DB44T 1888-2016 标准文献全文XML 解析规范

DB44DB44/T1888—2016标准文献全文XML解析规范2016-09-08发布2017-01-01实施广东省质量技术监督局发布 Ⅲ Ⅴ 1 1 1 2 3 7 14 28 31 33ⅠⅢV随着网络技术、计算机技术和信息技术的飞速发展，标准文献的信息组织模式已从卡片式目录手工检索的模式转换为数据库存储计算机检索的模式，通过题录加工和全文扫描，建立了题录数据库和全文数据库，实现了题录信息的计算机检索和相关标准文本的自动链接，但是检索结果往往是与目标信息相关的标准文献，还需要进一步通过浏览文本获取最终的目标信息，难以实现知识管理和知识发现。标准信息挖掘是通过数字化和结构化的信息加工，实现多途径和多维度的信息检索，全方位和细粒度的信息抽取，如图1所示。信息加工结构化信息检索标准信息挖掘信息抽取图1标准信息挖掘针对采集的资源的格式不同，在综合考虑加工时间、成本和效益的基础上，建立标准文献全文结构化解析模型，提出了采用XML(即可扩展置标语言)描述的半结构化和全结构化两种标准全文结构化数据格式。1本标准规定了标准信息挖掘过程中的标准文献全文结构化解析模型，以及半结构化和全结构化标本标准适用于半结构化和全结构化标准文献全文格式和存储格式的定义，支持不同的数字化标准下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本GB2312-1980信息交换用汉字GB13000-2010信息技术通用多八位编码GB/T18793-2002信息技术可扩展置标语言标准文献经过数字化、结构化的信息加工，实现多途径多维度的信息检索，以及全方位和细粒度2标准通用置标语言(SGML)的子集，是一种用于标记电子文件使其具有结构性的标记语言，它为描述和交换结构化数据提供统一方法。3.5元素element在诸如HTML和SGML之类的标记语言中，一组标记、标记之间的内容以及标记所含的所有属性的组3.6只包含了标准全文部分的内容和结构信息的文档，称为半结构化标准全文。3.7完全包含标准全文内容和结构信息的文档，称为全结构化标准全文。4标准全文结构化解析模型综合考虑标准化对象、技术要素和标准文本三个方面，在内容层面和展现层面建立了如图2所示的标准全文结构化解析模型。分类方法1分类方法1标准全文分类方法Schema文件分类方法3标准全文分类方法XML文件条文标准全文Schema文件标准全文XML文件公式分类方法2展现层面图表图1标准全文结构化解析模型3标准的可选元素，以标准类型进行组织，（预留今后扩SpecialStandard的子节点，可为A3，...第一个标准类型的扩展元素第二个标准类型的扩展元素Text/Image/Table/Form4约束定义别名Section的子元素，可选Section的子元素，可选定义Section的子元素，可选b)元素的Id、名称、是否必须著录、是否多值等属性应进行设定，这些设置决定结构化标准全层次结构NormalStandardSpecialStand名称类型使用默认固定注解5.2.2元素StructTextDocu层次结构5层次结构名称类型使用默认固定注解层次结构NameOther-NamesTagDefineNelementsNormalStandardS6使用固定注解层次结构目类型父元素5.2.6元素StructTextDocument/NormaIStandard/Section/Other-Names层次结构父元素5.2.7元素StructTextDocument/NormaIStandard/Section/Tag7层次结构类型5.2.9元素StructTextDocume层次结构目类型5.2.10元素StructTextDocument/NormalStandard/Section/Other-Names/Alias层次结构约束定义半结构化标准文献XML文件的根节点8约束定义条文信息用于描述元素中的图片信息图片所在页数图片路径，一般仅著录文件名用于描述元素中的表格信息表格图片路径，一般仅著录文件名用于描述元素中的公式信息公式所在页数公式图片路径，一般仅著录文件名Image,Table,Formula的子元素Image,Formula的子元素图片和公式的说明信息层次结构使用<xs:elementref="Section”maxOccurs=<xs:attributename="std_no"type="xs:string"use<xs:attributename="name"type="xs:string"use9层次结构使用默认固定注解<xs:elementref="Image”maxOccurs=<xs:elementref="Table"max0<xs:elementref="Formula”maxOccurs=<xs:attributename="id"type="xs:string"use<xs:attributename="name"type="xs:string"use<xs:attributename="t<xs:restrictionbase<xs:enumerationvalu层次结构曰attributes使用默认固定注解<xs:attributename="page"type="xs:string"use层次结构名称类型使用默认固定注解pathxs:stringrequi<xs:elementref="Title"type=<xs:elementref="Desc<xs:attributename=“path”type="xs:string"use<xs:attributename=“page”type=<s:attributename="1eft<xs:attributename="top”type=<xs:attributename="right"type=<xs:attributename="bottom层次结构使用<xs:elementref="Title"type=<xs:elementref="Content"type=<xs:attributename=“page”type="xs:stri<xs:attributename="path"type=”xs:stri<xs:attributename="left"type=<xs:attributename="top<xs:attributename="right<xs:attributename="bottom"type=层次结构<xs:elementref="Title"type="xs:<xs:elementref="Desc"type="<xs:attributename="path"type="xs:string"use="re<xs:attributename="page"type="xs:string"use="re<xs:attributename="left"type="xs:<xs:attributename="top"type="xs:<xs:attributename="right"type="xs:<xs:attributename="bottom"type="xs:6.2.7元素Standard/Sectio<xs:elementname="Content"type="xs:6.2.8元素Standard/Section/Formula/Title类型<xs:elementname="Titl类型<xs:elementname="Des7.1.4文档元素的属性、约束与页面元素的关系见表3。123415617819图表注条1图表注图注11a图表注层次结构范围封面目次前言引言范围引用文件正文条款附录参名称类型LanguageXS:languaUpdatetimeXS:datetTiUpdateuserXS:string<xs:elementname="文档"><xs:documentation>Commentdescribingyourrootelement</xs:d<xs:elementname=“目次”mi<xs:elementname=“引言”mi<xs:elementname="范围"/><xs:elementname="引用文件”minOccurs="0"/><xs:elementname="正文条款”maxOccurs="unbounded"/><xs:elementname="附录"minOccurs="0"maxOccurs="unbounded"/><xs:elementname=“参考文献”minOccurs="0”/><xs:elementname="索引”minOccurs="0"maxOccurs="unbounded"/><xs:elementname="修改单”minOccurs="0"maxOccurs="unbounded"/><xs:attributename="ID"type="xs:ID"use<xs:attributename="language"type=”xs:langua<xs:attributename="updatetime"type="xs:dateTime"use<xs:attributename="updateuser"type="xs:string"use7.2.2元素封面层次结构性质被替代标准号三注备案号 中文名称英文名称标准号被替代标准号采用名称类型可用性性质XS:documentElementAttribute<xs:elementname="封面"><xs:elementref="中文名称"minOccurs="0"/><xs:elementref=“英文名称”minOccurs="0”/><xs:elementref=“标准号”/><xs:elementref="被替代标准号"minOccurs="0"/><xs:elementref="采用标准号”minOccurs="0"/><xs:elementref=”备案号”minOccurs="0"/><xs:elementref=“发布日期”/><xs:elementref=”实施日期”minOccurs="0"/><xs:elementref=“发布组织”minOccurs="0”/><xs:attributeref=“性质”default="资料性概述”/>7.2.3元素目次性质性质XS:documentElementAttribute<xs:elementname="目次"minOccurs="0"><xs:elementref=“条文”/><xs:attributeref=”性质”/>7.2.4元素前言性质性质XS:documentElementAttribute<xs:elementname="前言"><xs:elementref="条文"/><xs:attributeref=“性质”/>7.2.5元素引言层次结构引言白性质图表0..0性质XS:DocumentElementAttribute<xs:elementname="引言"m<xs:elementref="条文"maxOccurs=<xs:elementref="图”minOccurs="0"maxOccurs=<xs:elementref="表”minOccurs="0"maxOccurs=<xs:elementref=“注”minOccurs="0"maxOccurs="unbounded"/><xs:attributeref=“性质”default="资料性概述”/>7.2.6元素范围层次结构性质性质XS:DocumentElementAttribute<xs:elementname="范围"><xs:elementref=“条文”/><xs:attributeref=“性质”fi7.2.7元素引用文件性质性质XS:DocumentElementAttribute<xs:elementname=“引用文件”min0ccurs="0"><xs:elementref=“条文”/><xs:attributeref=”性质”default=”规范性一般”/>7.2.8元素正文条款性质土性质XS:DocumentEleme<xs:elementname="正文条款"maxOccurs="unbounded"><xs:elementref=“条文”maxOccurs="unbounded”/><xs:elementref="图"minOccurs="0"maxOccurs="unbounded"/><xs:elementref="表”minOccurs="0"maxOccurs="unbounded"/><xs:elementref="注”minOccurs="0"maxOccurs="unbounded"/><xs:attributeref="性质”default="规范性技术"/>7.2.9元素附录层次结构,性质图表名称类型可用性性质