🏛️ Datenarchitektur — dhatupatha

Dieses Dokument beschreibt die Verzeichnisstruktur, das Datenmodell und die Verarbeitungspipeline der Edition dhatupatha.

---

1. Projekt- und Verzeichnisstruktur

dhatupatha/
├── assets/
│   └── birchville_logo.png           # Birchville Wappen (Corporate Design)
│
├── data/
│   ├── dhatupatha_canonical.json     # Kanonische Pāṇinīya-Referenzdatenbank (1,7 MB, 2.259 Wurzeln)
│   ├── dhatupatha_complete.json      # Aligner Masterkatalog mit Seitenkonkordanz (2,1 MB)
│   ├── fonts/                        # Vendorte OpenType-Schriften (Noto + Libertine)
│   │   ├── NotoSerifDevanagari-Regular.ttf
│   │   ├── NotoSerifDevanagari-Bold.ttf
│   │   ├── LinLibertine_R.otf
│   │   ├── LinLibertine_RB.otf
│   │   └── LinLibertine_RI.otf
│   └── pdf/
│       ├── Dhatu-patha.typeset_edition.pdf # Typografische Vektor-Neuedition (2,96 MB, 229 Seiten)
│       └── Dhatu-patha.typeset.typ         # Typst Quellcode der Neuedition (1,8 MB)
│
├── docs/                             # Zweisprachige MkDocs-Dokumentation
│   ├── de/                           # Deutsche Dokumentation (Default)
│   ├── en/                           # Englische Dokumentation
│   ├── assets/                       # Logo und Bildressourcen
│   └── stylesheets/                  # Birchville Scholarly Synthesis Theme
│
├── scripts/                          # Automatisierungs- & Build-Skripte
│   ├── build_dhatupatha_groundtruth.py # Generiert kanonische Ground-Truth
│   ├── align_dhatupatha.py             # Bilinguale Facing-Page-Alignment-Engine
│   └── build_typeset_edition.py        # Typst-Vektorsatz-Compiler
│
├── viewer.html                       # Autarker QA-Viewer (Payer Global Web Editor Standard)
├── mkdocs.yml                        # Konfiguration der Dokumentationsseite
├── pyproject.toml                    # Python Projektkonfiguration
├── requirements.txt                  # Python Abhängigkeiten
├── LICENSE                           # MIT Lizenz
└── README.md                         # Projektübersicht

---

2. Das Vier-Layer-Datenmodell

Layer 1 — Faksimile-Bildbasis
  Quelle:   410 historische Buchseiten
  Zweck:    Visuelle Hintergrundschicht im 1:1 Sandwich-PDF und Primärbeleg für jede Wurzel

Layer 2 — Bilinguale OCR & Facing-Page Geometrie
  Inhalt:   Parallele Textschichten der ungeraden (Devanāgarī) und geraden Seiten (IAST)
  Zweck:    Kreuzvalidierung von abgenutztem Bleisatz und Ligaturen

Layer 3 — Kanonische Master-JSON & Ground-Truth
  Ablage:   data/dhatupatha_canonical.json & data/dhatupatha_complete.json
  Inhalt:   2.259 strukturierte Wurzel-Objekte über alle 10 Gaṇas mit Seitenkonkordanz
  Status:   100,0 % lückenlos (0 Duplikate, 0 Fehlstellen)

Layer 4 — Zielartefakte & Typografischer Neusatz
  Ablage:   data/pdf/Dhatu-patha.typeset_edition.pdf & viewer.html
  Inhalt:   Druckreifes 229-seitiges Vektor-PDF in Typst und autarker QA-Viewer

