ディジタルドキュメント

Size: px

Start display at page:

Download "ディジタルドキュメント"

おきみちあいきょう
5 years ago
Views:

1 ディジタルドキュメント (7) 高久雅生 2014 年 5 月 29 日 ( 木 )3 4 時限 1

2 本日のお品書き ( 第 3 回レポート課題の回収 ) ( 前回の復習 ) ( 前回講義での質問要望への回答 : 7 件 ) レポート評価出版 HTML と XML テキスト処理とドキュメント形式ドキュメント形式 ( フォーマット ) とはテキストフォーマットとは文字コード電子メールのドキュメント形式軽量テキストフォーマット 2

3 ( 前回の復習 = ふりかえり ) WWW (World Wide Web) 歴史ハイパーテキストハイパーメディア HTML 歴史と標準化要素タグ属性ハイパーリンク構造と見栄え XML メタ言語整形式 3

4 質問要望へのお返事 (1-1) 授業の最初のほうに話されていたレポート課題についてだがやはり納得がいかない部分が多かった大学生としての最低限のレポートというのはもっともであるし第 1 回レポートの書誌事項をしっかりというのはそれにのっとってまだ納得できるものであったが第 2 回レポートの文章に関してはそもそものレポート課題の内容がデジタルドキュメントとしての論文を見て提供形態形式出版プラットフォームを調べてくるというもので論理立てるも何もないと感じてしまったすべて自分の課題の意図を読み取る力の無さや普段の仕様を満たすだけのプログラム系レポートに慣れすぎているせいだとは思うがとにかく第 2 回レポートに関しては不満しか残らなかった不満しか書いていなくて申し訳ないのですが第 2 回レポートについては何を書いていいのか分からないと提出の前から自分の周りの人は皆話していたので要件関係なく出し方も悪かったと思います 4

5 質問要望へのお返事 (1-2) 出題形式に分かりづらい点があるかとは思いますがレポートの出題意図が十分に明らかでないと感じた場合教員に確認質問してくださいまた返却後の採点に疑義がある場合も早めに教員に確認するようにしてください 5

6 質問要望へのお返事 (2) レポートを提出期限以降に提出したものは採点しないもしくは最低評価に準ずるものにしてもらわないと期限の意味が無く解説を聞いてから作成したレポートの方が評価が高くなることがあり得るのはいかがなものでしょうか原則として遅れ提出を受けたものは他のものと同様に採点して返却しますが遅れの程度に応じ大幅に素点を割り引いていますしたがって遅れ提出の方が評価が高くなることはありえません 6

7 質問要望へのお返事 (3) あと何回レポートが課されるかが気になりますあと 1~2 回の予定です 7

8 質問要望へのお返事 (4) 講義とは直接関係無いが私費出版の定義について詳しく知りたいと思う印刷所に原稿を持ち込んで印刷してもらうのが私費出版ならば同人誌等も含まれるのだろうか? いわゆる二次創作は難しいかもしれないが一次創作等本人に著作権があるようなものは納本されるのだろうか同人誌二次創作であろうが納本義務に関しては無関係のはずですいわゆる出版社側が責任を持って納本することになっていますが罰則規定がないため商業出版社であっても納本率は 100% ではないと問題にはなっていますが自身で作成した出版物については寄贈もご検討を Ref: 木川田朱美, 辻慶太. 国立国会図書館におけるポルノグラフィの納本状況. 図書館界, 2009, Vol.61, No.4, pp

9 質問要望へのお返事 (5) 太字にするなど同じ目的のタグが複数あるのはなぜか? 歴史的な経緯と後方互換性のために残っているものです当初はブラウザ上の表示のための物理的スタイル指定 (b, i 要素など ) のみだったのですがテキスト読み上げ機能や端末制限を考慮した論理的スタイル指定 (strong, em 要素など ) に一般化された経緯があります 9

10 質問要望へのお返事 (6) スライド 45 において XML は Web での経験を元にの説明の時この経験での問題点を口で言っていたと思いますがイメージが出来なかったので具体的なものは何か? 主として以下の 2 点が大きかったようです : 文字コード等の国際化 : 文字コード指定の枠組み整形式 : 終了タグの省略を許さないなど 10

11 文字コード指定の枠組み XML の場合 : ファイル冒頭での文字コード指定 <?xml version= 1.0 encoding= utf-8?> 整形式 : 終了タグの省略を許さないなど HTML の場合 : 第 1 段落 第 2 段落 XML の場合 : 第 1 段落 第 2 段落 11

12 質問要望へのお返事 (7) HTML と XML は同じものと考えてよいのでしょうか? No. HTML というのが一定の規定からなる有限のタグ要素集合から構成されるのに対し XML はどのようなタグ要素にも許容しうるという大きな違いがあります言い換えると XML = メタ言語 vs HTML = インスタンス言語という立場の違いが厳然として存在します 12

