre, abbiamo dovuto offrire agli utenti la possibilità di scegliere il metodo di input in modo trasparente. Quindi, offriamo le opzioni: “nunavut”, “quebec” e “inscii”. Abbiamo avuto molti degli stessi problemi con l’Inuktitut che abbiamo avuto con il Cherokee, come i caratteri che possono stare da soli o iniziare una sillaba. La tabella qui sotto mostra la disposizione del set di caratteri ISCII che corrisponde agli implementazioni di OmegaTP.