LISA OSCAR(Open Standards for Container/Content Allowing Re-use)主要包括TMX、TBX、SRX、GMX和xml:tm五种标准。
LISA在2011年破产后，指定欧洲电信标准化协会继续维护系列标准，同时其它人或组织也可以遵循CC 3.0标准进行分享。
现在可以在GALA的网站上查询标准的技术说明：https://www.gala-global.org/lisa-oscar-standards
TMX
TMX（Translation Memory eXchange）是可以用于在不同CAT软件之间交换翻译记忆的格式，一个TMX的文件例子如下：
<tmx version="1.4">
<header
creationtool="XYZTool" creationtoolversion="1.01-023"
datatype="PlainText" segtype="sentence"
adminlang="en-us" srclang="en"
o-tmf="ABCTransMem"/>
<body>
<tu>
<tuv xml:lang="en">
<seg>Hello world!</seg>
</tuv>
<tuv xml:lang="fr">
<seg>Bonjour tout le monde!</seg>
</tuv>
</tu>
</body>
</tmx>
header里列出的属性都是必须填写的。其中adminlang不太好理解，意思是header标签里说明性内容所用的语言。而o-tmf指转换为tmx前是以什么格式存储的。
tu元素表示一个翻译单元(trans-unit)，里面可以包含多个语言的对应文本。如果文本有特殊格式，例如加粗和斜体，需要使用bpt和ept这类行内标签进行处理。每个tuv还可以设置创建或修改该条内容的人的名字、操作的时间等等。
可以用note元素添加备注，另外也可以用prop标签自定义一些属性。
TBX
TBX（TermBase eXchange）是术语交换格式，现在已经成为了ISO标准。以下截取自微软提供的术语库文件。
<?xml version="1.0" encoding="UTF-8"?>
<martif type="TBX" xml:lang="en-US">
<martifHeader>
<fileDesc>
<titleStmt>
<title>Microsoft Terminology Collection Export</title>
</titleStmt>
<sourceDesc>
<p>Microsoft Terminology Collection</p>
</sourceDesc>
</fileDesc>
</martifHeader>
<text>
<body>
<termEntry id="6151_126">
<langSet xml:lang="en-US">
<descripGrp>
<descrip type="definition">A printed circuit board that enables a personal computer to use a peripheral device, such as a CD-ROM drive, modem, or joystick, for which it does not already have the necessary connections, ports, or circuit boards. Commonly, a single adapter card can have more than one adapter on it.</descrip>
</descripGrp>
<ntig>
<termGrp>
<term id="126">adapter</term>
<termNote type="partOfSpeech">Noun</termNote>
</termGrp>
</ntig>
</langSet>
<langSet xml:lang="zh-cn">
<ntig>
<termGrp>
<term id="1165982">适配卡</term>
<termNote type="partOfSpeech">Noun</termNote>
</termGrp>
</ntig>
</langSet>
</termEntry>
</body>
</text>
</martif>
Martif是Machine Readable Terminology Interchange Format的缩写。martifHeader里包括对文件的描述信息，sourceDesc是关于文件的任意描述信息，titleStmt里包含文件的名字的定义。
tbx的主体还是看termEntry元素，langSet子元素包含了每种语言相关的内容。descripGrp里是对术语条目的描述信息，比如描述术语的概念、术语的领域，它可以包含在langset里，也可以包含在ntig里。ntig(nesting term information group)里可以存放包含术语的文本、备注信息。tig和ntig的区别是tig适用于简单的情况。
通过在langSet里并列存放tig元素，可以用来表示同义词、缩写等情况。
<langSet xml:lang="de">
<tig>
<term>Abtastglied</term>
</tig>
<tig>
<term>Abtaster</term>
</tig>
</langSet>
<langSet xml:lang="de">
<tig>
<term>Proportionalglied plus Integrierglied</term>
</tig>
<tig>
<term>PI-Glied</term>
<termNote type="termType">abbreviation</termNote>
</tig>
</langSet>
如果术语由多个单词组成，还可以在里面存放每个单词的信息，例子如下：
<langSet xml:lang="fr">
<ntig>
<termGrp>
<term>table des transitions d'états</term>
<termCompList type="termElement">
<termCompGrp>
<termComp>table</termComp>
<termNote type="grammaticalGender">feminine</termNote>
</termCompGrp>
<termCompGrp>
<termComp>des</termComp>
<termNote type="partOfSpeech">other</termNote>
</termCompGrp>
<termCompGrp>
<termComp>transitions</termComp>
<termNote type="grammaticalNumber">plural</termNote>
<termNote type="grammaticalGender">feminine</termNote>
</termCompGrp>
<termCompGrp>
<termComp>de</termComp>
<termNote type="partOfSpeech">preposition</termNote>
</termCompGrp>
<termComp>états</termComp>
</termCompList>
</termGrp>
</ntig>
</langSet>
因为TBX的格式较为复杂，解析起来会比较困难。
SRX
SRX（Segmentation Rules eXchange）是专门用于表示句段分割规则的格式。关于句段分割，我在此文有一个基本的思路：BasicCAT开发笔记（二）：句段分割。SRX的实现方法其实和我的类似。它也直接将正则表达式作为规则进行存储，而且处理的先后顺序很重要，另外它也有分例外规则和分割标准。
当然SRX想得要详细的多。比如分割规则，它有分在分割前出现的内容（beforebreak）和分割后出现的内容（afterbreak）。比如对于以下内容，句号是一个要分割的字符，但是句号前后如果是数字，或者后面是引号，就应该是例外规则。这时区分句号前后的内容可以方便地进行正确的分割。
Mr. Xu is an English teacher. He is 1.7m tall. He likes teaching knowledge about CAT tools. For me, He is like a “Super.”
