Classement alphabétique

[Alain LaBonté <alb@xxxxxxxxxxxxxx>]

   Comme Jean-Pierre Lacroux m'a fait remarquer sur langue-fr que l'on « 
jasait » classement et ALB sur la liste typo, me voici... je fais remarquer 
que je reçois les messages en format « digest » et en retard (j'ai reçu 
celui-ci après la semonce amicale de Jean-Pierre) et que je me fie sur les 
titres pour voir si je m'y plonge... car depuis octobre, j'en suis à 200 
messages par jour, dont 100 professionnels et 100 autres de toute nature 
(et il y a beaucoup de « zones grises » -- il faut que je lise en diagonale 
pour le voir)... Je m'attend donc à votre indulgence, d'autant plus 
qu'aucun titre du « digest » ne parle de classement ni de tri.

   Comble de malheur, mon PC a été en panne (problème mécanique, pas 
électronique) pendant deux heures aujourd'hui...

   Mais vous ne devriez pas être déçus. Je ne recevrai les messages qui 
suivent que plus tard, comme je vous l'ai dit. Donc, svp m'envoyer une 
copie conforme directe si vous voulez que je réagisse plus rapidement.

À 02:00 2000-01-24 +0100, typographie-owner@xxxxxxxx a écrit:
> Sommaire :
>
>  1. Re: Lexique de l'I,N,
>  2. Re: Lexique de l'I,N,
>  3. Re: Composition des titres d'oeuvres
>  4. Re: mea culpa et ortho-typo machin
>  5. Re: Lexique de l'I,N,
>  6. Re: Composition des titres d'oeuvres
>  7. Re: Composition des titres d'oeuvres
>  8. Re: Composition des titres d'oeuvres
>  9. Re: Lexique de l'I,N,
>  10. Re: Composition des titres d'oeuvres
> 11. Re: Composition des titres d'oeuvres
> 12. Re: Composition des titres d'oeuvres


> Date: Sun, 23 Jan 2000 11:29:02 +0100
> From: Lacroux <lacroux@xxxxxxxxx>
> X-Mailer: Mozilla 4.5 [fr] (Macintosh; I; PPC)
> X-Accept-Language: fr-FR,fr
> Mime-Version: 1.0
> To: typographie@xxxxxxxx
> Subject: Re: Composition des titres d'oeuvres
> References: <v01550101b4af7b8f9180@[195.3.18.197]>
>     <3889ED7D.1C807E8C@xxxxxxxxx> <v04210101b4afed398860@[164.138.182.152]>
> Content-Type: text/plain; charset=iso-8859-1;
>     x-mac-type="54455854";
>     x-mac-creator="4D4F5353"
> Content-Transfer-Encoding: 8bit
> Reply-To: typographie@xxxxxxxx
> X-Loop: typographie@xxxxxxxx
> X-Sequence: 1189
> Precedence: list
>
> Michel Bovani a écrit :
>
> > Je préfère un système qui permette de décider sans ambiguïté de
> > l'ordre de classement...
>
> ----
> Moi aussi...
> -------------------------------------------------
>
> > Pas de quartier ?
>
> ----
> Oc, oc, j'ai été un peu violent, mais tu aurais dû remarquer que j'avais 
> pris la
> précaution d'écrire ceci :
>  « Pas de quartier ! Après, ça se complique un peu, mais le gros est 
> fait... »
> ... car, après, effectivement, se pose le problème des homographes et des
> quasi-homographes... et bien d'autres encore*.
> Il ne s'agit pas d'éliminer les espaces, les traits d'union et les 
> apostrophes !
> mais de ne pas en tenir compte dans un premier temps (ce qui n'est pas la
> doctrine de Didier)... Ensuite, évidemment, tous ces signes sont discriminants
> dans le classement des quasi-homographes (comme les diacritiques, bien 
> entendu).

[ALB]  Jean-Pierre a très bien saisi le principe. On ne tient compte 
d'abord que de l'alphabet, puis des signes diacritiques, puis de la casse, 
puis des signes spéciaux...

