О Русской виртуальной библиотеке

Метаязык SGML

Технологическим обеспечением РВБ является система SGML[1]. Технология SGML чрезвычайно привлекательна для задач РВБ по многим причинам. Основными, на мой взгляд, являются:

• открытость и стандартность формата файлов, делающие их пригодными для долговременного хранения и не зависящими от используемого ПО и/или платформы;
• тот факт, что SGML является "метаязыком", позволяет в рамках выбранной технологии иметь разнообразные языки разметки, каждый из которых оптимизирован для своей предметной области;
• возможность кодировать сколь угодно сложную метаинформацию о документе, не входящую в его текст, но доступную для работы читателю;
• полное разделение текста и его визуального представления (подробнее см. ниже, Содержимое документа и его представление), позволяющее иметь один файл с оригиналом документа, несущем всю необходимую информацию о тексте, его структуре и проч., и не зависящем от того, как именно показывается этот документ читателю. Отсюда вытекает возможность разнообразных способов показа текста, в том числе, и тех, которые возникнут после создания самого документа (см., например, "eBooks" http://www.openebook.org, раздел "Supporters").

Введений в SGML существует множество, я рекомендую Gentle introduction to SGML, русский перевод которого доступен по адресу http://xtalk.price.ru/SGML/p3sg.html. Авторам РВБ необходимо базовое понимание SGML. Если этого достичь невозможно, то придется использовать средства импорта (см. Импорт текстов), которые с необходимостью потребуют правки результирующего текста вручную. Что хуже, автор окажется оторванным от авторского оригинала документа, хранимого в репозитории в SGML-виде.

Содержимое документа и его представление

В документах предлагается разделить структуру, содержимое и представление. Структура и ее наполнение (содержимое) являются неотъемлемой частью документа. Они и содержатся в размеченном SGML-файле, хранящемся в репозитории. Авторы работают исключительно со структурой и содержимым документа. Представление документа относится к компетенции программиста и web-дизайнера.

Структура документа задается путем привязки каждого документа к определенному типу документа (определяемому по его DTD, Document Type Definition). DTD содержит информацию о том, какие элементы и в какой иерархии составляют документ. Например, гипотетический DTD для книги может утверждать, что книга состоит из глав, главы -- из разделов, те -- из абзацев, а последние содержат только текст.

Представление документа, то есть его внешний вид и формат, в котором он попадает к читателю, отделяется от документа. Оно существует в виде программы, называемой стилем. Стиль одинаково обрабатывает любые документы, относящиеся к одному DTD. Стилевые программы выполняются на сервере РВБ и формируют выходные файлы, предназначенные для выдачи читателям.

В долговременном проекте такое разделение является большим плюсом, так как программистская работа по созданию и отладке стилей выполняется независимо от создания и наполнения реального репозитория документов. При необходимости всю оформительную стилистику можно радикально сменить, никак не затрагивая содержимого и структуры документов.

Такой подход имеет множество достоинств. С точки зрения РВБ основной плюс -- возможность по необходимости менять способы представления документов читателю и их оформление, не меняя файлов с документами.

Используемый язык разметки

Для использования в РВБ выбрана схема разметки, разработанная в рамках Text Encoding Initiative (TEI). Она основывается на языке разметки, заданном соответствующим DTD. Этот язык позволяет размечать электронные аналоги печатных книг с произвольной степенью детальности. Ввиду его большой сложности для работы в рамках РВБ предлагается подмножество полного TEI DTD, называемое TEI Lite. Оно описано в документе TEI U5: Encoding for Interchange: an introduction to the TEI, русский перевод которого доступен по адресу http://xtalk.price.ru/SGML/tei_ed-koi.html. Желательно, чтобы автор был в состоянии разметить свой документ самостоятельно в соответствии с принципами, изложенными в этом руководстве. Однако не обязательно требовать от автора полного понимания и использования всех элементов, предусмотренных TEI, и даже TEI Lite. Тем не менее, следует понимать, что детальность и "глубина" разметки будет определять ценность размечаемого текста с академической точки зрения. На эту тему я бы рекомендовал посмотреть статью TEI Text Encoding in Libraries, которую я не переводил, поэтому даю адрес оригинала (на английском): http://www.indiana.edu/~letrs/tei/.

Работа автора

Автор, как правило, работает с SGML-редактором. Последний позволяет удобно работать со структурированным текстом, подсказывая автору, какие элементы можно использовать в разных частях документа.

Созданный автором документ регистрируется в репозитории. Функции доступа к репозиторию доступны из интерфейса для авторов.

Когда документ размечен автором и зарегистрирован в репозитории, он становится доступен читателям. Рассмотрим более подробно, какие возможности получает при этом читатель.

Импорт текстов

Часто документ не пишется с нуля в SGML-редакторе, а уже существует в электронном виде в каком-либо формате, зачастую, RTF или HTML. Задачу импорта документа в библиотеку решают конвертеры из этих форматов в TEI Lite. Эти конвертеры доступны из интерфейса для авторов. Следует, однако, понимать, что, в отличие от экспорта текста, импорт требует обязательного участия человека: полученный TEI Lite файл придется править вручную. Причина этого -- в том, что импорт требует от конвертера "угадывания" того, как именно во входном тексте отмечены элементы текста. Этот процесс обязательно пройдет с ошибками, которые придется устранять вручную.

Экспорт текстов

Большая часть этих программ -- конвертеры. Как правило, читателю документ интересен в формате, отличном от TEI Lite. Это может быть HTML (для быстрого просмотра), PDF (для распечатки качественного текста, print-on-demand), RTF (для вставки в текстовые процессоры), другие форматы. При этом документ необходимо преобразовать из TEI Lite в требуемый выходной формат. Такое преобразование обычно выполняется "на лету" соответствующим конвертером. Эти конвертеры доступны из интерфейса для авторов.

Читатели

Любой Web-навигатор, Acrobat Reader (свободно распространяемые).

Авторы

Любой Web-навигатор, Acrobat Reader (свободно распространяемые).

SGML- или XML-редактор. Предлагаемые варианты:

XEmacs

Самый мощный и удобный для активной работы с большими текстами. Требует минимум нескольких дней на обучение. Желательно понимание автором синтаксиса SGML. Бесплатен. Работает на Unix или NT, возможно, Win'95.

XMetaL

Простой, с привычным пользователям Windows интерфейсом. $540. Работает на Windows.

XML Spy

Примитивный и маленький. Пригоден для корректуры, неудобен для первичного ввода и активного редактирования (не читает DTD и, следовательно, не подсказывает имена элементов и атрибутов). $54. Windows.

Любой текстовый редактор

В крайнем случае, SGML и XML можно редактировать как обычный текст. Требуется понимание автором синтаксиса SGML.

Серверное ПО

Web-сервер: Apache. SGML-процессор: CoST. CGI-программирование: Tcl, shell. Обработка SGML файлов: TEItools и специально для РВБ написанные программы. Пользовательские интерфейсы: HTML-формы и CGI-программирование. Конвертер из RTF в XML: omlette, требуется Omnimark engine. Верстка в PDF: PDFLaTeX. Search engine: glimpse. Все компоненты бесплатны.