Dokumenten- und Publikationsserver der Humboldt-Universität zu Berlin Modulare Verwaltung dokumentenorientierter DTDs6.2.2003 AG "Elektronisches Publizieren"

Dokumenten- und Publikationsserver

der Humboldt-Universität zu Berlin

Modulare Verwaltung dokumentenorientierter DTDs 6.2.2003

AG "Elektronisches Publizieren" des Computer und Medienservice der Universitätsbibliothek der Humboldt-Universität zu Berlin — Jakob Voß

Verwaltung dokumentenorientierter DTDs für den Dokument- und Publikationsserver

der Humboldt Universität

Jakob Voß(6.2.2003)





Übersicht

1. Historie

2. Archivierung mit SGML/XML an der HU Berlin

3. Dokumentenorientierte XML-Formate

4. Aufbau und Verwaltung der DiML-DTD

5. Zusammenfassung und Ausblick





Historie 1

1987 — erste Dissertations DTD (ETD) von Juri Rubinski

1997 — Überarbeitung zur Version 1.1 von Neil Kipp

Ab September 1997 Projekte an der Humboldt Universität– Anpassung der ETD als DiML zur SGML-Archivierung– Promovendenbefragung– Dokumentenvorlage für Word– Konvertierung mit SGML Author for Word





Historie 2

April 1998 — Änderung der Promotionsordnung– Autorenschulungen zur Dokumentenvorlage– Beitritt der NDLTD (als erste dt. Universität)– Veranstaltung eines DTD-Workshops (Mai 1999)– DFG-Projekt Dissertationen Online– Unterstützung weiterer Publikationsverfahren in der

Universität (Öffentliche Vorlesungen, Zeitschriften)– Knapp 250 Dokumente in SGML + 150 in Bearbeitung





Warum SGML/XML als Archivformat?

– Internationale Normierung durch ISO8879– Plattformunabhängig lesbar– Langzeitarchivierung (> 10 Jahre)– Medienneutrale Präsentation durch Transformation– Strukturierte Recherche und Weiterverarbeitung

durch Informationsextraktion





Arbeitsablauf

– Publikationsvorhaben des Autors– Dokumentenvorlage, Schulung und Hilfe– Korrektur und endgültige Abgabe– Aufnahme von Metadaten und PDF– Konvertierung nach SGML/XML– Archivierung– Weiterverarbeitung (HTML, Recherche, PoD...)





Workflow (technisch)





Grundstruktur eines (DiML)-Dokumentes

<etd>

<front>..title...author...abstract...</front>

<body>

<chapter>

<section>

...

</body>

<back>..bibliography...appendix...vita...</back>

</etd>





Dokumentenorientierte XML-Formate

XHTML Hypertexte

DocBook Technische Dokumentation

TEI Retrodigitalisierung, Textanalyse

OpenOffice Office-Dokumente

ISO 12083 (AAP/EPSIG), NITF, OeB...





KooperationPartner HU

BerlinVirginia Tech

Univ. of Iowa

Univ. of Montreal/Lyon

Tech. Univ. Helsinki

Univ. of Michigan

Univ. Oslo

DTD DiML ETD TDM TEI-Light HutPubl TEI-Light

ISO-Book

Konv.nach SGML/XML

SGML-Author for Word

SGML-Author

Majix Omnimark rtf2sgml

Frame-Maker+ SGML

Omni-mark rtf2sgml

Balise

SGMLnach HTML, PDF

Perl-script, DSSSL

Perl-script

CSS XSL DSSSL, Frame-Maker

- -

Siehe http://edoc.hu-berlin.de/epdiss/dtd-workshop





Anforderungen an ein Dokumentenformat

• Verschiedene Arten von Dokumenten• Spezielle Anforderungen (MathML, SVG, RDF...)

-> modularisiert

• einfach benutzbar

• dokumentiert und wartbar

-> DTD

-> Erzeugung von Dokumentation und DTDaus einer Quelle





Modularisierung

Basis-DTD

CALS(Tabellen)

Medien

MathML

Geisteswiss.

CML

Weitere

Basis-DTD– Front, Body, Back– Titelblatt– BibliographieMedien– SVG, SMIL, weitere– BitmapformateGeisteswiss.– Gedichte, RezensionWeitere– Offene definierte Schnittstelle

z.B. TEI-Module, Dublin Core





Möglichkeiten der Verwaltung

• DDML (1/1999) ist nie über eine W3C Notehinaus und unterstützt keine Modularisierung

• XML Schema ist zu komplex (DTD-Generierung!)• Entity-Konstrukte sind schlecht wartbar und beschränkt

<!ENTITY % elements-1 "foo | bar"><!ENTITY % elements-2 "baz | foo"><!ENTITY % elements-3 ""><!ELEMENT doz (%elements-1; | %elements-2; | %elements-3;)*>





Architektur





Inhalte der DTDBase

– Elemente (und Enumerations, Notations)– Gruppen– Module– Externe DTDs– Beschreibung– Beispiele





