نام (NAME)

djvutoxml - استخراج فراداده، پیوندها و متن‌های پنهان پرونده‌های DjVu در قالب XML

خلاصه دستور (SYNOPSIS)

djvutoxml [گزینه‌ها] inputdjvufile [outputxmlfile]
djvuxmlparser [ -o djvufile ] inputxmlfile

توضیحات (DESCRIPTION)

ابزارهای XML برای DjVuLibre امکان ویرایش فراداده‌ها، پیوندها و متن پنهان مرتبط با پرونده‌های DjVu را فراهم می‌کنند. بر خلاف djvused(1) ابزارهای XML برای DjVuLibre بر فناوری XML تکیه دارند و می‌توانند از مزایای ویرایشگرها و اعتبارسنج‌های XML بهره ببرند.

DJVUTOXML

برنامه djvutoxml یک پروندهٔ XML با نام outputxmlfile ایجاد می‌کند که حاوی ارجاع به سند اصلی DjVu (inputdjvufile) و همچنین برچسب‌هایی است که فراداده، پیوندها و متن پنهان مرتبط با پروندهٔ DjVu را توصیف می‌کنند.

گزینه‌های زیر پشتیبانی می‌شوند:

--page pagenum

انتخاب یک صفحه در یک سند چندصفحه‌ای. بدون این گزینه، djvutoxml خروجی XML مربوط به تمام صفحات سند را تولید می‌کند.

--with-text

مشخص می‌کند که عنصر HIDDENTEXT برای هر صفحه باید در خروجی گنجانده شود. اگر این گزینه بدون گزینهٔ --with-anno مشخص شود، گزینهٔ --without-anno به صورت ضمنی اعمال می‌شود. اگر هیچ‌یک از گزینه‌های --with-text، --without-text، --with-anno یا --without-anno مشخص نشوند، گزینه‌های --with-text و --with-anno به صورت ضمنی در نظر گرفته می‌شوند.

--without-text

مشخص می‌کند که عنصر HIDDENTEXT برای هیچ صفحه‌ای در خروجی قرار نگیرد. اگر بدون گزینهٔ --without-anno مشخص شود، گزینهٔ --with-anno به صورت ضمنی اعمال می‌شود.

--with-anno

مشخص می‌کند که عنصر ناحیهٔ MAP برای هر صفحه باید در خروجی گنجانده شود. اگر بدون گزینهٔ --with-text مشخص شود، گزینهٔ --without-text به صورت ضمنی اعمال می‌شود.

--without-anno

مشخص می‌کند که عنصر ناحیهٔ MAP برای هیچ صفحه‌ای در خروجی قرار نگیرد. اگر بدون گزینهٔ --without-text مشخص شود، گزینهٔ --with-text به صورت ضمنی اعمال می‌شود.

DJVUXMLPARSER

پرونده‌های تولیدشده توسط djvutoxml را می‌توان با استفاده از یک ویرایشگر متن یا ویرایشگر XML تغییر داد. برنامه djvuxmlparser پروندهٔ XML ورودی inputxmlfile را به منظور اصلاح فراداده‌های پروندهٔ DjVu مربوطه تجزیه و پردازش می‌کند.

-o djvufile

در اصل پروندهٔ مقصد DjVu پرونده‌ای است که توسط عنصر OBJECT در پروندهٔ XML به آن ارجاع داده شده است. این گزینه امکان بازنویسی و تغییر نام پروندهٔ مشخص‌شده در عنصر OBJECT را فراهم می‌کند.

تعریف نوع سند (DJVUXML DOCUMENT TYPE DEFINITION)

پروندهٔ تعریف نوع سند (DTD) در مسیر

/usr/share/djvu/pubtext/DjVuXML-s.dtd

ورودی و خروجی ابزارهای DjVu XML را تعریف می‌کند.

تعریف DTD با نام DjVuXML-s یک نسخهٔ ساده‌شده از DTD اچ‌تی‌ام‌ال است:

http://www.w3c.org/TR/1998/REC-html40-19980424/sgml/dtd.html

که چند ویژگی جدید مخصوص DjVu به آن افزوده شده است. هر یک از صفحات مشخص‌شده در سند DjVu به صورت عناصر OBJECT درون عنصر BODY پروندهٔ XML نمایش داده می‌شوند. هر عنصر OBJECT ممکن است شامل چندین عنصر PARAM برای مشخص کردن ویژگی‌هایی مانند نام صفحه، وضوح تصویر (رزولوشن) و ضریب گاما باشد. همچنین هر عنصر OBJECT می‌تواند شامل یک عنصر HIDDENTEXT باشد تا متن پنهان (که معمولاً توسط یک موتور OCR تولید می‌شود) درون صفحهٔ DjVu را مشخص کند. علاوه بر این، هر عنصر OBJECT می‌تواند به یک عنصر تک‌ناحیه‌ای MAP ارجاع دهد که شامل چندین عنصر AREA است تا تمامی نواحی پیوند و هایلایت درون سند DjVu را نشان دهد.

   عناصر PARAM

عناصر مجاز PARAM برای یک OBJECT در DjVu شامل موارد زیر می‌شوند (اما به آن‌ها محدود نیستند): PAGE برای تعیین نام صفحه، GAMMA برای تعیین ضریب تصحیح گاما (معمولاً 2.2)، و DPI برای تعیین وضوح تصویر صفحه (رزولوشن).

   عناصر HIDDENTEXT

عنصر HIDDENTEXT از عناصر تودرتوی PAGECOLUMNS، REGION، PARAGRAPH، LINE و WORD تشکیل شده است. عمیق‌ترین عنصر مشخص‌شده باید مختصات کادر مرزی عنصر را با جهت‌گیری بالا به پایین مشخص کند. بدنهٔ عمیق‌ترین عنصر باید حاوی متن باشد. اکثر اسناد DjVu از LINE یا WORD به عنوان پایین‌ترین سطح عنصر استفاده می‌کنند، اما هر عنصری به عنوان پایین‌ترین سطح مجاز است. همیشه یک فاصله (فاصله‌گذاری) بین عناصر WORD و یک خط جدید (Line feed) بین عناصر LINE اضافه می‌شود. از آنجا که زبان‌هایی مانند ژاپنی از فاصله بین کلمات استفاده نمی‌کنند، برای موتورهای OCR آسیایی بسیار رایج است که از WORD به جای کاراکتر استفاده کنند.

   عناصر MAP

بدنهٔ عناصر MAP از عناصر AREA تشکیل شده است. علاوه بر ویژگی‌های فهرست‌شده در

http://www.w3.org/TR/1998/REC-html40-19980424/struct/objects.html#edef-AREA,

ویژگی‌های bordertype، bordercolor، border و highlight به ترتیب برای تعیین نوع کادر، رنگ کادر، عرض کادر و رنگ‌های برجسته‌سازی اضافه شده‌اند. مقادیر مجاز برای هر یک از این ویژگی‌ها در DTD با نام DjVuXML-s فهرست شده‌اند. علاوه بر این، شکل oval به فهرست اشکال مجاز اضافه شده است. یک بیضی از یک کادر مرزی مستطیلی استفاده می‌کند.

اشکالات (BUGS)

شاید بهتر بود به جای تعریف عنصر HIDDENTEXT، از شیوه‌نامه‌های CSS2 با عناصر استاندارد HTML استفاده می‌شد.

نویسندگان (AUTHORS)

ابزارهای DjVu XML و DTD توسط Bill C. Riemers <docbill@sourceforge.net> و Fred Crary نوشته شده‌اند.

همچنین ببینید (SEE ALSO)

djvu(1), djvused(1), utf8(7)