13 HTML html, head, title, body, p, a, img, table, form RSS Math ML SVG Office XML DTD XML Schema XML 13

14 ドキュメントフォーマット (1) 14

15 ドキュメントフォーマットとは? デジタル文書の内容を機械的に解釈するための決まりごと様式形式データをどのように並べるか ( 配置 ) 内容解釈のためのデータ情報はデジタル情報として符号化 ( エンコード ) される例 : プレインテキスト? 文書内容を文字コードにより符号化しテキスト ( 文字の連なり ) として解釈できるようにしたもの画像形式? 表現すべき画像要素をピクセル描画要素単位の情報として符号化し 2 次元画像として解釈できるようにしたもの 15

16 ドキュメントフォーマットの切り口 (1) テキスト (text) vs バイナリー (binary) ビットデータ文字コードによる解釈外字フォーマットの指定識別判別シンプルコンテンツ vs 複合メディア埋め込みコンテンツハイパーリンクメタデータ埋め込みメタデータ外部メタデータ記述文書レイアウトページ概念文書内の書式要素見栄え / スタイルフォントファイル vs ストリームデータの保存蓄積と配信 16

17 ドキュメントフォーマットの切り口 (2) オープンフォーマット移植可能性 / ソフトウェア独立性 Free / proprietary 標準化デファクト標準とデジュール標準 ( de facto vs de jure ) 文書フォーマットのバージョンフォーマット変換プレインテキスト HTML LaTeX PDF 圧縮可逆 vs 非可逆セキュリティパスワード電子署名長期保存デジタルフォレンジック 17

18 プレインテキストとは? 文書内容を文字コードにより符号化しテキスト ( 文字の連なり ) として解釈できるようにしたものもっとも基本的なドキュメントフォーマットの一つドキュメントフォーマットの基礎 ( 別の定義 : バイナリフォーマットではない ) 特徴 : ほぼあらゆる環境で特別なソフトウェア無しに用いることが出来るテキストフォーマットだけでは書式要素を保持しない複合的なオブジェクトとの関連付けはそれ単体ではできない 18

19 プレインテキスト読解例 (1)

20 プレインテキスト読解例 (2) 先頭からバイト (byte) 単位で解読してみよう 1バイト = 8ビット (bit) (48) 16 (65) 16 (6C) 16 (6C) 16 (72) 10 (101) 10 (108) 10 (108)

21 プレインテキスト読解例 (3) 文字コードと照合 ASCII コード表を基にしてみる H e l l o W o r l d! n C 6C 6F F 72 6C A

22 文字コードとは? 文字を表現する集合を配列しそれを符号化する方式を定めたもの文字集合 (Character Set) 文字符号化方式 (Character Encoding) 文字集合 (Set) = + Z K A B C + =, ( 配列規則 ) ( 符号化規則 ) 文字コード A 41 B 42 C 43 22

23 0 1 ASCII コード表 A B C D E F NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US 2! # $ % & ( ) * +, -. / : ; < = >? A B C D E F G H I J K L M N O 5 P Q R S T U V W X Y Z [ ] ^ _ 6 ` a b c d e f g h i j k l M n o 7 P q r s t u v w x y z { } ~ DEL 23

24 文字コードの実際欧米語の場合 ASCII ISO 日本語の場合 JIS X 0208 JIS X 0201 その他 Unicode よく使われる文字コード ASCII UTF-8 Shift_JIS EUC-JP ISO-2022-JP ISO

25 文字コードにおける制御文字計算機上で表現される文字には情報交換の役割がありたとえば下記のような特殊な役割をもつ制御文字が含まれている : 空白文字タブ改行文字削除記号 ( BS, DEL ) これらの文字以外の表現は歴史的な文脈で必要とされたという経緯に加えテキストのみで文書構造を表現するためにも用いられる 25

27 文字化けとは? 文字コードを解釈するソフトウェアが元の文字コードを復号化できない場合に発生する不整合元の文字コード :Shift_JIS ソフトウェア側 :UTF-8 27

28 プレインテキストに基づくドキュメントフォーマットプレインテキストに基づくドキュメントフォーマットには多くの事例がある E メール HTML ファイル ( ウェブ ) SGML / XML LaTeX 28

29 ドキュメントフォーマットの識別, 判別メタデータとして付与拡張子内容で判断マジックナンバー (File magic) 通信転送プロトコル上で指定 MIME Type (IANA) その他 29