Module

text br, em, strong, sup, sub, u, tt, precommon p, head, caption, url, name, foreign…structure chapter, section, subsection…citation Zitate und Literaturangabendocuments Seitenzahlen, Fußnoten…diml front, body, back, abstract…

lists (Listen), CALStable (Tabellen), media (Grafik)mathematics (MathML), verse (Gedichte)





Gruppen

Klassen gleichartiger Elemente

Beispiel: Gruppe inlineforeign, url... [module common]

footnote, citation [module citation]

imath [module mathematics]

Benutzung der Gruppe in anderen Elementenp := (#PCDATA | %inline.group; | ...)*





Beispiel: Modul lists

ul,ol := (caption?, li+)(block.group)

dl := (caption?, def+) " "

def := ((term | foreign) , (dd | term)+)dd,li := (%paragraph.group;)

Elemente: ol, ul, dl, def, dd, liGruppen: blockBenötigte Elemente: captionBenötigte Gruppen: paragraph





Abhängigkeiten zwischen Module

Aufgrund benötigter Elemente und Gruppen





Auswahl von Module





Elementdefinition

<element name="imath"> <refpurpose lang="en">... <refdescription lang="en">... <refpurpose lang="de">... <refdescription lang="de">... <group>inline</group> <contentspec type="children"> ... </contentspec> <attribute name="label" type="CDATA"/></element>





Content Specification

DTDSys-Syntax in XML DTD-Syntax

<contentspec type="mixed">

<contentspec type="children">

<contentspec type="EMPTY">

<!ELEMENT x (#PCDATA | ...)>

<!ELEMENT x (...)>

<!ELEMENT x EMPTY>

<dtd-sequence>

<dtd-choice>

( ... , ... , ... )

( ... | ... | ... )

<dtd-element name= "foo">

<dtd-inclusion name="bar">

foo

%bar.group;

<... occurence="any|more|optional">

* | + | ?





Enumerations, Notations

Wie bei Elementen in Gruppen

Notation plaintext gehört zu Gruppe altFormat

Element alt, attribut notation = Gruppe altFormat

<alt notation="plaintext">Ein Foto</alt>

Modul mathematics: TeX, LaTeX

<alt notation="TeX">e=mc^2</alt>





Externe DTDsEinbindung fremder Formate (MathML, SVG, CML…) durch Zuweisung eines festen Namensraumes.

<imath> <alt notation="TeX">W^3</alt> <mathml:math> <mathml:apply> <mathml:power/> <mathml:ci>W</mathml:ci><mathml:cn>3</mathml:cn> </mathml:apply> </mathml:math></imath>





DiML-Styles

Erzeugung von HTML mit XSLT

Aufbau der Style-Bibliothek 1:1 wie in den Modulen

module-lists/html.xsl

module-lists/html/li.xsl

module-lists/html/dl.xsl

module-lists/html/ol.xsl

module-lists/html/ul.xsl





Grenzen

– DTDSys geht nicht über DTD hinaus, da ja eine DTD weitergegeben werden soll (XML Schema?)

– Die Grenzen liegen letztendlich beim Autor

Noch nicht vollständig implementiert– Beispiele (mit Verknüpfung zu Definitionen)– Mehrsprachigkeit der Dokumentation– Styles und andere Werkzeuge





Zusammenfassung

– Langzeitarchivierung und Weiterverarbeitung elek-tronischer Publikationen setzt XML o.ä. voraus

– DiML ist ein XML-basiertes Dokumentenformat für wissenschaftliche Publikationen

– Es ist einfach benutzbar (DTD) und trotzdem flexibel– Mit Konverter und Styles bildet DTDSys ein voll-

ständiges Toolkit zur XML-basierten Publikation– Der CMS kann weitere XML-basierte Publikations-

vorhaben (Konferenzbände...) einfach realisieren





Quellen

Server http://edoc.hu-berlin.de

Die DiML-DTD http://edoc.hu-berlin.de/diml/

Zur Konvertierung http://edoc?????????

ProPrint http://edoc.hu-berlin.de/proprint/

http://db2-www.sub.uni-goettingen.de/

NDLTD http://www.ndltd.org





Vielen Dank für Ihre Aufmerksamkeit! :-)





Warum nicht XML Schema?

– Dokumente haben keine Datentypen– DTD wird breiter unterstützt– XML Schema ist zu komplex– Müsste sowieso angepasst werden– keep it simple, stupid!





Word mit Formatvorlage





Staroffice 6.0





XML-Output aus Staroffice 6.0





FrameMaker + SGML 6.0





XML-Output aus FrameMaker + SGML 6.0









Output aus Word + XMLWriter Add-IN Mediatext Jena

Documents

Dokumenten- und Publikationsserver der Humboldt-Universität zu Berlin Modulare Verwaltung dokumentenorientierter DTDs6.2.2003 AG "Elektronisches Publizieren"