ここでは、東アジア／日本のテキストデータ構造化に直接関わりを持つことの多いデータ形式について簡単に紹介する。

テキストデータの構造化にあたっては、まずはテキストデータそれ自体が必要となる。ボーンデジタルのテキストや、すでにデジタルテキストが提供されている場合にはそのまま利用することが可能だが、紙媒体などの非デジタル媒体に記録されたテキストを対象とする場合、デジタル翻刻（文字起こし）をする必要がある。それには、人手や費用など、何らかのコスト（ここでは費用・時間・人手を含む全般を指す）を負担する必要がある。そして、それを踏まえて、(1)どのような手段で、（2)どのような文字に、デジタル翻刻するか、ということに関する方針を決めねばならない。ここでは、それにあたっての指針を示す。

ここで言うテキストデータの構造化とは、テキストデータにおいて、本文に明示的に記述されない様々な要素を、その利用者の必要性に沿って記述し他者と共有できるようにすることを指す。

2025年8月31日暫定版 文部科学省委託事業　人文学・社会科学のＤＸ化に向けた研究開発推進事業（データ基盤の開発に向けたデジタル・ヒューマニティーズ・コンソーシアムの運営）研究基盤ハブ