这样的设定和它的算法有关。下面是进行句段分割的伪代码：
for each inter-character position in the text
for each <rule> element in the list
if the current <rule> matches the inter-character position then
if the <rule> element specifies a break then
break the text at this point
end if
exit for
end if
next
next
代码一个字符一个字符地读取文本，读取每一字符时，对每条规则进行匹配，如果匹配，则根据break属性决定是否进行断句，并跳到下一个字符上继续操作。
以下是一个来自SRX标准文件的SRX文件的示例，包含了英、法、日三语的规则。
<?xml version="1.0"?>
<srx version="2.0"
xmlns="http://www.lisa.org/srx20"
xsi:schemaLocation="http://www.lisa.org/srx20 srx20.xsd"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<header segmentsubflows="yes" cascade="yes">
<formathandle type="start" include="no"/>
<formathandle type="end" include="yes"/>
<formathandle type="isolated" include="yes"/>
</header>
<body>
<languagerules>
<languagerule languagerulename="Default">
<!-- Common rules for most languages -->
<rule break="no">
<beforebreak>^\s*[0-9]+\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
<rule break="yes">
<afterbreak>\n</afterbreak>
</rule>
<rule break="yes">
<beforebreak>[\.\?!]+</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
</languagerule>
<languagerule languagerulename="English">
<!-- Some English abbreviations -->
<rule break="no">
<beforebreak>\s[Ee][Tt][Cc]\.</beforebreak>
<afterbreak>\s[a-z]</afterbreak>
</rule>
<rule break="no">
<beforebreak>\sMr\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
<rule break="no">
<beforebreak>\sU\.K\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
</languagerule>
<languagerule languagerulename="French">
<!-- Some French abbreviations -->
<rule break="no">
<beforebreak>\s[Mm]lle\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
<rule break="no">
<beforebreak>\s[Mm]lles\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
<rule break="no">
<beforebreak>\s[Mm]me\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
<rule break="no">
<beforebreak>\s[Mm]mes\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
</languagerule>
<languagerule languagerulename="Japanese">
<!-- Rules for breaking on Japanese punctuation
\xff61: Halfwidth ideographic full stop
\x3002: Ideographic full stop
\xff0e: Fullwidth full stop
\xff1f: Fullwidth question mark
\xff01: Fullwidth exclamation mark
-->
<rule break="yes">
<beforebreak>[\xff61\x3002\xff0e\xff1f\xff01]+</beforebreak>
<afterbreak></afterbreak>
</rule>
</languagerule>
</languagerules>
<maprules>
<!-- List exceptions first -->
<languagemap languagepattern="[Ee][Nn].*" languagerulename="English"/>
<languagemap languagepattern="[Ff][Rr].*" languagerulename="French"/>
<!-- Japanese breaking rules -->
<languagemap languagepattern="[Jj][Aa].*" languagerulename="Japanese"/>
<!-- Common breaking rules -->
<languagemap languagepattern=".*" languagerulename="Default"/>
</maprules>
</body>
</srx>
我们看body标签里，有languagesrules标签，里面的每个languagerule包含一种语言的分割规则。rule标签里是breakbreak和afterbreak标签，用正则表示分割的字符前后的内容。如果rule的break属性是no，说明是例外，不进行分割。
maprules里根据语言代码指定使用哪种语言的分割规则，比如en-US对应使用英语的分割规则。
然后我们再看header。利用formathandle属性，可以设置断句的前面或者后面有格式标记时，要不要进行包括。segmentsubflows表示一个断句单位里包含另一个单位时要不要进行分割，比如html的img元素里的alt属性。cascade设为yes时，如果匹配到一条规则，那么其它的规则就不再生效。
利用srx进行句段分割，这里还有一个开源项目segment可供参考：https://github.com/loomchild/segment
语言代码
上述标准都会用到如zh-cn这样的语言代码。
一般语言代码有两种表示方法，一种是en、zh这样遵循ISO 639标准的语言代码，另一种是在前者的基础上添加ISO 3166标准定义的国家代码而构成的代码，如en-us，zh-cn。
BasicCAT提供对上述三种标准的支持，可以参见我写的开发笔记了解其对这三种算法支持的实现。