文本注释的数据格式

Question

diff format 或多或少是表示文本之间差异的事实标准，并被程序员广泛用于分发源代码更改。大多数版本控制系统都可以输出差异，而差异用于讨论对文本（例如源代码）的提议更改，因为它们在说明更改方面非常强大。

但是，我经常想简单地对文本进行评论而不更改它，并且想要一种能够以与 diff 一样强大的方式表示文本注释的数据格式。一个典型的用例是代码审查，我想对代码发表评论，但（尚未）提出任何更改。另一个用例是用我自己的想法和提醒来注释文章。在 Word 中，我可以通过标记文本并在文本旁边创建注释气球来注释文本。但是 Word 在其他方面很麻烦——我想只将注释放在一个单独的文件中，并保持原件不变。

存在哪些数据格式可以像 diff 一样精确地表示文本注释？

我不是在寻找像“XML”这样的一般性答案。我正在寻找明确表示文本注释的格式。 （也许除了 Word 等特定应用程序的特定格式之外，不存在这种格式。）

Answer 1

很好的问题。

大多数人会在讨论中抛出 XML 或 HTML 之类的子集。 标记语言使用存储在原始文本中的（数据）属性。但这不是你要找的。我不包括 XML/HTML 和 RDF 和微格式。

一般情况

您需要保留原始文本，克隆它，然后通过自定义标记语言添加注释。这允许原始文本与注释文本的文本差异。 重要的是原始文本和文本注释的修订分开存储。

这允许多个差异：

• “原始文本”和“注释文本修订版 1..n”之间的差异
• “带注释的文本 rev n”和“带注释的文本 rev n+1”之间的差异。

这个功能很强大。

存在哪些数据格式？

• BioNLP 格式，是一种用于信息提取的文本挖掘格式
  • http://2011.bionlp-st.org/home/file-formats
• 小子对峙格式
  • http://brat.nlplab.org/standoff.html

在对峙表示中，文档的文本被保留 与注解分开，注解连接到特定的跨度 通过字符偏移的文本。注释与 它们的文本按文件命名约定表示它们的基本名称（文件 没有后缀的名称）相同：例如，文件 PMID-1000.a1 包含文件 PMID-1000.txt 的注释。

如您所见，它是“基于文件名的注释关联”。 学术研究和改进的空间很大，）