Глава 2

ТЕХНОЛОГИИ ОБРАБОТКИ ДОКУМЕНТОВ

Технологии работы с документами на компьютерах весьма популярны и часто отождествляются пользователями с инфор­мационными технологиями вообще. Преподавание информационных технологий в учебных заведениях (средних, да и высших) зачастую исчерпывается обучением навыкам работы с текстовыми редакторами (наподобие MS Word) и табличными процессорами (MS Excel и др.).

Ни в коей мере не умаляя важности и необходимости вла­дения данным инструментарием и уделяя ему соответствующее место в рамках данной главы, авторы попытались основное внимание сосредоточить на вопросах описания и обработки структур документов, охватываемых понятием модель доку­мента. В то время как понятие модели данных (концепции, связанной со структурой предметной области БД, включающей как физический, так и логический уровни, — см. да­лее, гл. 5 или подробнее [8]) является достаточно распростра­ненным и популярным, модель документа является во многом вещью в себе».

2.1. Текстовая информация. Модель документа

Известно, что существуют различные типы текстовых файлов плоские, размеченные, ASCII и пр.). Соответственно, для ввода, обработки, представления информации в таких файлах требуют- :я различные программные возможности. Для работы с текстами на компьютере используются программные средства, называе­мые текстовыми редакторами, или текстовыми процессорами.

Разновидности текстовых форматов

Существует большое количество разнообразных текстовых редакторов, различающихся по своим возможностям, — от очень простых учебных до мощных, многофункциональных программных средств, называемых издательскими системами, которые используются для подготовки к печати книг, журналов и газет. Эти программы позволяют работать с различными ти­пами и форматами текстовых файлов, по необходимости преоб­разуя их друг в друга.

Например, в текстовом формате (плоский текст — .ТХТ) ра­ботают редактор Notepad, встроенные редакторы оболочек Norton Commander и Far Manager (рис. 2.1), в то время как Word (а также WordPad) позволяют работать с размеченными тексто­выми файлами в коммуникативном (тип файла .RTF — rich text format, или «обогащенный формат текста»), внутреннем (.DOC), и текстовом (.ТХТ) форматах (рис. 2.2, 2.3). Распространен также

-in!*)

03_ozenk_jifр doc

PS0V novenbur >

Размер Дата Вверх 30.03.05 65536 86.11.(34 1349 К 06.11.04

ilia

I S^H >\pard \ql 4Fi70941i04Fi04nowidctlpar4aspalpha4a spar X:\f0\fs24\insrsidl429459S 4'dd4'eb4'e54'ec4'eS4 4'e54'ed4'F2. Vc2 til J 4'ee4'f24'ec4'e54*F74'e04'e5

5. eaV fIN' f2\* eeV e2, V f5V F04'e04' edV FF4' f94' e84' f 4'eb4'ee4'e2, 4'e04'el4'e?4'e04'F64'Fb \'e8 4'F2. \'e 4'F74'e54'f2 4'ea4'ee4*ed4'F24'eS4*ea4'Fl4'F24'eO S'f Vf5, Ч'еШ 4'ee4'f2 4'F14'e54'ec4'e04'ed4'F24'e84'f74 4'ее 4'e24'ed4'F34'F24'f04'e54*ed4'ed4'e54'e9 4'F14'F , 4'F14'F04'e54'e44'fl4'F24'e24'e04'ec4'e8 4'F44'ee4

   5. еаЧ* eO 4* ec4' ee\* еЗЧ* F34' f2 4' e84'F14'ef4' ееЧ* еЬЧ' f Ч'F44'евЧ'еаЧ'е8, 4'F54'ee4'f24*fF 4'ef4'ee4'ea4'e0 ч 4'F14'eF4'е54"F64'е84* е04' еЬЧ* е8Ч' е7Ч' е8Ч' f 04' ееЧ' е2Ч 4'еЬ4'е04'ес, 4'Fd4'eb4'e54'ec4'e54'ed4'F24'e04'ec 4 4'f2e4'eac4'f2a <4*е2 4'c84'cFC IRx2> 4'ec4'ee\'e3N'f Ч'я«- 4'eda4'е7Ч'е2аЧ'ed4'е8Ч'FF VF2a4'el4'еЬЧ'е8ч'

ЗЩШЯ| Ч'с2 4'ed4'e54'ea4'ee4*F24*ee4'F04'fb4*f5 Ч ч" ееЧ' еаЧ' F34' есЧ' е5Ч* ed4' F24' ееЧ' е2, Ч'ееЧ'е1ЧТ0Ч'