   Auparavant, on peut préparer la chaîne à trier (renvoi de l'article à 
la fin de la rubrique et mise entre parenthèses, etc.) mais ce que l'on 
présente au tri sera trié sans analyse du contexte. Le traitement des 
caractères eux-mêmes (équivalences entre lettres, élimination dans un 
premier temps des signes spéciaux) n'est pas considéré comme quelque chose 
qui dépend du contexte.

   C'est le principe.

[JPL]
> * Oui, il y a quantités d'autres critères, selon le « genre » du classement...
> Par exemple, un Jean IV peut ici être placé avant un Jean III... alors
> qu'ailleurs il le suivra...
>
> Tiens... si ALB est dans les parages... Dans les algorithmes de classement, y
> a-t-il des clés discriminantes pour tous les signes de ponctuation ? Supposons
> deux titres :
> La Barbe !
> La Barbe ?

[ALB]  C'est l'ordre exact des normes canadiennes CAN/CSA Z243.4.1 et 
CAN/CSA Z243.230. Voir en fin d'article pour l'ortdre des caractères 
spécuiaux, en cas de parfaite homographie aux étapes précédentes (on ne 
tient pas compte des caractères spéciaux pour le tri dit « culturel » -- ma 
méthode constitue l'état de l'art international en la matière -- mais en 
cas d'homographie, le reste étant absolument égal par ailleurs, là on en 
tient compte)...

   Par contre, le poids des caractères est controversé à l'échelle 
internationale. La norme canadienne suit un ordre précis et indépendant de 
la valeur codée des caractères, basé sur une certaine classification par 
catégories que l'on a voulue le moins arbitraire possible. Mais compte tenu 
de la très grande quantité de caractères spéciaux présents et à venir dans 
le jeu universel de caractères (norme ISO/CEI 10646 et standard Unicode), 
le consortium Unicode s'est objecté à ce que l'on normalise un ordre 
international non arbitraire et le modèle (adaptable au besoin) attribue un 
poids arbitraire purement basé sur l'ordre numérique de la valeur codée du 
caractères dans le jeu universel de caractères. À noter toutefois qu'en 
vertu du projet de norme ISO/CEI 14651 (à ses derniers balbutiemesnts, 
espérons-le, avant publication comme norme internationale), il est permis 
(et même obligatoire) de déclarer un delta par rapport au modèle de table 
universelle proposé (parce que, même pour l'ordre alphabétique d'un même 
alphabet, il y a des variations nationales [ou plutôt linguistiques], et ce 
cas est normal).

[Didier Pemerle]
> Même les traits d'union et les espaces ? Mais comment peux-tu espérer
> (inutile pour cela d'entreprendre, dirait Orange) classer des mots si tu ne
> tiens pas compte de ce qui les fait mots, les délimite comme mots ?

[Alain]  Avant de soumettre une suite de rubriques au tri informatisé, si 
l'on s'attend à une analyse du contexte, on sera déçu, car il faut faire 
cette analyse a priori. Le tri ne fera pas les renvois en fin de ligne, les 
modifications complexes de chaînes de caractères, etc. Par contre, 
typiquement, dans un programme de tri digne de ce nom, le classement se 
fait par champs distincts dans des enregistrements structurés (nom à part, 
prénom à part, etc.), le tri s'effectuant sur chaque champ (le cas des mots 
est un cas particulier, il faut délimiter les mots d'avance).

   Nonobstant ce que je viens de dire, la norme canadienne  [et la norme 
internationale] prévoi[en]t -- purement pour des raisons pratiques même si 
ce n'est pas très catholique -- deux genres d'espaces -- l'un ignoré, 
l'espace normal, l'autre dont il est tenu compte comme s'il s'agissait de 
la première lettre de l'alphabet (on a choisi l'espace insécable pour ce 
faire). C'est le tri du pauvre quand on n'a pas les moyens de délimiter les 
champs de manière structurée, l'idéal étant de structurer les champs dans 
un enregistrement informatisé en bonne et due forme. À part ce cas, tous 
les caractères spéciaux sont ignorés, ce qui ramène le cas des espaces 
multiples à zéro (c'est un cas problème du tri par « mots »).

