Est-il possible d’importer du texte déjà stylé en masse dans Omeka ?

Récemment, dans le cadre de plusieurs projets hébergés sur la plateforme EMAN, nous nous sommes posés la question de savoir s’il était possible d’importer en masse des textes dans Omeka. Qu’il s’agisse de transcriptions ou d’appareil critique, il nous fallait pouvoir insérer du texte mis en forme sur Word ou un logiciel du même type dans un des champs Dublin Core proposé par Omeka, l’objectif étant de pouvoir garder la mise en forme du texte comme l’italique, les passages en gras, les notes de bas de page, etc.

Il y a déjà dans Omeka la possibilité de coller un texte depuis Word (« Paste from Word ») dans l’éditeur TinyMCE et qui permet de conserver la mise en page. Cependant, cela suppose de copier-coller manuellement le texte dans le champ correspondant de chaque notice. Dans le cas de plusieurs milliers de notices, cela pourrait s’avérer extrêmement chronophage.

Nous avons aussi mis en place la possibilité d’importer en masse du texte dans un même champ via un fichier CSV. Cependant, le fichier CSV supprime la mise en forme du texte et ne constitue donc pas la solution idéale. On a alors envisagé d’insérer dans le fichier CSV le texte encodé en HTML puisque Omeka, comme les CMS tel que WordPress, interprète le HTML, langage de base du web. Il s’agissait donc de transformer le fichier Word en document HTML propre. La chose n’est pas aisée puisque le code HTML issu d’un document Word est très « sale’ et truffé de balises propres au logiciel. Un logiciel en ligne permettant d’obtenir du code HTML propre depuis un document Word existe ; il s’appelle Word2cleanhtml. Il suffit de copier votre texte sur Word, de la coller dans l’éditeur et de récupérer ensuite le code généré. Ce code peut ensuite être copié dans le fichier CSV et importé via un import en masse des données. Cette solution peut s’avérer aussi assez chronophage puisque pour chaque texte, il faut reproduire l’opération et remplir petit à petit le fichier CSV.

Une autre solution consisterait à transformer le document Word en un fichier XML-TEI, ce qu’il est possible de faire très simplement avec le logiciel Oxygen. Omeka ne lit pas le langage XML-TEI mais nous avons mis en place, pour les besoins des projets sur la plateforme EMAN, un plugin appelé Transcript, permettant de transcrire directement dans le logiciel les fichiers numérisés et de les encoder en TEI. Ainsi, en collaboration avec le développeur avec lequel nous travaillons, Vincent Buard, nous pourrions envisager un script permettant d’importer dans le plugin Transcript les textes encodés en XML-TEI.

Projet à suivre donc!