_г ш^шшшйашйш^^iTii ' °

JSJ XJ

Файл [Травка Вид Вставка Формат Сервис Таблица Окно Справка ^х

■ ю- I • и • I

С Е? Н ? •• Times New Roman -16 - Гж~| К Ч Ш S1 »

^L' va

|Глава'2.-Моделхх' описания* информационнь

' . - ч

Элемента м информационно р:> -по тс ка- -(мае сква- -лИП¹.-! - является-^-¹ отмечается, • -чти ■ мо ® но -считать • до 17,нто мк.и: в с гvcosoiyraocTb-текстс БД,-так-и-отдельныефрап^нтытекста- "агелоызгра"делов,-аб~ацыкт ^с" шчтп • про fare г г -щ*»¹ д-татляе т V4* т ко htv i г та ■\гпотре Ьле кия -ело ьа, а* и: яш *

¹ jj : : I

1/18 На 2см

Действия - tj Автофигуры - \ Ч □ о н щ 0 с *» ' *

Стр. 17 Разд 1

Рис. 2.2. Экран редактора Word, интерпретация RTF-файла (см. рис. 2.1)

Файл Правка Вид Вставка Формат Справка

|Times New Roman |1G jКириллица	zl |ж

{Глава 2. Модели описания £j информационных потоков

Элементом информационного потока (массива А1ШС) является документ. В [11] отмечается, что можно считать документом как всю совокупность текстов,

¹1 LJ JJ'

Для вывода справки нажмите <F1 >

Рис. 2.3. Экран редактора WordPad. интерпретация RTF-файла (см. рис. 2.1)

редактор документов Adobe Arobat (рис. 2.4), использующий ком­муникативный формат .PDF (portable document format). Ниже бо­лее подробно рассмотрены форматы разметки текстов HTML (см. рис. 2.6, 2.7).

Необходимо отметить, что наиболее развитые редакторы по­зволяют обрабатывать не просто тексты, а документы (тексты,

1*1 Са'п Feioc^ijOL-'jii- Документ х.ч-:т:-.'г:енть ГЪ:го.иь -iff: х'

& % з ij й & • Hi > и Ф _А

- •'rDiai⁰¹- 'vT-a

и - 9-^'Шгл

Рис. 2.4. Редактор документов Adobe Acrobat, интерпретация файла, аналогичного рис. 2.2

содержащие встроенные или внедренные объекты или файлы других типов — табличные, графические, мультимедиа и пр.).

Форматы полнотекстовых документов. Модель документа

Понятие .модель документа охватывает аспекты создания, преобразования, хранения, поиска, передачи и отображения до­кументов. Принято рассматривать структуру документа в двух аспектах: логическом (содержание) и физическом (макет).

Логическая структура определяет составные компо­ненты и их соотношения в понятиях, отвечающих взгляду на до­кументы как смысловые структуры. Например, к основным смы­словым компонентам относятся: авторские данные (имя автора, место работы), аннотация, оглавление, главы, разделы, парагра­фы, рисунки, сноски. На рис. 2.5 приведен пример документа «Пояснительная записка к дипломному проекту (работе)». Здесь выделены такие базовые понятия структуры документа, как обязательность /необязательность элемента, уни­кальность или повторяемость, вхождение, нижестоя-

Рис. 2.5. Иерархическая структура документа «Пояснительная записка к ди­пломной работе»: # — уникальный элемент: * — повторяющийся элемент: ? — необязательный элемент; ! — обязательный элемент: & — вхождение типа «И»: j — вхождение типа «ИЛИ»

:дих элементов в вышестоящие по принципу И (оба типа данных должны или могу; входить в элемент) либо ИЛИ (только какой-либо один из типов данных может или должен входить в элемент).

Макетная структура содержит описание документа в терминах физических единиц — страниц, полос, колонок, ко­лонтитулов, рамок для рисунков, шрифтов, стилей и пр.

Подходы к моделированию документов опираются на два .тандарта — ISO 8613 (ODA — Office Document Architecture — архитектура управленческой документации) и ISO 8879 SGML — Standard Generalized Markup Language — стандартный ообщенный язык разметки).

Документ в ODA представлен в виде профиля и собствен- I документа, организованных в форме древовидной структу­ры. Профиль содержит информацию о документе в целом и его прохождении; формальные признаки — дата составления, вид, регистрационный номер и т. д.

Собственно документ содержит текст и сведения о его струк­туре и стиле, а именно:

• структуру документа — заглавие, параграфы, оглавление и т. п. (логическая структура), а также абзацы, расположе­ние текста, шрифты (физическая структура);

• архитектуру содержания — набор графических элементов, выделение определенных слов, строк и т. п.;

• коммуникативный формат — способы кодирования объек­тов, признаков и содержания документов.