Dépôt de données sur Wikidata avec OpenRefine

Notes de l'atelier du mardi 1er février 2022 (10h-11h30) en visio.

Auteur : Jean-Baptiste Pressac (Centre de recherche bretonne et celtique - CNRS/UBO)

Publié le 25 février 2022 - Mis à jour le 14 avril 2022

Objectifs de l'atelier

L'objectif de l'atelier est d'expérimenter le dépôt de données au format CSV sur la base de connaissance collaborative Wikidata à l'aide du logiciel de traitement de données OpenRefine.

Les données choisies sont les notices UNIMARC de publications en breton pour l'année 2021 disponibles sur le catalogue général de la BnF (Bibliothèque nationale de France).

Les étapes du dépôt sont les suivantes :

1. Export des notices des ouvrages en breton édités en 2021 à partir du catalogue général de la BnF,
2. Création d'un nouveau projet dans le logiciel de traitement de données OpenRefine,
3. Import des notices dans ce nouveau projet,
4. Traitement des données répétables (un document peut avoir plusieurs auteurs)
5. Réconciliation des livres, des producteurs (auteurs, illustrateurs, traducteurs, etc.) et des maisons d’éditions avec des entités Wikidata,
6. Création des éléments manquants dans Wikidata et des relations entre eux (par ex. créer le livre An div ran a oa bras o beg et son auteur, Pierre Delye et déclarer ce dernier comme auteur du livre).

La réconciliation consiste à faire correspondre un jeu de données avec une source externe. Dans notre cas, OpenRefine soumettra à Wikidata les titres des livres, les noms des auteurs et Wikidata renverra à OpenRefine des données Wikidata (appelées éléments ou items) dont le label correspond plus ou moins aux titres et aux noms des auteurs.

L'étape préalable de la réconciliation évite la création de doublons lors du dépôt de données sur Wikidata.

A propos des licences

La BnF diffuse ses données selon la « Licence Ouverte », qui a pour condition de réutilisation le maintien de la mention de la source et la date de récupération des données.

Source : Conditions de réutilisations des données de la BnF

La BnF a, depuis le 1er janvier 2014, placé ses métadonnées descriptives (données bibliographiques et d'autorité) sous la « Licence Ouverte / Open Licence » de l'État. L’utilisation de ces métadonnées est libre et gratuite sous réserve du maintien de la mention de leur source et de l’indication de leur date de récupération.

Par ailleurs, toute contribution à Wikidata est placé sous la licence CC0. Licence qui permet la réutilisation des données sans citation avec renoncement des droits. Wikidata incite toutefois à citer ses sources lors de la création de nouvelles données, ce que nous ne manquerons pas de faire.

Info

Il est possible de vérifier si les données sont éligibles au dépôt sur Wikidata depuis Wikidata:Notoriété.

Installation de OpenRefine

La dernière version de OpenRefine peut être téléchargée depuis https://github.com/OpenRefine/OpenRefine/releases.

Info

OpenRefine nécessite l’installation préalable de Java. Sous Windows, afin d’éviter toute incompatibilité avec les éventuelles versions de Java installées sur votre ordinateur, l’installation du bundle OpenRefine + Java pour Windows est conseillée (le fichier openrefine-win-with-java-x.y.z.zip).

Pour des informations détaillées sur l'installation et la configuration de OpenRefine, consultez le chapitre Installing OpenRefine de la documentation officielle.

Export CSV des notices UNIMARC des ouvrages en breton publiés en 2021 depuis le catalogue général de la BnF

Les notices des documents reçus au dépôt légal sont consultables sur le catalogue général de la BnF. Elles sont disponibles au format public (voir la notice de An div ran a oa bras o beg, traduction en breton par Mark Kerrain de Les deux grenouilles à grande bouche de Pierre Delye, illustrations de Cécile Hudrisier, publié en 2021 par Sav-Heol) et dans une version UNIMARC plus détaillée (c.f. la version UNIMARC de la notice de An div ran a oa bras o beg).