[Michel Bovani]
> >On peut imaginer que l'on ait trois entrées (je sais que ça serait
> >mieux avec de vrais exemples, mais t'as vu l'heure qu'il est !)
> >
> >Taratata (interjection)
> >Tara-tata (inventeur du nippon-suki à la banane)
> >Tara tata (comme « OMO lave plus blanc » ; la question est « (que) quoi ? »)
> >
> >Je préfère un système qui permette de décider sans ambiguïté de
> >l'ordre de classement...

La norme canadienne (et la norme internationale, d'ailleurs -- car malgré 
l'ordre d'Unicode, l'ordre des caractères de la norme canadienne a été 
respectée dans le modèle autant que faire se pouvait) classe de manière non 
ambiguë et systématique ces trois rubriques dans l'ordre suivant ;
Taratata
Tara tata
Tara-tata

[Jean Fontaine]
> Le document Web d'ALB (http://www.tresor.gouv.qc.ca/doc/classm.htm) n'en
> parle pas, mais sa norme de classement couvre également tous les caractères
> non alphanumériques (indices de 4e ordre, devant être adaptés pour chaque
> langue). Il me corrigera si je me trompe, mais pour ce qui est des signes de
> ponctuation, l'ordre par défaut serait :
>
> (espace) - , ; : ! ? . ... ' « » ( ) [ ]
>
> Si on ajoute d'autres signes de base (certains passeront peut-être mal) :
>
> (espace) - , ; : ! ? / . ... ' " « » ( ) [ ] { } § ¶ © @ $ * \ & # % + < = >
> | °
>
> Par exemple, la norme classerait par défaut ainsi (ordre alphabétique
> strict) :
>
> 8 et 1/2
> clé
> clebs
> clédar
> clé de contact
> clé de fa
> clé de l'énigme
> Cléder
> [...]

[Alain]  Pour l'ordre des caractères spéciaux, voir en fin d'article. Ma 
référence web fait comme le consortium Unicode a décidé de faire cette 
année (ordre arbitraire basé sur le codage pour les caractères spéciaux -- 
problème : le codage peut varier d'un environnement à un autre), pas comme 
la norme canadienne, qui attribue un poids à ces caractères qui ne dépend 
pas du codage (c'est IBM qui a insisté, il y a de cela plus de 10 ans -- 
clause « grand-père » -- pour ma part, je suis d'accord avec eux, car il 
faut un ordre prévisible, mais j'aurais pu me contenter d'un classsement 
arbitraire mais unique des signes spéciaux -- le consortium Unicode a 
décidé de ne pas suivre IBM, mais l'histoire n'est pas finie de ce côté car 
IBM fait partie du consortium et est très influente -- quoiqu'il en soit la 
norme internationale permet un delta, pourvu qu'on le déclare).

  En passant, Michael Everson (Everson Gunn Teoranta, Dublin) a produit un 
ordre pour tous les caractères spéciaux de la 10646-1:1993 (1ère édition, 
équivalent à Unicode 1.0) qui pourrait servir de delta), sur le même 
principe que la norme canadienne. Cet ordre dort sur une tablette virtuelle...

[Jean]
> Pour ce qui est de l'espace vs le trait d'union, on voit que la norme
> préfère cet ordre :
>
> baseball
> base ball
> base-ball

[Alain]  Exact.

[Jean]
> Pour les noms communs, je préfère personnellement l'ordre de soudure
> croissante, qui est souvent l'ordre historique d'apparition des variantes :
>
> base ball
> base-ball
> baseball
>
> Mais cet ordre a aussi ses inconvénients.

[Alain] La norme canadienne permet de faire cela artificiellement en 
remplaçant l'espace par un espace insécable. Mais il y a aussi des 
inconvénients. Je n,entrerai pas dans les détails.

[Jean]
> Bref, une norme de base commune et prévisible pour tous les caractères est
> utile, mais il n'y a pas de solution unique pour toutes les situations le
> classement. Tout dépend de sa destination (dico, lexique spécialisé, index,
> annuaire, etc.). Chacune a ses besoins propres et demande certaines
> adaptations.

