В. А. Капустин Содержание Формальные структуры текстовых документов 1 Курс лекций

Вид материала

Подобный материал:

Курс лекций по дисциплине " основы компьютерных технологий" Часть I. Microsoft Word, 432.92kb.
Сферы использования текстовых документов, 52.06kb.
Курс, 1-й семестр лекции (51 час), экзамен практикум на ЭВМ (68 часов), зачет (с оценкой), 24.4kb.
Календарный план курса учебных занятий по спецкурсу «Формальные языки моделирования, 61.45kb.
Тема: Создание документов в текстовых редакторах, 13.54kb.
Н. Э. Баумана Кафедра Компьютерные системы и сети Г. С. Иванова, Т. Н. Ничушкина Оформление, 109.65kb.
Формальные и неформальные структуры, их роль в организации содержание, 304.91kb.
Текстовые редакторы это программы для создания и редактирования текстовых документов, 263.8kb.
Курс лекций Преподаватель Михайлов Н. Л. Рыбинск 2001, 562.19kb.
Курс лекций Барнаул 2001 удк 621. 385 Хмелев В. Н., Обложкина А. Д. Материаловедение, 1417.04kb.

1 ... 9 10 11 12 13 14 15 16 17

Лекция 6.Структура основной части документа TEI

Основная часть текста (body), как уже говорилось выше, может содержать элементы нескольких классов:

Блочная структура текста
Закладки
Выделения
Цитаты
Примечания
Перекрёстные ссылки и связи
Редакторская правка, пропуски, удаления и дополнения
Имена, даты, числа, сокращения и адреса
Списки
Библиографические ссылки
Таблицы
Рисунки и графика
Интерпретация и анализ
Техническая документация

Некоторые из них используются для разметки блоков текста, другие – для разметки потоковых фрагментов текста. Не все они употребляются одинаково часто. Остановимся подробнее на некоторых часто используемых элементах.

Блочная структура текста

Полная DTD TEI имеет блочную организацию; в ней отдельные группы элементов, которые должны встречаться вместе, собраны в параметрические сущности, поэтому устройство этого DTD более или менее может быть понято (более или менее потому, что этим параметрическим сущностям даны, в отличие от DocBook, недостаточно мнемонические имена). DTD TEI Light, однако, вообще не использует параметрические сущности, что делает изучение этого DTD непростым занятием. Я соберу некоторые группы элементов TEI Light в классы, для обозначения каждого такого класса использую параметрическую сущность, которой дам своё имя.

Структура тела документа

Сначала я определю класс «маркирующих» элементов, предназначенных для отметки видимой или невидимой области в документе (эта область может вырождаться и точку, например, для элементов anchor и pb):

% body.marks
"anchor | gap | index | interp | interpGrp | lb | milestone | pb"
>

Затем определяем класс элементов, которые могут входить как в заголовок, так и в завершающую часть тела (не путать с титульным листом и завершающей частью документа – TEI допускает дополнительный заголовок и завершающую часть для тела документа и даже для разделов):

"byline | dateline | epigraph | salute | signed"
>

Теперь можно определить заголовок и завершающую часть тела (перечисление элементов, которые могут входить только в заголовок, и элементов, которые могут входить только в завершающую часть, я вынес в отдельные параметрические сущности). Вот структура заголовка:

% body.header.elements
"( argument | docAuthor | docDate | head | opener | signed )"
>
% body.header
"( %body.header.elements; | %body.marks; | %body.framingElements; )"
>

Завершающая часть в TEI Light определена несколько иным способом (явно выделена произвольная цепочка маркирующих элементов):

% body.trailer.elements
"(closer | trailer | %body.framingElements; )"
>
"(%body.trailer.elements; , ( %body.marks; )*)"
>

Причины для такого различия в определениях заголовка и завершающей части мне непонятны – и заголовок, и завершающая часть, как мы вскоре увидим, могут встречаться в теле документа произвольное количество раз, так что можно было бы и унифицировать определения.

Теперь можно перейти к определению собственно (тела ) тела документа. Это тело тела может состоять непосредственно из размеченного текста (за которым может следовать некоторый набор разделов), либо только из некоторого набора разделов. Сначала соберём в отдельный класс элементы, которые могут быть использованы вне разделов (out of div – «внераздельная» разметка):

% body.outOfDiv
"(eg | bibl | biblFull | ab | l | lg | p | sp | cit | q
| label | list | listBibl | note | stage)"
>

На уровне тела тела документа нельзя использовать произвольные разделы: это должны быть разделы уровней 0 (div0) или 1 (div1) или рекурсивные разделы (div), либо разделы, сгенерированные программно (текстовым процессором или иной программой – «автоматические разделы» divGen). Чтобы яснее выразить праворекурсивные правила, определяющие возможность использования вперемешку разделов одного и того же уровня и программно сгенерированных разделов (вместе с маркирующими элементами), определим «хвостовые» части цепочек, состоящих из одних и тех же разделов:

