Multi-Saxon

Fri, 28 Mar 2025 00:00:00 +0000

Multi-Saxon: trasformazioni XSLT in parallelo per grandi corpora TEI

Multi-Saxon colma una lacuna seria fra gli strumenti di elaborazione XML: esegue in parallelo trasformazioni XSLT 2.0 e 3.0 che LXML, la diffusa libreria XML per Python, non sa gestire. Pensato per grandi collezioni di documenti XML TEI, abbatte i tempi di elaborazione grazie a un’esecuzione parallela efficiente.

Caratteristiche principali

XSLT avanzato: elabora trasformazioni XSLT 2.0 e 3.0, fuori dalla portata di LXML
Elaborazione parallela: la parallelizzazione riduce drasticamente i tempi di trasformazione delle grandi collezioni di documenti
Su misura per la TEI: progettato apposta per i documenti XML della Text Encoding Initiative (TEI)
Prestazioni scalabili: gestisce con efficienza corpora da centinaia a migliaia di documenti
Multipiattaforma: funziona su sistemi operativi e ambienti diversi

Il problema che Multi-Saxon risolve

Chi lavora con la TEI nell’umanistica digitale si scontra spesso con due ostacoli:

LXML (una comune libreria Python per l’elaborazione XML) sostiene soltanto XSLT 1.0, e preclude quindi le funzionalità più avanzate di XSLT 2.0/3.0
Elaborare in sequenza grandi corpora di documenti TEI può richiedere tempi proibitivi

Multi-Saxon risponde a entrambi sfruttando le capacità XSLT avanzate di Saxon e distribuendo l’elaborazione su più core, con guadagni di prestazioni notevoli.

Realizzazione

Multi-Saxon accoppia Python al processore Saxon per Java in una pipeline di trasformazione ad alte prestazioni:

usa la libreria Saxon per Java per un’elaborazione XSLT 2.0/3.0 robusta
ricorre al multiprocessing per distribuire le trasformazioni sui core disponibili
gestisce con efficienza i pool di processi per massimizzare il throughput
offre un’interfaccia semplice per l’elaborazione in batch dei documenti TEI

Esempio d’uso

from multi_saxon import MultiSaxon

# Initialize with your XSLT stylesheet
transformer = MultiSaxon("transform.xsl")

# Transform a single document
transformer.transform("input.xml", "output.xml")

# Transform an entire directory in parallel
transformer.transform_directory("input_dir", "output_dir")

Che cosa cambia per l’umanistica digitale

Per i progetti di umanistica digitale alle prese con grandi collezioni di documenti TEI, Multi-Saxon rende possibili:

trasformazioni complesse sull’intero corpus, impensabili con LXML
tempi di elaborazione drasticamente ridotti (spesso di 5-10 volte sui sistemi multi-core)
analisi più sofisticate grazie alle funzionalità avanzate di XSLT 2.0/3.0
un flusso di lavoro più semplice per elaborare intere collezioni di documenti

Il codice sorgente e la documentazione sono nel .