Le catalogue concerne des documents de toute nature : livres, périodiques, documents électroniques, CD audios, CD-ROM, etc. Nous ne l'avons pas fait pour cet atelier, mais vous pouvez limiter l'export aux textes imprimés.

Depuis le moteur de recherche avancé du catalogue général, on choisit les critères suivants :

• Par nature de document > Type de document = Texte imprimé et livre numérique
• Par langue > Langue du document = breton
• Par date de publication = 2021

On télécharge ensuite les notices en UNIMARC avec Tous les résultats > Exporter dans un tableau.

Puis Paramètrage professionnel en précisant les champs UNIMARC : 000;010$a;101;200;205;214;454;700;702; (ne pas oublier le point-virgule final) et en cochant les cases "1 colonne par sous-zone" et "Données avec étiquette", faute de quoi le contenu des champs répétés seront concaténés.

La signification des champs UNIMARC est explicité dans le chapitre suivant.

Les exports dans des tableaux CSV peuvent durer plusieurs minutes et se solder par un message d'erreur.

Note à propos de l'export des données avec étiquette

Si dans le paramètrage profesionnel de l'export dans un tableau d'une notice, Données avec étiquette n'est pas coché, les zones et sous-zone répétées seront contaténées sans caractère séparateur. Il ne sera donc pas possible de distinguer les valeurs des zones et sous-zones répétées.

Par exemple, le livre An urzh-paeañ est publié par Hor yezh (Lannion) et imprimé par Ouestellio (Brest) comme le précisent les deux zones UNIMARC 214 – Mention de publication, production, distribution/diffusion, fabrication :

214 .0 $a [Lannion] $c Mouladurioù Hor yezh $d DL 2021
214 .3 $a 29-Brest $c Moul. Ouestelio

Avec un export en CSV sans étiquettes, la valeur de la colonne 214$a aura pour valeur [Lannion]29-Brest et la colonne 214$c aura pour valeur Mouladurioù Hor yezhMoul. Ouestelio.

Par contre, avec un export avec étiquettes, la valeur de la colonne 214$a aura pour valeur 214$a[Lannion]214$a29-Brest (notez la répétion de 214$a) et la colonne 214$c aura pour valeur 214$cMouladurioù Hor yezh214$cMoul. Ouestelio.

Décryptage des champs UNIMARC choisis pour l'export

Le format de catalogage UNIMARC défini des champs de notices bibliographiques et de notices d'autorité pour les bibliothèques. En France, la référence pour l'UNIMARC est le site Transition bibliographique qui héberge les documents de référence sur ce format. La rubrique qui nous concerne est Manuel UNIMARC : format bibliographique.

Cependant, c'est l'étude de la version UNIMARC de la notice du livre en breton An div ran a oa bras o beg qui a orienté nos choix des zones UNIMARC à exporter :

Code du bloc ou de la zone	Nom du bloc ou de la zone	Notes et exemples de valeurs
000	Bloc de l'identification	Ce champ apparait dans la colonne Identifiant ARK;N° notice BnF;Type de notice ;Type de document du fichier CSV exporté. Sa valeur diffère de celle affichée par la version UNIMARC de la notice.
010$a	Numéro (ISBN)	ex. 20210610d2021
101	Langue de la ressource	ex. 101 1. $a bre $c fre
200	Titre et mention de responsabilité	ex. 200 1. $a An div ran a oa bras o beg $b Texte imprimé $f un istor kontet gant Pierre Delye $g skeudennet gant Cécile Hudrisier $g ha troet e brezhoneg gant Mark Kerrain
205	Mention d’édition
214	Mention de publication, production, distribution/diffusion, fabrication	ex. 214 .0 $a Reuz [i.e. Le Rheu] $c Sav-Heol $d DL 2021
454	Est une traduction de	ex. 454 .1 $t Les deux grenouilles à grande bouche
700	Nom de personne – Responsabilité principale	ex. 700 . $3 14492400 $o ISNI0000000363699480 $a Delye $b Pierre $f 1968-.... $4 070
702	Nom de personne – Responsabilité secondaire	ex. 702 . $3 13583052 $o ISNI0000000121312685 $a Hudrisier $b Cécile $f 1976-.... $4 440

Langue de la ressource (Zone 101)

Les zones peuvent être divisés en sous-zones et précédées par des indicateurs. Prenons le cas de la zone 101 (Langue de la ressource) de An div ran a oa bras o beg :

101 1. $a bre $c fre

Le manuel de la zone 101 sur le site de la Transisition bibliographique permet de déduire les informations suivantes :

• An div ran a oa bras o beg est la traduction d'une oeuvre originale ou d'une oeuvre intermédiaire. Le numéro de la zone est suivi par 1. qui indique les valeurs de l'indicateur 1 (1) et de l'indicateur 2 (. = indéfini). L'indicateur 1 précise si la ressource est ou non une traduction : La valeur 1 signifie que la ressource est une traduction de l’œuvre originale ou d’une œuvre intermédiaire. La valeur 2 signifie que La ressource contient des traductions autres que des résumés traduits. La nuance entre ces deux valeurs ne nous étant pas familière, nous les prendrons toutes les deux en compte.
• la langue du texte de An div ran a oa bras o beg est le français : La sous-zone 101$a, qui sert à préciser la langue du texte, a pour valeur le code ISO 639-2 bre.
• la langue du texte original est le français : La sous-zone 101$c qui sert à préciser la langue du texte original, a pour valeur le code ISO 639-2 fre.

Notez que les sous-zones sont répétables et qu'il est possible de préciser les langues intermédiaires. Le manuel de la zone 101 donne notamment l'exemple suivant (dans le manuel, les indicateurs indéfinis sont signalés par un # au lieu d'un .. Pour une meilleure lisibilité, nous avons séparés dans l'exemple ci-dessous les sous-zones de leurs valeurs) :

101 1# $a eng $b ger $b fre $c akk

Le texte d’origine en akkadien, langue ancienne, a d’abord été traduit pour partie en allemand et pour partie en français. Une version anglaise a ensuite été établie à partir des traductions allemande et française.

Dans le cadre de ce tutoriel, on se contentera d'exploiter la première sous-zone 101$a sans se préocupper des autres sous-zones et des indicateurs.

Titre et mention de responsabilité (zone 200)

Le titre de An div ran a oa bras o beg est indiqué dans la sous-zone $a de la zone 200 (Titre et mention de responsabilité).

Responsabilités (auteur, traducteur, illustrateur...) (bloc 7XX)

L'auteur (Pierre Delye) et l'illustratrice (Cécile Hudrisier) sont indiqués tels qu'ils apparaissent sur la couverture du livre dans les sous-zones 200 $f = un istor kontet gant Pierre Delye (une histoire racontée par Pierre Delye) et 200 $g = skeudennet gant Cécile Hudrisier (illustré par Cécile Hudrisier).

Pour une mention plus complète et sans ambiguité des personnes et des collectivités intervenants dans la création du document, on se reportera plutôt au bloc des responsabilités, qui regroupe les zones 700 à 742.

Par exemple, la zone 700 (Nom de personne – Responsabilité principale), permet de préciser l'identifiant de la notice de l'auteur, Pierre Delye, dans le catalogue général de la BnF (14492400) et sur ISNI (International Standard Name Identifier), un standart ISO d'identification de personnes et de collectivités impliqués dans les activités créatives (ISNI0000000363699480) :

700 .| $3 14492400 $o ISNI0000000363699480 $a Delye $b Pierre $f 1968-.... $4 070

La sous-zone 700$4 précise le code de fonction. Le code de fonction de Pierre Delye a pour valeur 070, ce qui correspond à Auteur (pour une liste détaillées des fonctions, se reporter à l'Annexe C – Codes de fonction – Liste numérique de la Transition bibliographique).

Le traducteur, Mark Kerrain, est indiqué dans la zone 702 (Nom de personne – Responsabilité secondaire) avec le code 730 (Traducteur) :

702 .| $3 11909642 $o ISNI000000012125805X $a Kerrain $b Mark $f 1952-.... $4 730

Les zones 700 à 702 ne concernent que les personnes. Les mentions de responsabilités des collectifs font l'objet des zones 710 à 712 mais nous n'en tenons pas compte pour ce tutoriel.

Effectuer un premier versement à la main

Il vaut mieux tenter d’abord de créer à la main son premier livre sur Wikidata afin d’expérimenter les propriétés et les éventuelles suggestions et messages d’erreurs de Wikidata. Par exemple, le livre Ar roue Marc'h (Q110713431) publié en 2019 a été créé à la main sur Wikidata à partir de sa notice BnF.

Le premier versement est également l'occasion de réfléchir à la nature de la donnée à verser. Sur Wikidata, chaque élément (item) a une nature déclarée par la propriété P31, instance of ou nature de l'élément. Autrement dit, chaque élément est l'instance d'une classe.

Les discussions au sujet de la modélisation des livres sur Wikidata a été consignée sur Wikidata:WikiProject Books. Les discutants ont choisi de se conformer partiellement au modèle FRBR de l'IFLA. Les éditions (les manifestations) sont représentées par la classe version, edition, or translation. Les traductions, modélisées en FRBR au niveau de l'expression, sont intégrées à cette classe dont une des propriétés est l'ISBN.

Les auteurs (associés à l'œuvre en FRBR) et la langue (associé à l'expression en FRBR) peuvent être associés directement à l'édition dans le modèle de Wikidata.

Wikidata incite à citer ses sources. Nous avons choisi de créer une référence par statement (ou déclaration) avec affirmé dans (P248) = catalogue général de la BnF (Q15222191) et URL de la référence (P854) = l’identifiant pérenne de la notice, par ex. http://ark.bnf.fr/ark:/12148/cb468188330.public et date de consultation (P813) = la date de téléchargement des notices.

Attention

Il s’agit bien de trois informations se rapportant à la même référence. Il ne faut pas créer trois références distinctes comme ci-dessous :

Notre premier versement à la main a permis de constater que l’identifiant de la notice BnF correspondant à la propriété Wikidata Bibliothèque nationale de France ID (P268) se saisit dans Wikidata sans le préfixe ark:/12148/cb. Il nous faudra donc retraiter cette information avec OpenRefine avant le versement.

Import des données dans OpenRefine

A l'import dans OpenRefine (voir pour plus de détails la documentation de OpenRefine), ne pas oublier de décocher la case Use character " to enclose cells containing column separators. En effet, les données à importer contiennent des guillemets (ex. Bulletin trimestriel de l'Association "Al Liamm"), qui sont la valeur par défaut de ce paramètre d'import.

Astuce

Bien penser à vérifier si le nombre de lignes du projet OpenRefine est identique à celui du fichier original.

À propos du versement de données sur Wikidata

Pour déposer des données sur Wikidata avec OpenRefine, un compte utilisateur Wikidata (ou Wikipedia) est nécessaire.

Si vous faites des dépôts en masse dans Wikidata, il sera peut-être nécessaire d'utiliser un compte de type Bot (ou Robot). Les comptes de types Bot doivent être validés par Wikidata avant utilisation (Ouvrir une demande de compte de type Bot).

Note

Un Bot est un script informatique, généralement écrit en Python, développé pour l’édition en masse de données sur Wikipedia ou Wikidata.

Note

le volume à partir duquel le passage à un compte de type Bot est nécessaire reste à trouver dans la documentation de Wikidata.

Wikibase

La fonctionnalité de dépôt de données de OpenRefine n’est pas limité à Wikidata. Elle permet de réconcilier et de déposer des données sur toute instance du logiciel Wikibase.

Wikibase est une suite logicielle open-source maintenue par Wikimedia Deutschland. Elle a été développée à l'origine pour le projet Wikidata mais d'autres institutions, telles que Biblissima ou Europeana, ont installé des wikis avec Wikibase et mettent à disposition des fichiers de configuration, appellés manifestes, permettant leur édition depuis OpenRefine. Pour en savoir plus, consultez la documentation de OpenRefine.

Info

L'éauipement Biblissima+, observatoire du patrimoine écrit du Moyen Âge et de la Renaissance du 8e au 18e siècle, édite son référentiel d'autorité, data.biblissima.fr, avec la suite logicielle Wikibase. Son manifeste, le fichier de configuration permettant le dépôt de données sur data.biblissima.fr avec OpenRefine est disponible sur le GitHub de Openrefine.

Si vous mettez en place votre propre Wikibase, aucun service de réconciliation ne sera configuré par défaut. Pour la réconcilation suppose, la mise en place d'un service de requête SPARQL et l’installation de Wikibase reconciliation interface for OpenRefine en suivant la documentation openrefine-wikibase.readthedocs.io.

Alternatives à OpenRefine pour le dépôt de données sur Wikidata

Il existe d’autres outils pour déposer des données sur Wikidata :

• la librairie Python PyWikiBot,
• le service en ligne QuickStatements, qui permet de créer et d'éditer par lot des éléments Wikidata
• le service en ligne Mix’n’match, qui permet d'aligner des bases de données en ligne avec des éléments Wikidata. Ce service est utilisé par PRELIB, la base de données des acteurs de la littérature en breton pour associer les personnes et les collectifs de la base avec Wikidata et créer de nouveaux éléments Wikidata si nécessaire. Cependant, la création des nouveaux éléments se limite au versement d'un label et à la déclaration de la nature de l'élément (Q5 pour les personnnes). Le versement de données complémentaires (ex. dates et lieux de naissance et de décès) passe par un script en Python.

Info

Voir le projet d'alignement des personnes du projet PRELIB sur Mix'n'Match.

OpenRefine a toutefois l’avantage de combiner des fonctions de nettoyage, recodage, pré-traitement, alignement puis dépôt.

Vais-je écraser des données avec mes dépôts sur Wikidata ?

Vais-je écraser des données existantes ? Vais-je être informé que j’écrase des données existantes ? Vais-je créer des informations en doublons ? Puis-je faire des tests ? La lecture du chapitre Overview of Wikibase support de la documentation de OpenRefine prend un peu de temps mais est riche d’informations. Par exemple :

source : Editing Wikidata with OpenRefine

If you upload edits that are redundant (that is, all the statements you want to make have already been made), nothing will happen. If you upload edits that conflict with existing information (such as a different birthdate than one already in Wikidata), it will be added as a second statement. OpenRefine produces no warnings as to whether your data replicates or conflicts with existing Wikidata elements.

(à suivre...)

Alignement des titres des livres avec Wikidata

Le préalable au dépôt de données sur Wikidata est l'exécution d’un alignement (ou réconciliation) avec les données existantes de Wikidata. L'opération consiste à comparer les labels des items Wikidata avec les labels des données de notre fichier CSV. En l'occurrence les titres des documents et les noms des personnes.

Commençons par appliquer deux facettes :

• Une facette sur la colonne Type de notice et ne choisir que les monographies
• Une facette sur la colonne Type de document et ne choisir que les textes imprimés.

On tente donc d’aligner les documents à partir de leur titre stocké dans la colonne 200$a. Les notices du catalogue général ayant été exportées en cochant la case "Données avec étiquettes", les titres sont précédés par le code de la sous-zone, 200$a. Pour retirer cette chaîne de caractères, on utilise depuis le menu de la colonne Edit cells > Transform.