% body.tail.R "(div | divGen | %body.marks;)" >
% body.tail.0 "(div0 | divGen | %body.marks;)" >
% body.tail.1 "(div1 | divGen | %body.marks;)" >

Теперь можно определить сами цепочки, состоящие из одних и тех же разделов:

% body.R "(div, %body.tail.R;*)" >
% body.0 "(div, %body.tail.0;*)" >
% body.1 "(div, %body.tail.1;*)" >

«Ручная разметка» состоит из разделов одного и того же вида (уровней 0 или 1 или рекурсивных разделов):

Автоматическая разметка может перемежаться маркировочными элементами:

В результате определение тела документа приобретает понятный вид: сначала в теле документа должны быть использованы элементы заголовка тела (в любом количестве; в том числе заголовок тела может и отсутствовать), затем идёт «тело тела», а затем – элементы завершающей части тела, которая также может отсутствовать:

body
(
%body.header;*,
(
(
( %body.outOfDiv; , ( %body.marks; )* )+ ,
%body.div.generated;*, %body.div.byHand;?
)
|
( %body.div.generated;*, %body.div.byHand;? )
),
%body.trailer*
)
>

Строение «тела тела» также теперь очевидно. Оно может быть образовано двумя способами:

1 (
2 ( %body.outOfDiv; , ( %body.marks; )* )+ ,
3 %body.div.generated;*, %body.div.byHand;?
4 )
5 |
6 ( %body.div.generated;*, %body.div.byHand;? )

В первом способе перед необязательными разделами следует некоторая часть текста, размеченная с использованием элементов класса body.outOfDiv (вперемешку с маркирующими элементами). Во втором – такая часть текста отсутствует.

Замечание

Наличие именно таких альтернатив в описании тела тела документа объясняется необходимостью допустить три варианта строения этой части элемента:

Только внераздельная разметка (строка 2)
Внераздельная разметка (строка 2), за которой следуют разделы (строка 3)
Только разделы (строка 6)

Четвёртый вариант – отсутствие содержимого – невозможен из-за наличия скобок, окружающих «тело тела» (выделены полужирным шрифтом в объявлении body) – поскольку после скобок нет знаков ? или *, то что-нибудь из описанного внутри скобок содержимого должно присутствовать.

Если думать о DTD как о порождающей грамматике (это так в случае применения DTD в инструментах типа Altova Authentic), то объявление тела документа можно было бы ещё сократить:

body
(
%body.header;*,
(
( ( %body.outOfDiv; , ( %body.marks; )* )+ )? ,
%body.div.generated;*, %body.div.byHand;?
),
%body.trailer*
)
>

Однако, возможно, распознающая грамматика с таким правилом не является детерминированной – это нуждается в проверке.

На самом деле DTD TEI Light порождается из DTD TEI автоматически, поэтому подобные сокращения следует делать с осторожностью.

Раздел

Все разделы ручной разметки (рекурсивные div и разделы всех уровней – от div0 до div7), имеют одинаковую структуру (с той лишь оговоркой, что в разделы div0 – div6 входят разделы следующего уровня, в раздел div – только разделы div, а в div7 никакие разделы не входят – место вхождения таких разделов я выделил полужирным шрифтом). Структура раздела напоминает структуру тела тела документа (и даже можно использовать уже объявленные сущности):

div
(
%body.header;*,
(
( (div | divGen), (%body.marks;)* )+
|
(
( %body.outOfDiv; , (%body.marks;)* )+,
( (div | divGen), (%body.marks;)* )*
)
),
%body.trailer;*
)
>

Приведу для примера объявление раздела первого уровня:

div1
(
%body.header;*,
(
( (div2 | divGen), (%body.marks;)* )+
|
(
( %body.outOfDiv; , (%body.marks;)* )+,
( (div2 | divGen), (%body.marks;)* )*
)
),
%body.trailer;*
)
>

В этих объявлениях важно обратить внимание на структуру тела раздела. Существуют два варианта этой структуры:

Тело раздела начинается с раздела (более глубокого уровня в случае нумерованного раздела; рекурсивного раздела div в случае рекурсивного раздела div; или сгенерированного раздела).

В этом случае элементы, расположенные вне разделов, на уровне раздела употреблять нельзя. На уровне раздела используются исключительно разделы более глубокого уровня, сгенерированные разделы и маркирующие элементы.

Тело начинается с элементов, которые расположены вне раздела.

В этом случае за цепочкой элементов, которые расположены вне раздела (возможно, разбавленной маркирующими элементами), идёт цепочка разделов более глубокого уровня, сгенерированных разделов и маркирующих элементов.

Таким образом, раздел может начинаться с элементов, которые допустимы в разделе (%outOfDiv;), и состоять только из таких элементов, но вслед за такими элементами могут идти другие разделы.

Генерируемые разделы – divGen – представляют собой пустой элемент.

Другие элементы блочной структуры

К блочной структуре также относятся: