Das Register von 1654 (die Bodjanskij-Ausgabe von 1874) habe ich noch manuell erfasst. Das heißt: Ich habe die Liste, die aus gut 40.000 Kosaken bestand, händisch abgeschrieben. Dieses Vorgehen kann ich heute nicht mehr empfehlen, da sich auch bei größter Sorgfalt der Fehlerteufel schnell einschleicht.
Dank der Veröffentlichung in pdf-Dateien können die (meisten) Register heute per Copy & Paste übernommen und in eine normale Text-Datei übertragen werden. Allerdings birgt auch dies gewisse Risiken. U.a. die Angewohnheit, Kosakenlisten in zwei Spalten darzustellen, sorgt bei der Übernahme der Daten häufig für nicht unerheblichen Nachbearbeitungsbedarf.
 | Die Fähigkeiten der Texterkennung funktioniert für Altkirchenslavische Lettern nicht immer korrekt! Hier gibt es je nach Ausgangsdokument charakteristische Abweichungen. |
Bei der Übernahme der Daten aus der Vorlage sollten möglichst alle Informationen übernommen und so in die Abschrift eingetragen werden, dass sie später (in der CALC-Tabelle) berücksichtigt werden können:
Übernahme der Seitenzahlen in einer extra Zeile
Übernahme der Rubriken/Überschriften in einer extra Zeile
Spaltenweises einlesen der Namenslisten
| → |
|
Da die Rohdaten konsequent nach Zeilen gegliedert sind, kann das txt-File einfach in Calc importiert werden. Sofern Zeilen weise bereits vorstrukturiert wurde (mit # oder Tab) können diese Zeichen beim Import bereits als Feldtrenner angegeben werden.
Anschließend geht es erst einmal darum, diejenigen Zeilen zu verarbeiten, die sich nicht auf einzelne Kosaken beziehen. Das sind u.a. die Seitenzahlen, "Rubriken" wie Ort (kurinnja, sotnja) und ggf. Status. Statusangaben (pešij, konnyj, možnyj, ubogij, aber auch "Leistet Dienst mit anderen von einer Hofstelle") packen wir - je nach Bedarf - in gesonderte Spalten.
Sind in einem Register auch Familienmitglieder (Beispiel: "в него брат Сидор"), dann duplizieren wir diese Zeile, so dass es einen Eintrag für den zuerst genannten Bruder und eine für den Bruder - in diesem Falle "Sydir" - gibt. In einer eigenen Spalte können wir den Verwandtschaftsgrad festhalten: Bruder.
 | Insofern ist es wichtig, dass die ursprüngliche Reihenfolge der Zeilen immer wieder hergestellt werden kann, - die Verwandschaftsbezihung Bruder → Bruder ergibt sich erst aus dem Kontext der Abfolge! |
Da im Verlaufe der folgenden Schritte Umsortierungen immer wieder nötig werden, nutze ich eine weitere Spalte, um über eine Sortierung die ursprüngliche Abfolge immer wieder herstellen zu können. Deshalb erstelle ich noch eine Spalte register_position, mittels der alle Daten abhängig von der militärischen Einheit durchnummeriert werden. Dies ist u.a. dann der Fall, wenn man im Verlaufe der Bearbeitung die erfassten Daten nochmals mit der Quelle abgleichen will.
Sobald alle Zusatzinformationen auf die Zeilen jedes Kosaken verteilt sind, können sämtliche leeren Zeilen gelöscht werden.
 | Es ist weiterhin hilfreich, wenn man für jeden der im folgenden dargestellten Schritte den Zwischenstand in einer gesonderten Datei abspeichert. Ich habe da so meine Erfahrungen gemacht … |
Da Schreibweisen im 17. und 18. Jahrhundert wenig genormt waren, müssen die Namen für die Spalten Systemnamen vereinheitlicht werden. Hierbei orientiere ich mich weitgehend an ukrainischen Telefonbüchern oder https://uk.wikipedia.org.