Puis on saisit l’expression value.replace(/^200\$a/, '').

Info

Pour en savoir plus sur la signification de l'expression régulière /^200\$a/, voir la documentation de OpenRefine.

On exécute la même opération de remplacement sur la colonne 010$a (= l’ISBN-13) avec cette fois-ci l’expression value.replace(/^010\$a/, ''). L'ISBN-13 sera le deuxième critère qui sera soumis au service de réconciliation de Wikidata.

Tip

Retrospectivement, l'ISBN-13 seul aurait suffit à l'alignement pour la période choisie (les documents publiés depuis 2012). En effet, l'ISBN-13 identifie de manière unique un document et doit obligatoirement être mentionné sur tout livre publié (source : Quelles sont les mentions obligatoires sur un livre papier ou numérique ?).

On lance ensuite la réconciliation depuis le menu de la colonne 200$ : Reconcile > Start reconciling.

On choisi Reconcile against type: Q3331189, en décochant “Auto-match candidates with high confidence” et en associant la colonne 010$a (= l’ISBN-13) avec https://www.wikidata.org/wiki/Property:P212.

La réconciliation suggère l’alignement du Dictionnaire étymologique du breton (ISBN 978-2-915915-45-7) publié en 2021 avec Dictionnaire étymologique du breton (Q50915490) mais il s’agit de l’édition de 2003. Il y a aussi des suggestions pour Bistro mais elles ne correspondent pas à l’ouvrage en breton. On peut marquer ces deux livres comme à créer par la coche "Create new item".

Des livres ont été créés sur Wikidata lors de la préparation de cet atelier, ils correspondent à des scores de 100, à afficher avec la facette "Best candidate’s score" appliquée sur la colonne 200$a. Dans la facette, cocher la case "Numeric"puis déplacer le curseur de manière à réduire la fenêtre d'affichage.

Tip

Si vous avez perdu l'affichage de la facette "Best candidate’s score", vous pouvez la faire réapparaitre dans le menu de la colonne sur laquelle une réconciliation a été appliquée : Reconcile > Facets > Best candidate's score.

Les suggestions d'alignement des livres déjà présents sur Wikidata peuvent être validés par la coche en regard de la suggestion (la mention Match this item to this cell apparaît au survol de la coche).

On choisit ensuite tous les livres pour lesquels il n’y a pas encore d’équivalent sur Wikidata avec la facette Best candidate’s score, case à cocher Blank.

Et on les marque d’un coup d’un seul comme à créer depuis le menu de la colonne 200$a > Reconcile > Actions > Create a new item for each cell :

Info

L'opération Create a new item for each cell ne crée pas immediatement des items sur Wikidata mais marque les cellules de la colonne du projet OpenRefine en vue d’une future opération de création.

Notez que ce marquage ne s’opère que sur les lignes sélectionnées par les facettes ou des filtres.

Il est possible de rattacher plusieurs lignes au même item Wikidata à créer. Voir la chapitre Marking multiple cells as identical items dans la documentation de OpenRefine.

Alignement des auteurs des livres avec Wikidata

En UNIMARC, le bloc 7xx permet de saisir les responsabilités, c’est à dire toute personne ou collectif ayant contribué à la production et la création du document (auteur, traducteur, préfacier, illustrateur, éditeur scientifique, etc.).

Notre export des notices du catalogue général ne concerne que le code 700 Nom de personne - Responsabilité principale. On applique les mêmes méthodes que précédemment pour supprimer la première étiquette de chaque colonne.

Par exemple, pour le code fonction 700$4 l’expression GREL = value.replace(/^700\$4/, '')

Si un document avait eu plusieurs personnes en responsabilité principale, on aurait dû les répartir sur plusieurs lignes avant l’alignement mais cela n’est pas le cas.