30 フォーマットの識別 : ファイル拡張子ファイル名の末尾を. ( ピリオド ) で区切りファイル形式を示す 2~3 文字からなる文字列を付与テキストファイル : text.txt HTML ファイル : index.html, welcome.htm PDF ファイル : example.pdf などなど 30

31 フォーマットの識別 : ファイルマジックナンバー古典的なヒューリスティック手法ファイルの冒頭に分かりやすいフォーマットを示すバイト列ヘッダを挿入しておく方式例 : XML 形式 : <?xml version= GIF 形式 ( 画像 ):GIF87a または GIF89a 31

32 フォーマットの識別 : MIME タイプ (MIME type) Multipurpose Internet Mail Extensions (MIME) コンテンツ用のフォーマット指定タイプ Internet Media Type, Content Type ウェブや E メールでのドキュメント形式の指定に使われる IANA による公式登録リスト : [type]/[subtype] text/plain, text/html, application/pdf, image/gif, vnd.openxmlformatsofficedocument.presentationml.presentation タイプ application, audio, image, message, model, multipart, text, video 32

33 メールフォーマット E メール : 最も古典的なインターネットアプリケーションの一例テキスト形式によるフォーマットの例基本的にテキストデータのみでやり取りする ( 一種テキスト形式への符号化がなされる ) オープンフォーマット様々なソフトウェア ( メーラー ) がメール内容を扱う表示作成送信送信者と受信者は異なる環境にいることを前提全世界で幅広く分散して使われており新しい仕様に改善しようとしても一度に一斉に切り替えることは不可能 RFC 5322 Internet Message Format (2008): RFC 2822 (2001) RFC 822 (1982) 33

34 メールフォーマットの例 Date: Thu, 20 Sep :00:00 JST From: 首相官邸 Reply-To: Subject: 小泉内閣メールマガジン 2001/09/20 難局にひるまず立ち向かおう!! To: 小泉内閣メールマガジン ================================== 2001/09/20 今週のキーワード補正予算小泉総理が平成 13 年度補正予算の編成について準備を進めるよう指示をしました ( 解説は最後に ) 目次 [ らいおんはーと小泉総理のメッセージ ] 難局にひるまず立ち向かおう!! 34

35 メールフォーマットの例メールヘッダ Date: Thu, 20 Sep :00:00 JST From: 首相官邸 Reply-To: Subject: 小泉内閣メールマガジン 2001/09/20 難局にひるまず立ち向かおう!! To: 小泉内閣メールマガジン ================================== 2001/09/20 今週のキーワード補正予算小泉総理が平成 13 年度補正予算の編成について準備を進めるよう指示をしました ( 解説は最後に ) 目次メール本文 [ らいおんはーと小泉総理のメッセージ ] 難局にひるまず立ち向かおう!!

36 メールフォーマットの例 ( ヘッダ部 ) Received: from goat.ipc.ulis.ac.jp (goat.ipc.ulis.ac.jp [ ]) by nile.ulis.ac.jp (8.9.3+Sun/8.9.1) with ESMTP id HAA06473 for <masao@nile.ulis.ac.jp>; Thu, 20 Sep :06: (JST) Received: from mails1.mmz.kantei.go.jp (mails1.mmz.kantei.go.jp [ ]) by goat.ipc.ulis.ac.jp (8.8.6 (PHNE_14041)/3.7W) with SMTP id HAA02715 for <masao@ulis.ac.jp>; Thu, 20 Sep :08: (JST) Received: (qmail 6408 invoked by uid 113); 20 Sep :03: Received: from localhost (HELO mails1.mmz.kantei.go.jp) (sendmail-bs@ ) by localhost with SMTP; 20 Sep :03: Received: (qmail 6325 invoked by uid 200); 20 Sep :00: Date: 20 Sep :00: From: =?ISO-2022-JP?B?GyRCPHNBajQxRSEbKEI=?= <koizumi@mmz.kantei.go.jp> Reply-To: koizumi@mmz.kantei.go.jp Subject: =?iso-2022-jp?b?gyrcivo+lkb0rmizvsvhitwlayvejswlocvzgyhkidiwmdev?= =?iso-2022-jp?b?mdkvmjabjeihw0zxnkkksyrsjgskxiq6tikkqth+jcskkiqmisobkeo=?= =?iso-2022-jp?b?gyrcisobkeo=?= To: koizumi-ml-user@mmz.kantei.go.jp Message-Id: < qmail@msgs1.mmz.kantei.go.jp> Mime-Version: 1.0 Content-Type: text/plain; charset="iso-2022-jp" Precedence: bulk Content-Length: ここまでメールヘッダメールサーバ転送の記録時刻送信者返信先の指定件名宛先メッセージ ID MIME バージョンフォーマット指定メールマガジン配信指定本文長 36

