aeacd 3. introducere: docworks -...

Platformă de e-learning și curriculă e-contentpentru învățământul superior tehnic

AEACD

3. Introducere: DocWorks

DocWorks

document

METSALTOTIFFJPEGXML(MARC)

Pre-procesarea imaginii

Analiza elementelor

Recunoasterea optica a caracterelor (OCR)

Analiza structurala

Scanare

Import

Corectie

Export

ReguliDB

Intrare Iesire

DocWorks

Autor

Titlu

Comentarii

Titlu

Titlul din antet

Paragraf

Scris de mana

Ilustratie

Explicatia ilustratiei

Nota de subsol

Numar de pagina

... Si desigur, tot textul.

DocWorks

DocWorks

DocWorks “T

he

ME

TA

DA

TA

En

gin

e”

(ME

TA

e); R

efe

rin

ta: IS

T-

19

99

-20

02

1 (http

://me

ta-e

.aib

.un

i-linz

.ac

.at/); 5

th

Fr

am

ew

or

k, IS

T P

ro

gr

am

me

(FP

5), S

ec

tiun

ea

"D

igita

l H

er

itag

e a

nd

Cu

ltur

al C

on

ten

t"

(http

://co

rd

is.e

ur

op

a.e

u/fp

5/); 0

9/2

00

0 –

10

/20

03

DocWorks

DocWorks

DocWorks

Digitizarefise de

biblioteca

• Valorificarea rezultatelor

Formate utilizate:

▫ METS

▫ ALTO

▫ Export PDF

Pagina originala in foreground, text formatat in background

Informatie structurata ierarhic (titlu, capitole, subcapitole, sectiuni, liste figuri, etc.)

Liniarizabil pentru incarcare rapida

DocWorks

DocWorks

METSdocument

TIFF ALTO

ALTO – Analyzed Layout and Text Object

docWORKS – METS / ALTO

DocWorks

Header

DC, metadata descriptiva

NISO 39.087 (mix), metadata tehnica

Structural Map: Structura Fizica

Structural Map: Structura Logica

docWORKS – METS

docWORKS – ALTO Stiluri

- Paragraf (aliniament, spatiere, etc.)

- Font (nume, dimensiune, bold, italic, etc.)

Layout

- Printspace

- TopMargin

- InnerMargin

- OuterMargin

- BottomMargin

Obiecte din 5 categorii:

- Bloc Text

- Linie Text

- String [coordonate, string (varianta

printabila), substitutie (spargerea in

silabe)]

- Spatiere

- Bloc Compus

- Imagine

- Tabela

- Formula

DocWorks

docWORKS – METS / structura fizica

METS

DC

FILEGRP

PHYS

LOGICAL

DC

FILEGRP

PHYS

LOGICAL

ORDER

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

…

LABEL

II

III

IV

V

VI

2

3

4

5

6

…

ORDERLABEL

I

II

III

IV

V

VI

1

2

3

4

5

6

…

DocWorks

docWORKS – METS / structura fizica

par

fptr

fptr

METS

DC

FILEGRP

PHYS

LOGICAL

DIV

(page)

ALTO

IMAGE

DocWorks

docWORKS – METS / structura logica

seq

fptr

fptr

METS

DC

FILEGRP

PHYS

LOGICAL

DIV

(paragraph)

DIV

(volume)DCMD_PHYS

DCMD_ELEC DIV

(issue)DCMD_ISSUE#

DIV

(contrib.)DCMD_#CONT#

ALTO

ALTO

Those who have read the

History of Columbus will,

doubtless, remember the

character and exploits ...

text block

text block

FILEID

FILEID

DIV

(chapter)DCMD_CHAP#

DocWorks

docWORKS – ALTO / Layout-ul paginii si textul continut

DocWorks

docWORKS – ALTO / Cuvant despartit in silabe

DocWorks

docWORKS – ALTO / Cuvant despartit in silabe (detaliu…)

DocWorks