1.8.2 XML數據標引

（1）針對不同數據內容進行XML置標

XML標記語言是一種簡單的數據存儲語言，使用一系列簡單的標記描述數據，這些標記是一個公共格式，可以用方便的方式建立，不依附于特定瀏覽器。XML占用的空間雖然比二進制數據要多，但它極其簡單，易于掌握和使用，沒有固定的要求。因此，XML被廣泛用作跨平臺之間交互數據的形式，主要針對數據的內容，通過不同的格式化描述手段，生成對應的HTML、PDF或者其他的文件格式進行表達。

用XML標記元數據，其語法為：<標記屬性=值>信息內容</標記>，前面< >為信息內容的開始標記，后面</標記>為信息結束標記，二者成對出現。開始標記中的“屬性”是提示計算機處理用的參考信息，用以識別信息的語義，為建立的倒排檔提供內容析出的依據。例如，本書第1版用XML方式記述的部分基礎書目信息元數據如下。

<書名>數字出版實用教程</書名>

<著者>張志林黃孝章陳功明</著者>

<出版地>北京</出版地>

<出版社>知識產權出版社</出版社>

<出版年月>2011.10</出版年月>

<開本尺寸>787mm×960mm</開本尺寸>

用XML記述內容對象數據，則要根據內容對象的各種類型的結構化需要。對圖書的類型結構化可以分為如下三類，每一種類型在進行XML標引時的數據內容可以不相同。①論著類圖書：每篇論著可供結構化的內容包括標題、作者、摘要、關鍵詞、文章內容等。②教材教輔類圖書：按照篇、章、節來反解內容。③辭書類圖書：先將辭書以條目為單位進行反解，再進一步把條目里面不同意義的內容結構化。最終形成一本辭書對應一個條目集合，條目集合里面每個條目都是結構化的數據。

（2）圖書元數據的XML標引

如前所述，圖書元數據信息用處大，應盡可能多加標引，可以包括的內容有書名、年份、責任者、主要責任者關系、出版社、出版地、摘要、主題詞/關鍵詞、其他題名、作品類型、次要責任者、次要責任者關系、出版日期、標識、標識類型、紙書價格、版次、印次、字數（千字）、中圖分類號、語種、地圖法分類號、中國分類法、索書號、目錄等。以人民出版社為例，其作為甲方監理方用戶，提出對政治類圖書的元數據標引的加工要求，如表1-1所示。

（3）正文文本的XML標引

以北京中獻拓方公司為例，根據合同提供的XML標準，對數據標引程序進行配置優化，在加工生產流水線上進行。首先要制定完備的DTD，標識程序加入相應標簽，如角標標簽。編寫相應的XML文件，使其能夠在IE瀏覽器顯示圖書內容，根據顯示結果檢查標引正確與否，以此加工生產出滿足甲方監理方要求的XML文件。

在畫框識別的代碼界面中，紅色畫框表示鎖定的文字內容，位置信息已經由中間文件描述，每一個中文字符或者英文字符分別用綠色畫框標注，標題章節及每一行都有起始、結束內部標識符進行標記，如圖1-21所示。

帶有圖形的正文文本XML標識中，圖用綠色畫框鎖定，在標引框中并有標記表示，帶有圖形的正文文本XML標識示例如圖1-22所示。

帶有表格的正文文本XML標識中，表格用綠色畫框鎖定，在標引框中并有表的標記，帶有表格的正文文本XML標識示例如圖1-23所示。

（4）XML標引是跨媒體出版的基石

根據上述對XML標引的講述可以了解，盡管原始文檔有多種格式，但歸一化處理后形成標準的圖書XML標引，通過程序初排或者程序轉換之后，就可以形成紙書或者PDF和ePub等電子書，實現內容的跨媒體呈現。因此說，XML標引是實現跨媒體出版的基石，如圖1-24所示。