37 メールフォーマットの例 ( ヘッダ部 ) (2) Date From To Subject Message-Id Received Reply-To Content-Type MIME-Version Precedence Content-Length 37

38 複合型ドキュメントとしてのメールフォーマット複数のドキュメントをテキストフォーマットの中に埋め込むマルチパート : 添付ファイルの実現 MIME:Multipurpose Internet Mail Extensions メール用の交換フォーマットにおいて添付ファイルやプレインテキスト以外の形式でのやりとりを行うための拡張仕様メールヘッダの拡張 MIME-Version Content-Type Content-Disposition Content-Transfer-Encoding 38

39 添付ファイル付きのメールフォーマット例 Received: from SINPRD0310MB391.apcprd03.prod.outlook.com ([ ]) by SINPRD0310HT002.apcprd03.prod.outlook.com ([ ]) with mapi id ; Thu, 30 May :38: Content-Type: multipart/mixed; boundary="_002_9bb0c5fdd26eb142b3b76e53820b0fb9020bc402sinprd0310mb391_" Content-Transfer-Encoding: binary From: Masao Takaku To: Masao Takaku Subject: =?iso-2022-jp?b?gyrcjuylosvigyhc?= Date: Thu, 30 May :38: Message-ID: --_002_9BB0C5FDD26EB142B3B76E53820B0FB9020BC402SINPRD0310MB391_ Content-Type: text/plain; charset="iso-2022-jp" これはテストです高久 --_002_9BB0C5FDD26EB142B3B76E53820B0FB9020BC402SINPRD0310MB391_ Content-Type: text/plain; name=" klis-tokuron.txt" Content-Description: klis-tokuron.txt Content-Disposition: attachment; filename=" klis-tokuron.txt" Content-Transfer-Encoding: base64 jccsa4nvguar5yp3iuancg0kguwov5bidqonci0gli6obyzjivqj25l2gsyqazhigs2cx4kkgsic wylegtyct4kpgugnci0gk/yojolmjduczinlgvudfylgjkslhonlgvudfylnlc+cpolegucr5y/k lxacxyk3gqmbsa0klscm9paxipwodzzdgsacqylbgssdqyokgswct4kpgugncg0k --_002_9BB0C5FDD26EB142B3B76E53820B0FB9020BC402SINPRD0310MB391_-- 39

40 Content-Type: multipart/mixed; boundary="_002_9bb0c5fdd26eb142b3b76e5 3820B0FB9020BC402SINPRD0310MB391_ 各パートでの内容種別 1. Content-Type: text/plain; charset="iso-2022-jp 2. Content-Type: text/plain; name=" klistokuron.txt Content-Disposition: attachment; filename=" klis-tokuron.txt"; 複数パートの区切り文字を全体で指定 40

41 軽量テキストフォーマット各種 Wiki/Blog 記法 MediaWiki Markdown HTML LaTeX 41

42 Wiki 記法 WikiWikiWeb 等により提唱簡易なテキストフォーマット + スタイル整形文書要素 : 段落見出しリンク図表強調 HTML への変換により Web での発信や共有を前提とした軽量マークアップ言語の典型標準化の欠如ウィキソフトウェアごとに多くの亜流 ( 数百種?) 例 : 強調 強調 [ 筑波大学 ] <a href= > 筑波大学 </a> 42

43 MediaWiki 記法 %E8%A6%8B%E8%A1%A8 世界最大の百科事典 Wikipedia の執筆に用いられている記法特徴 Web 上での発信用途誰でも記述できるよう HTML を簡易化した記法図表や数式の表記まで対応 HTML マークアップにもそのまま対応テンプレート (transclude) 43

44 Markdown 記法 Web 上で提供されるソフトウェア開発やマニュアルブログ等で用いられる軽量テキストフォーマット特徴 Web 上での発信に加えて HTML 以外のフォーマットのサポートも複数の処理系の存在 ( 処理系ごとの互換性は不完全 ) 例 : ** 強調 ** 強調 [ 筑波大学 ]( <a href= > 筑波大学 </a> 44

45 まとめドキュメントフォーマットとは? ドキュメントフォーマットの切り口フォーマットの識別判別プレインテキストのフォーマットテキスト / 文字コードドキュメントフォーマットの例 Eメールのフォーマット軽量テキストフォーマット 45

ディジタルドキュメント

ディジタルドキュメント (7) 高久雅生 2013 年 5 月 30 日 ( 木 )3 4 時限授業資料サイト : http://masao.jpn.org/lecture/2013/digital-document/ 1 ( 前回の復習 = ふりかえり ) 電子書籍の事例を確認しながらそれぞれの特徴を考えてみた電子書籍端末書店コンテンツ図書館サービス電子書籍の特徴紙の書籍との比較では