[Alain]  Ayant moi-même été le chantre de cette idée, la norme 
internationale ISO/CEI 14651, dont je suis rédacteur, oblige la déclaration 
d'un delta (qui peut être nul) pour qu'un tri soit déclaré comme lui étant 
conforme.

[Jean]
> > Bref, une norme de base commune et prévisible pour tous les caractères est
> > utile,

[JPL]
> Oui, d'accord, absolument, tout à fait, oc, oc... et c'est pourquoi je râle
> comme un putois quand on me balance des listes qui n'en ont pas tenu compte...
> Alors que c'est si facile !

[Alain]  Oui, en français, la norm'e canadienne est un très bon modèle. 
C'est un minimum qui dépasse tout ce qui se faire d'autre en qualité 
intuiitive pouer l'utilisateur lambda. je vous la propose comme standard.

[Jean]
> > mais il n'y a pas de solution unique pour toutes les situations le
> > classement. Tout dépend de sa destination (dico, lexique spécialisé, index,
> > annuaire, etc.). Chacune a ses besoins propres et demande certaines
> > adaptations.

[JPL]
> Oui, d'accord, absolument, tout à fait, oc, oc... et c'est pourquoi tout
> classement sérieux est au bout du compte manuel (disons... la couche de
> finition..). Il reste suffisamment de boulot pour ne pas avoir à se farcir en
> plus les erreurs dues à la méconnaissance de la « norme de base commune » !

[Alain]  J'abonde en ce sens.

   Je vous reproduis un extrait qui relate l'ordre des caractères spéciaux 
de la norme canadienne (j'ai éliminé tout ce qui n'était pas reproduisible 
dans le latin 1 -- attention, sur Mac, certains caractères pourraient être 
mal reproduits, mais ça ne dépend que de certains logiciels de courriel qui 
ne font pas adéquatement leur travail dans cet environnement ... Ne faire 
attention qu'aux commentaires de fin de ligne. Il serait trop long de vous 
expliquer pour l'instant la syntaxe POSIX de la spécification.

