範囲のアノテーション
コーパス中の範囲のアノテーションはどうするのが良いか
例えば書籍コーパス中の「この範囲はソースコード」
範囲前後に特定の(出現しなさそうな)文字を入れる案
Unicode私用領域とか
人間に入力しやすくするツールが必要
範囲選択してワンクリックorショートカットってのがいいね
人の目で直接読めない
範囲前後に特定の文字列を入れる
<span class='code'>...</span>
普通のHTMLパーサで取り除けるから良い
普通のHTMLパーサでアノテーションされた範囲だけ取り出すこともできる
若干冗長だが
これでいいのでは
関連 マイクロフォーマット - Wikipedia マイクロフォーマット