---

3. End-to-End Verarbeitungs-Pipeline

[Historische Scans (410 Seiten)]
       │
       ▼
[Schritt 1: Kanonische Ground-Truth] ──► scripts/build_dhatupatha_groundtruth.py
       │                                  └── data/dhatupatha_canonical.json (2.259 Wurzeln)
       ▼
[Schritt 2: Bilinguales Alignment] ────► scripts/align_dhatupatha.py
       │                                  ├── Parallele Statusmaschine (Ungerade Deva / Gerade IAST)
       │                                  └── Seitenkonkordanz-Verknüpfung
       ▼
[Schritt 3: Master-Konsolidierung] ────► data/dhatupatha_complete.json
       │                                  (Single Source of Truth, 2.259 Einträge)
       ▼
[Schritt 4: Multi-Artefakt-Build]
       ├── Typst Vektor-PDF:     data/pdf/Dhatu-patha.typeset_edition.pdf (~2,4 s Build)
       ├── Typst Source:         data/pdf/Dhatu-patha.typeset.typ
       └── QA-Viewer:            viewer.html (Payer-Standard)

---

4. Kennzahlen des Datenbestands

Metrik	Wert	Bemerkung
Erfasste Buchseiten	410 Seiten	S. 1–25 (Front Matter), S. 26–285 (Hauptteil), S. 286–410 (Back Matter)
Gesamte Wurzelanzahl	2.259 Wurzeln	Vollständig über alle 10 Gaṇas erfasst
Gaṇa-Klassen	10 Klassen	1. Bhvādi bis 10. Curādi
Duplikate / Fehlstellen	0 / 0	100,0 % lückenlos abgeglichen
Typst-Buchumfang	229 Seiten	Sektionsspezifisches Layout (1-spaltig / 2-spaltig)
Typst-Kompilierungszeit	~2,4 Sekunden	Vektorgenerierung via Typst 0.11+
Schriften-Vendoring	5 OpenType-Dateien	Hermetisch in data/fonts/ (Zero Tofu)

---

5. Datenmodell-Spezifikation (dhatupatha_complete.json)

Jeder der 2.259 Einträge besitzt folgendes Schema:

{
  "id": 1,
  "gana": 1,
  "gana_name": "भ्वादिगणः",
  "gana_iast": "Bhvādigaṇaḥ",
  "dhatu": "भू",
  "iast_dhatu": "bhū",
  "aupadeshik": "भू",
  "iast_aupadeshik": "bhū",
  "pada": "parasmaipada",
  "settva": "seṭ",
  "karma": "akarmaka",
  "artha": "सत्तायाम्",
  "iast_artha": "sattāyām",
  "artha_english": "to be, to exist",
  "orig_page": 26,
  "commentary_note": ""
}

Feld	Typ	Beschreibung
id	Integer	Eindeutige fortlaufende ID (1 bis 2.259)
gana	Integer	Nummer der Wurzelklasse (1 bis 10)
gana_name	String	Bezeichnung des Gaṇa in Devanāgarī (z. B. भ्वादिगणः)
gana_iast	String	Bezeichnung des Gaṇa in IAST (z. B. Bhvādigaṇaḥ)
dhatu	String	Kanonische Wurzel in Devanāgarī (z. B. भू)
iast_dhatu	String	Wurzel in wissenschaftlicher IAST-Transliteration
aupadeshik	String	Traditionelle Aupadeśika-Form mit It-Markern
iast_aupadeshik	String	Aupadeśika-Form in IAST
pada	String	Pada-Zuordnung (parasmaipada, ātmanepada, ubhayapada)
settva	String	It-Charakteristik (seṭ, aniṭ, veṭ)
karma	String	Valenz / Transitivität (sakarmaka, akarmaka, dvikarmaka)
artha	String	Traditionelle Sanskrit-Bedeutung im Lokativ (z. B. सत्तायाम्)
iast_artha	String	Lokativ-Bedeutung in IAST (z. B. sattāyām)
artha_english	String	Englische Übersetzung der Grundbedeutung
orig_page	Integer	Buchseite des historischen Drucks (z. B. 26)
commentary_note	String	Zusätzliche grammatische Anmerkungen