#              Notes:
#               (1):   [*]: JGSUG de CAN/CSA Z243.4 / GPGSS of CAN/CSA Z243.4
#               (2):   Autres Uxxxx -> CSA T500 <- Other Uxxxx's
#
#SYMB.                                           # N<DG>  Expl.        Uxxxx[*]
#
<SP>            IGNORE;IGNORE;IGNORE;<SP>        # 0320 ESPACE/SPACE    0020
<_>             IGNORE;IGNORE;IGNORE;<_>         # 0330     _           005F
<'->            IGNORE;IGNORE;IGNORE;<'->        # 0340     ¯           00AF
<-->            IGNORE;IGNORE;IGNORE;<-->        # 0350     ­ (SHY)     00AD
<->             IGNORE;IGNORE;IGNORE;<->         # 0360     -           002D
<,>             IGNORE;IGNORE;IGNORE;<,>         # 0370     ,           002C
<;>             IGNORE;IGNORE;IGNORE;<;>         # 0380     ;           003B
<:>             IGNORE;IGNORE;IGNORE;<:>         # 0390     :           003A
<!>             IGNORE;IGNORE;IGNORE;<!>         # 0400     !           0021
<!I>            IGNORE;IGNORE;IGNORE;<!I>        # 0410     ¡           00A1
<?>             IGNORE;IGNORE;IGNORE;<?>         # 0420     ?           003F
<?I>            IGNORE;IGNORE;IGNORE;<?I>        # 0430     ¿           00BF
<//>            IGNORE;IGNORE;IGNORE;<//>        # 0440     /           002F
<.>             IGNORE;IGNORE;IGNORE;<.>         # 0450     .           002E
<.M>            IGNORE;IGNORE;IGNORE;<.M>        # 0510     ·           00B7
<',>            IGNORE;IGNORE;IGNORE;<',>        # 0520     ÷           00B8
<'>             IGNORE;IGNORE;IGNORE;<'>         # 0530     '           0027
<">             IGNORE;IGNORE;IGNORE;<">         # 0560     "           0022
<<<>            IGNORE;IGNORE;IGNORE;<<<>        # 0590     «           00AB
</>/>>          IGNORE;IGNORE;IGNORE;</>/>>      # 0600     »           00BB
<(>             IGNORE;IGNORE;IGNORE;<(>         # 0610   (             0028
<)>             IGNORE;IGNORE;IGNORE;<)>         # 0630   )             0029
<!(>            IGNORE;IGNORE;IGNORE;<!(>        # 0650   [             005B
<)!>            IGNORE;IGNORE;IGNORE;<)!>        # 0660   ]             005D
<<(>            IGNORE;IGNORE;IGNORE;<<(>        # 0670   {             007B
<)/>>           IGNORE;IGNORE;IGNORE;<)/>>       # 0680   }             007D
<So>            IGNORE;IGNORE;IGNORE;<So>        # 0690   §             00A7
<9I>            IGNORE;IGNORE;IGNORE;<9I>        # 0700   ¶             00B6
<OC>            IGNORE;IGNORE;IGNORE;<OC>        # 0710   ©             00A9
<OR>            IGNORE;IGNORE;IGNORE;<OR>        # 0720   ®             00AE
<Oa>            IGNORE;IGNORE;IGNORE;<Oa>        # 0730   @             0040
<Xo>            IGNORE;IGNORE;IGNORE;<Xo>        # 0740   ¤             00A4
<!C>            IGNORE;IGNORE;IGNORE;<!C>        # 0750   ¢             00A2
<!S>            IGNORE;IGNORE;IGNORE;<!S>        # 0760   $             0024
<L->            IGNORE;IGNORE;IGNORE;<L->        # 0770   £             00A3
<Y->            IGNORE;IGNORE;IGNORE;<Y->        # 0780   ¥             00A5
<*>             IGNORE;IGNORE;IGNORE;<*>         # 0790   *             002A
<////>          IGNORE;IGNORE;IGNORE;<////>      # 0800   \             005C
<&>             IGNORE;IGNORE;IGNORE;<&>         # 0810   &             0026
<H->            IGNORE;IGNORE;IGNORE;<H->        # 0820   #             0023
<%>             IGNORE;IGNORE;IGNORE;<%>         # 0830   %             0025
<+>             IGNORE;IGNORE;IGNORE;<+>         # 0850   +             002B
<+->            IGNORE;IGNORE;IGNORE;<+->        # 0870   ±             00B1
<''>            IGNORE;IGNORE;IGNORE;<0>         # 0460   ´             00B4
<'!>            IGNORE;IGNORE;IGNORE;<1>         # 0470   `             0060
<'/>>           IGNORE;IGNORE;IGNORE;<3>         # 0480   ^             005E
<':>            IGNORE;IGNORE;IGNORE;<6>         # 0490   ¨             00A8
<'?>            IGNORE;IGNORE;IGNORE;<8>         # 0500   ~             007E
<-:>            IGNORE;IGNORE;IGNORE;<a97>       # 0880   ÷             00F7
<*X>            IGNORE;IGNORE;IGNORE;<b98>       # 0890   ×             00D7
<<>             IGNORE;IGNORE;IGNORE;<d100>      # 0910   <             003C
<=>             IGNORE;IGNORE;IGNORE;<f102>      # 0930   =             003D
</>>            IGNORE;IGNORE;IGNORE;<h104>      # 0950   >             003E
<7!>            IGNORE;IGNORE;IGNORE;<i105>      # 0960   ¬             00AC
<!!>            IGNORE;IGNORE;IGNORE;<j106>      # 0970   |             007C
<!B>            IGNORE;IGNORE;IGNORE;<k107>      # 0980   ¦             00A6
<DG>            IGNORE;IGNORE;IGNORE;<l108>      # 0990   °             00B0
<My>            IGNORE;IGNORE;IGNORE;<m109>      # 1000   µ             00B5

[fin de liste]

Alain LaBonté
Québec