Ich selbst arbeite in diesen Schritten gerne mit den transkribierten Namen, d.h. ich übersetze die Zeichen in den Spalten sys*_ über Suche-Ersetze-Aufrufe in das lateinische Alfabet.
Diese 1:1-Umsetzung ist nur ein Zwischenschritt, denn nun folgt
der Aufruf jedes Namens in der Datenbank, um zu prüfen, ob der genannte Kosak oder Name bereits bekannt ist,
wenn ein Kosak bekannt ist bzw. gefunden wird, erfassen der cossack_id in einer eigenen Spalte (Löschen des Namens in den Spalten sys*)
für die verbleibenden Kosaken wird ein entsprechender Einheitsname gewählt.
 | Grundsätzlich ist es für die Suche nach Kosaken besser, wenn die Transskription als erstes vorgenommen wird. Anschließend kann man die Zeilen alfabetisch ordnen und so die Suche nach Kosaken bündeln. |
Sind alle Kosaken im System gesucht und die gefundenen entsprechend (gefüllte cossack_id) markiert worden, sieht die Tabelle in etwa folgendermaßen aus:
Für bekannte Kosaken benötigen wir keinen Systemnamen mehr - er wird anhand der vorhandenen cossack_id aus der Datenbank gezogen.
Neue Kosaken haben noch keine id, dafür benötigen wir den Systemnamen.
Sämtliche sonstige Informationen befinden sich in einer Zeile der Tabelle
Daten zum militärischen Rang, Regiment, Hundertschaft etc. sind bereits gefüllt,
Daten zur Quelle (source_id) sowie Band, Dokumentennummer (falls vorhanden), Seitenzahl sind ebenfalls vorhanden.
Weitere Informationen, die erst später bearbeitet/extrahiert werden, befinden sich ggf. in den Spalten danach.
Sind in einer Quelle Familieninformationen enthalten ("Пилипъ Бутенко з синами Яремою и Даниломъ на едномъ дворе"), so befinden sich nach dem oben genannten Vorgehen für eine Zeile in der Quelle jetzt drei Zeilen, wobei Pylyp in der Familienspalte als Vater und die Söhne Jarema und Danylo als Sohn ausgewiesen sind.
Da inzwischen auch alle Kosaken über eine ID identifizierbar sind, können wir die Strukturen für die Tabellen cossack_families und cossack_relatives aufbereiten.
Über die gesonderten Tabellenfelder family_id, father_id, mother_id für die cossack_families und die Felder [relatives]_id, family_id, cossack_id können nun die Familienzusammenhänge Datenbank konform vorstrukturiert werden. Auch hier werden die IDs für die Familien von mir vorgegeben.
Noch zu verarbeitende Zusatzinformationen werden inklusive Referenz-id in einer gesonderten Tabelle abgespeichert.
Es sollten danach nur noch Felder in der Tabelle sein, die zur Datenbank-Tabelle military_positions gehören:
Leere Felder müssen nun mit NULL gefüllt werden,
Die Datumsfelder date_begin und date_end mit Werten gefüllt sein, Format JJJJ-MM-TT
Das Feld created_at enthält den Wert NOW()
An Anfang und Ende der Tabelle erstellen wir nun zwei neue Spalten, in denen wir tags einfügen, die später durch die entsprechenden SELECT-Anweisungen ersetzt werden sollen. So etwa
#mil-pos_begin# in der ersten Spalte
#mil-pos_end# in der letzten Spalte
Jetzt kann die Tabelle als csv-Datei abgespeichert werden:
Zeichensatz: Unicode (UTF8)
Feldtrenner: ;
Zeichenkettentrenner: '
| Die Felder date_begin und date_end müssen als Textfelder exportiert werden, d.h. im csv mit Zeichenkettentrenner '' hinterlegt sein. |
Sobald die Bearbeitung abgeschlossen ist, kann man die Dateien als *.sql-Dateien abspeichern.
Gute Texteditoren, bei denen man den Modus auf SQL (MySQL) einstellen kann, weisen einen durch Verwendung von Farben schon darauf hin, dass etwas an einzelnen Stellen nicht stimmen kann.
