Datasetpublic

Zual/TLG_libre_scans

TLG libre — fac-similés Fac-similés d'éditions critiques de textes grecs anciens, rassemblés pour le projet TLG libre, qui reconstitue en TEI ouvert le corpus du Thesaurus Linguae Graecae. Chaque volume archivé ici porte une ou plusieurs œuvres du Canon TLG, et le rattachement est explicite : voir hf_tlg_manifest.csv à la racine. Le manifeste : hf_tlg_manifest.csv C'est la clé d'entrée du dépôt. Une ligne par volume archivé : Colonne Contenu repo_path… See the full description on the dataset page: https://huggingface.co/datasets/Zual/TLG_libre_scans.

sourceHugging Faceotherupdated 1d agoView on Hugging Face

0likes6.2kdownloads

Dataset Card

TLG libre — fac-similés

Fac-similés d'éditions critiques de textes grecs anciens, rassemblés pour le projet TLG libre, qui reconstitue en TEI ouvert le corpus du Thesaurus Linguae Graecae.

Chaque volume archivé ici porte une ou plusieurs œuvres du Canon TLG, et le rattachement est explicite : voir hf_tlg_manifest.csv à la racine.

Le manifeste : `hf_tlg_manifest.csv`

C'est la clé d'entrée du dépôt. Une ligne par volume archivé :

Colonne	Contenu
`repo_path`	chemin du fichier dans ce dépôt
`tlg_ids`	identifiants TLG des œuvres portées, forme `tlgAAAA.tlgWWW`, séparés par des espaces
`works_count`	nombre d'œuvres du Canon dans ce volume
`authors`, `titles`	vedettes et titres du Canon
`edition`	édition de référence retenue par le Canon TLG
`source_url`	dépôt d'origine
`provider`	établissement ou plateforme source
`bytes`, `sha256`	taille et empreinte du fichier archivé
`campaign`	campagne de récupération

Un volume de la Patrologia Graeca ou des Fragmente der griechischen Historiker peut porter des dizaines d'œuvres : tlg_ids les liste toutes.

Organisation

scans/tlgAAAA/tlgWWW/…          fac-similés rattachés à une œuvre unique
webdataset/…                    conteneurs tar de la chaîne OCR
source_pdfs/scan_hunt_2026-09/  volumes repérés par identification bibliographique
source_pdfs/sudoc_hunt_2026-09/ volumes localisés via le SUDOC
source_pdfs/anemi_2026-09/      Bibliothèque numérique ANEMI (Université de Crète)
source_pdfs/gallica_2026-09/    Gallica (BnF), reconstitué page à page en IIIF
source_pdfs/iiif_2026-09/       dépôts IIIF (Diogeneia/Patras, MDZ, DDB)
source_pdfs/alternatives_2026-09/ copies ouvertes d'éditions autrement inaccessibles

Provenance et droits

Les fac-similés proviennent de dépôts publics : Internet Archive, Wikimedia Commons, Gallica, ANEMI, Diogeneia, la Bayerische Staatsbibliothek, Persée, l'Universitätsbibliothek Heidelberg et divers dépôts institutionnels DSpace. Le statut de droits déclaré par chaque source est conservé dans les registres du projet (data/scan_sources.csv). Vérifiez-le avant toute réutilisation : il varie d'un établissement à l'autre.

Couverture

Le Canon TLG compte 13 632 notices d'œuvre. Ce dépôt en couvre une part par le fac-similé ; une autre part est déjà disponible en texte dans le corpus TEI du projet. Une fraction substantielle du Canon n'a aucune numérisation connue : ces œuvres ne peuvent être consultées qu'en bibliothèque.