DJVUXML(1) DjVuLibre XML Tools DJVUXML(1)

djvutoxml, djvuxmlparser - ابزارهای XML برای DjVuLibre

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

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

برنامه djvutoxml یک پرونده XML با نام outputxmlfile ایجاد می‌کند که حاوی ارجاعی به سند اصلی DjVu inputdjvufile و همچنین برچسب‌هایی است که متاداده، پیوندها و متن پنهان مرتبط با پرونده DjVu را توصیف می‌کنند.

گزینه‌های زیر پشتیبانی می‌شوند:

یک صفحه را در یک سند چندصفحه‌ای انتخاب می‌کند. بدون این گزینه، djvutoxml خروجی XML مربوط به تمام صفحات سند را تولید می‌کند.
مشخص می‌کند که عنصر HIDDENTEXT برای هر صفحه باید در خروجی گنجانده شود. اگر بدون پرچم --with-anno مشخص شود، پرچم --without-anno به طور ضمنی در نظر گرفته می‌شود. اگر هیچ‌یک از پرچم‌های --with-text، --without-text، --with-anno یا --without-anno مشخص نشوند، هر دو پرچم --with-text و --with-anno به طور ضمنی اعمال می‌شوند.
مشخص می‌کند که عنصر HIDDENTEXT برای هر صفحه در خروجی درج نشود. اگر بدون پرچم --without-anno مشخص شود، پرچم --with-anno به طور ضمنی در نظر گرفته می‌شود.
مشخص می‌کند که عنصر ناحیه MAP برای هر صفحه در خروجی گنجانده شود. اگر بدون پرچم --with-text مشخص شود، پرچم --without-text به طور ضمنی در نظر گرفته می‌شود.
مشخص می‌کند که عنصر ناحیه MAP برای هر صفحه در خروجی گنجانده نشود. اگر بدون پرچم --without-text مشخص شود، پرچم --with-text به طور ضمنی در نظر گرفته می‌شود.

پرونده‌های تولیدشده توسط djvutoxml را می‌توان با یک ویرایشگر متن یا ویرایشگر XML ویرایش کرد. برنامه djvuxmlparser پرونده XML inputxmlfile را تجزیه می‌کند تا متاداده پرونده متناظر DjVu را تغییر دهد.

در اصل پرونده DjVu هدف، همان پرونده‌ای است که توسط عنصر OBJECT پرونده XML به آن ارجاع داده شده است. این گزینه امکانی فراهم می‌کند تا نام پرونده مشخص‌شده در عنصر OBJECT لغو و بازنویسی شود.

پرونده تعریف نوع سند (DTD)

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

ورودی و خروجی ابزارهای XML در DjVu را تعریف می‌کند.

پرونده DjVuXML-s DTD نسخه‌ای ساده‌شده از HTML DTD است:

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

به همراه چند ویژگی جدید که ویژه DjVu اضافه شده‌اند. هر یک از صفحات مشخص‌شده یک سند DjVu به صورت عناصر OBJECT درون عنصر BODY پرونده XML نمایش داده می‌شوند. هر عنصر OBJECT می‌تواند شامل چندین عنصر PARAM برای تعیین ویژگی‌هایی مانند نام صفحه، وضوح (DPI) و ضریب گاما باشد. هر عنصر OBJECT همچنین می‌تواند شامل یک عنصر HIDDENTTEXT باشد تا متن پنهان (معمولاً تولیدشده توسط موتور OCR) را درون صفحه DjVu مشخص کند. علاوه بر این، هر عنصر OBJECT می‌تواند به یک عنصر ناحیه MAP ارجاع دهد که شامل چندین عنصر AREA برای بازنمایی تمامی نواحی پیوند و هایلایت در سند DjVu است.

عناصر مجاز PARAM برای یک OBJECT در DjVu شامل موارد زیر می‌شوند (اما محدود به آنها نیستند): PAGE برای تعیین نام صفحه، GAMMA برای تعیین ضریب تصحیح گاما (معمولاً ۲٫۲)، و DPI برای تعیین وضوح صفحه.

عناصر HIDDENTEXT از عناصر تو در توی PAGECOLUMNS، REGION، PARAGRAPH، LINE و WORD تشکیل شده‌اند. عمیق‌ترین عنصر مشخص‌شده باید مختصات مرزی عنصر را با جهت‌گیری بالا به پایین مشخص کند. بدنه عمیق‌ترین عنصر مشخص‌شده باید شامل متن باشد. بیشتر اسناد DjVu از LINE یا WORD به عنوان پایین‌ترین سطح عنصر استفاده می‌کنند، اما هر عنصری می‌تواند به عنوان پایین‌ترین سطح مجاز باشد. یک فاصله سفید همیشه بین عناصر WORD و یک خط جدید همواره بین عناصر LINE اضافه می‌شود. از آنجا که زبان‌هایی مانند ژاپنی از فاصله بین کلمات استفاده نمی‌کنند، معمول است که موتورهای OCR آسیایی از WORD برای کاراکترها استفاده کنند.

بدنه عناصر MAP از عناصر AREA تشکیل شده است. علاوه بر ویژگی‌های ذکرشده 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، پهنای کادر و رنگ‌های هایلایت اضافه شده‌اند. مقادیر مجاز برای هر یک از این ویژگی‌ها در DjVuXML-s DTD فهرست شده است. علاوه بر این، شکل oval (بیضی) به فهرست شکل‌های مجاز افزوده شده است. یک بیضی از یک کادر مرزی مستطیلی استفاده می‌کند.

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

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

djvu(1), djvused(1) و utf8(7).

11/15/2002 DjVuLibre XML Tools