1.8.2 XML数据标引

（1）针对不同数据内容进行XML置标

XML标记语言是一种简单的数据存储语言，使用一系列简单的标记描述数据，这些标记是一个公共格式，可以用方便的方式建立，不依附于特定浏览器。XML占用的空间虽然比二进制数据要多，但它极其简单，易于掌握和使用，没有固定的要求。因此，XML被广泛用作跨平台之间交互数据的形式，主要针对数据的内容，通过不同的格式化描述手段，生成对应的HTML、PDF或者其他的文件格式进行表达。

用XML标记元数据，其语法为：<标记属性=值>信息内容</标记>，前面< >为信息内容的开始标记，后面</标记>为信息结束标记，二者成对出现。开始标记中的“属性”是提示计算机处理用的参考信息，用以识别信息的语义，为建立的倒排档提供内容析出的依据。例如，本书第1版用XML方式记述的部分基础书目信息元数据如下。

<书名>数字出版实用教程</书名>

<著者>张志林黄孝章陈功明</著者>

<出版地>北京</出版地>

<出版社>知识产权出版社</出版社>

<出版年月>2011.10</出版年月>

<开本尺寸>787mm×960mm</开本尺寸>

用XML记述内容对象数据，则要根据内容对象的各种类型的结构化需要。对图书的类型结构化可以分为如下三类，每一种类型在进行XML标引时的数据内容可以不相同。①论著类图书：每篇论著可供结构化的内容包括标题、作者、摘要、关键词、文章内容等。②教材教辅类图书：按照篇、章、节来反解内容。③辞书类图书：先将辞书以条目为单位进行反解，再进一步把条目里面不同意义的内容结构化。最终形成一本辞书对应一个条目集合，条目集合里面每个条目都是结构化的数据。

（2）图书元数据的XML标引

如前所述，图书元数据信息用处大，应尽可能多加标引，可以包括的内容有书名、年份、责任者、主要责任者关系、出版社、出版地、摘要、主题词/关键词、其他题名、作品类型、次要责任者、次要责任者关系、出版日期、标识、标识类型、纸书价格、版次、印次、字数（千字）、中图分类号、语种、地图法分类号、中国分类法、索书号、目录等。以人民出版社为例，其作为甲方监理方用户，提出对政治类图书的元数据标引的加工要求，如表1-1所示。

（3）正文文本的XML标引

以北京中献拓方公司为例，根据合同提供的XML标准，对数据标引程序进行配置优化，在加工生产流水线上进行。首先要制定完备的DTD，标识程序加入相应标签，如角标标签。编写相应的XML文件，使其能够在IE浏览器显示图书内容，根据显示结果检查标引正确与否，以此加工生产出满足甲方监理方要求的XML文件。

在画框识别的代码界面中，红色画框表示锁定的文字内容，位置信息已经由中间文件描述，每一个中文字符或者英文字符分别用绿色画框标注，标题章节及每一行都有起始、结束内部标识符进行标记，如图1-21所示。

带有图形的正文文本XML标识中，图用绿色画框锁定，在标引框中并有标记表示，带有图形的正文文本XML标识示例如图1-22所示。

带有表格的正文文本XML标识中，表格用绿色画框锁定，在标引框中并有表的标记，带有表格的正文文本XML标识示例如图1-23所示。

（4）XML标引是跨媒体出版的基石

根据上述对XML标引的讲述可以了解，尽管原始文档有多种格式，但归一化处理后形成标准的图书XML标引，通过程序初排或者程序转换之后，就可以形成纸书或者PDF和ePub等电子书，实现内容的跨媒体呈现。因此说，XML标引是实现跨媒体出版的基石，如图1-24所示。