Pour la colonne 700$o qui correspond à l’ISNI (c.f. la documentation), on retire également la chaine “ISNI” : value.replace(/^700\$oISNI/, '').

Les labels des personnes sur Wikidata sont constitués du prénom et du nom attachés. On crée une colonne 700$b700$a qui concatène 700$b et 700$a à partir de la colonne 700$b : value + ' ' + cells["700$a"].value

Nous souhaitons pour l'instant ne verser que les auteurs, c'est à dire les individus ayant pour code fonction 700$4 = 070 (c.f. Annexe C – Codes de fonction – Liste numérique). On applique une facette textuelle sur la colonne 700$4 et on sélectionne la valeur 070.

On réconcilie le contenu de la colonne 700$b700$a avec les entités de type Wikidata human Q5 en associant la colonne 700$o avec la propriété Wikidata ISNI.

Préparation de l'export sur Wikidata

La colonne “Identifiant ARK” contient l'identifiant pérenne de chaque notice. Par exemple la notice du livre pour enfant An div ran a oa bras o beg (Les deux grenouilles à grande bouche) a pour identifiant ark:/12148/cb46811801p.

Mais comme vu en introduction, l’identifiant de la notice BnF se saisit avec la propriété Wikidata Bibliothèque nationale de France ID (P268) sans le préfixe ark:/12148/cb. Nous avons également prévu de signaler l'URL de la notice dans les sources des déclarations (ou statements). Par exemple l'URL pérenne de la notice de An div ran a oa bras o beg est http://ark.bnf.fr/ark:/12148/cb46811801p.

Création de deux nouvelles colonnes

À partir de la colonne “Identifiant ARK” on choisit la fonction Edit column > Add column based on this column.

On nomme la nouvelle colonne URLARKNotice et on saisi l'expression : "http://ark.bnf.fr/" + value.

À partir de la colonne “Identifiant ARK” on choisit de nouveau la fonction Edit column > Add column based on this column.

On nomme cette nouvelle colonne P269 et on saisi l'expression : value.replace("ark:/12148/cb","").

Filtrage des documents publiés en 2021

La date de publication dans la colonne 214$d, nécessite aussi quelques ajustements. Ce champ UNIMARC ne contient pas que des années de publications. Par exemple, c’est l’année de dépôt légal qui est parfois indiquée, précédée par la mention DL suivie d’un espace. Par simplification, on ne choisit dans la facette que les documents dont la valeur = 2021, sans lettres.

Export des données vers Wikidata

Schéma d'export

Pour préparer l’export, il faut créer un schéma (Export > Wikibase schema en haut à droite ou Extensions Wikidata > Edit Wikibase schema en haut à droite dans la barre bleue).

Le schéma peut être sauvegardé et exporté. Il ne s’applique qu’aux lignes sélectionnées par les facettes et les filtres et aux cellules avec le marquage create new item (voir les chapitres précédents).

Export d'un premier livre

Avec la facette textuelle de la colonne Identifiant ARK, on ne sélectionne qu’un seul des livres. Dans le menu Extensions > Wikidata > Manage Wikibase account pour se logger avec un compte Wikidata (ou Wikipedia) puis Extensions > Wikidata > Upload edits to Wikibase. Une fois l’upload terminé, le titre du livre (colonne 200$a) est affiché aligné avec l’entité Wikidata qui vient d’être créée.

Si l'essai est concluant, on peut supprimer la facette qui limite l'affichage à un seul livre et conserver la facette textuelle sur la colonne 700$4 avec la valeur 070 sélectionnée (Limitation aux seuls auteurs) pour exporter les documents restants.

Bibliographie

• Creating new Wikidata items with OpenRefine and Quickstatements (par Adam Shorland, ingénieur informatique à Wikimedia Deutschland)
• Editing Wikidata with OpenRefine (documentation de OpenRefine)