XS:DocumentElementAttribute<xs:elementname="附录"minOccurs="0"maxOccurs="unbounded"><xs:elementref="条文”minOccurs="0"maxOccurs=<xs:elementref="图”minOccurs="0"maxOccurs=<xs:elementref="表”minOccurs="0"maxOccurs=<xs:elementref="注"minOccurs="0"maxOccurs="unbounded"/><xs:attributeref=“性质”/>7.2.10元素参考文献层次结构性质性质XS:DocumentElementAttribute<xs:elementname=“参考文献”m<xs:elementref=“条文”/><xs:attributeref=”性质”default=“资料性补充”/>7.2.11元素索引层次结构性质索引性质XS:DocumentElementAttribute<xs:elementname=”索引”minOccurs="0"maxOccurs="unbounded"><xs:elementref="条文”maxOccurs="unbounded"/><xs:attributeref=“性质”/>7.2.12元素修改单层次结构性质图表注性质XS:DocumentEleme<xs:elementname="修改单”minOccurs="0"maxOccurs<xs:elementref="条文”maxOccurs="unbounded"/><xs:elementref="图"minOccurs="0"maxOccurs="unbounded"/><xs:elementref="表”minOccurs="0"maxOccurs=<xs:elementref="注”minOccurs="0"maxOccurs=<xs:attributeref=“性质”/>层次结构 巨名称类型可用性<xs:elementname="图"><xs:elementname="titl<xs:elementname="descriptio<xs:attributename="foreword<xs:attributename="page"type="xs:str<xs:attributename="path"type="xs:str层次结构 TitleDescriptionConte名称类型可用性<xs:elementname="表"><xs:elementname="titl<xs:elementname="conten<xs:elementname="descriptio<xs:attributename="foreword<xs:attributename="page"type="xs:str<xs:attributename="path"type="xs:str层次结构曰曰attributes注,条文条文BeNotedID名称类型可用性<xs:elementname="注"><xs:elementref=“条文”/><xs:elementname="beNotedI<xs:attributename="noteTag"type="xs:boolean"use="opt7.2.16元素条文层次结构E<xs:elementname="条文"><xs:elementname="title"type="xs:string"mi<xs:elementname="Content"type="xs:string"mi<xs:attributename="ID"t<xs:attributename="forewordI<xs:attributename="page"type="xs:string"use<xs:schemaxmlns:xs="/2001/XMLSchema"elementFormDefault="qualifi<xs:elementname="Alias"type="xs:strin<xs:elementname="Define"type="xs:stri<xs:elementname="Name"type="xs:string<xs:elementname="NormalStanda<xs:elementref="Section"maxOccurs="unbounde<xs:elementname="Note"type="xs:string<xs:elementname="Other-Nam<xs:elementref="Alias"maxOccurs="unbounde<xs:elementname="Sectio<xs:elementref="Nam<xs:elementref="Other-Names"minOccurs="<xs:elementref="Tag"minOccurs=<xs:elementref="Define"minOccurs="0<xs:elementref="Note"minOccurs=<xs:attributename="id"type="xs:string"use="require<xs:attributename="necessary"default="Fa<xs:restrictionbase="xs:stri<xs:enumerationvalue="Tru<xs:enumerationvalue="Fal<xs:attributename="section-type"default="T<xs:restrictionbase="xs:stri<xs:enumerationvalue="Tex<xs:enumerationvalue="Image<xs:enumerationvalue="Table<xs:enumerationvalue="Formul<xs:attributename="multi-value"default="Fal<xs:restrictionbase="xs:stri<xs:enumerationvalue="Tru<xs:enumerationvalue="Fals<xs:attributename="sub-sect<xs:restrictionbase="xs:stri<xs:enumerationvalue="Image<xs:enumerationvalue="Tabl<xs:enumerationvalue="Formu<xs:elementname="SpecialStanda<xs:elementref="Section"maxOccurs="unbounde<xs:attributename="std-type"type="xs:string"use="requi<xs:elementname="StructTextDocum<xs:elementref="NormalStandard<xs:elementref="SpecialStandard"minOccurs="0"maxOccurs="unbounded"<xs:attributename="updatetime"type="xs:str<xs:attributename="updateuser"type="xs:strin<xs:elementname="Tag"type="xs:string<?xmlversion="1.0"encoding="UTF-8"standalone="y<xs:schemaxmlns:xs="/2001/XMLSchema"elementFormDefault="qualifi<xs:elementname="Content"type="xs:strin<xs:elementname="Desc"type="xs:strin<xs:elementname="Title"type="xs:strin<xs:elementname="Form<xs:elementref="Title<xs:elementref="Des<xs:attributename="path"type="xs:string"use="required<xs:attributename="page"type="xs:string"use="required<xs:elementname="Ima<xs:elementref="Title<xs:elementref="Des<xs:attributename="path"type="xs:string"use="required<xs:attributename="page"type="xs:strin<xs:elementname="Sectio<xs:complexTypemixed="tr<xs:elementref="Text<xs:elementref="Image"maxOccurs="unbound<xs:elementref="Table"maxOccurs="unbounde<xs:elementref="Formula"maxOccurs="unbounde<xs:attributename="id"type="xs:string"use="require<xs:attributename="name"type="xs:string"use="required<xs:attributename="type"use="require<xs:restrictionbase="xs:stri<xs:enumerationvalue="Tex<xs:enumerationvalue="Imag<xs:enumerationvalue="Ta<xs:enumerationvalue="Formu<xs:elementname="Standa<xs:elementref="Section"maxOccurs="unbounde<xs:attributename="std_no"type="xs:string"use="requi<xs:attributename="name"type="xs:string"use="required<xs:elementname="Tabl<xs:elementref="Title<xs:elementref="Content<xs:attributename="page"type="xs:string"use="require<xs:elementname="Tex<xs:complexTypemixed="tr<xs:attributename="page"type="xs:string"use="require<?xmlversion="1.0"encoding="utf-<!--editedwithXMLSpyv2009()byAlbert(EMBRACE)-<xs:schemaxmlns:xs="/2001/XMLSchema"elementFormDefault="qualifieattributeFormDefault="unqualified"><xs:elementname="文<xs:documentation>Commentdescribingyourrootelement</xs:documentati<xs:elementref="中文名称"minOccurs="0<xs:elementref="英文名称"minOccurs="0<xs:elementref="标准号<xs:elementref="被替代标准号"minOccurs="0<xs:elementref="采用标准号"minOccurs="0"<xs:elementref="ics"minOccurs="<xs:elementref="ccs"minOccurs="0<xs:elementref="备案号"minOccurs="0<xs:elementref="发布日期"<xs:elementref="实施日期"minOccurs="0<xs:elementref="发布组织"minOccurs="0<xs:attributeref="性质"default="资料性概述"<xs:elementname="目次"minOccurs<xs:elementref="条文"<xs:attributeref="性质"<xs:elementref="条文"maxOccurs="unbounded"<xs:attributeref="性质"<xs:elementname="引言"minOccurs<xs:elementref="条文"maxOccurs="unbounded"<xs:elementref="图"minOccurs="0"maxOccurs="unbounded"<xs:elementref="表"minOccurs="0"maxOccurs="unbounded"<xs:elementref="注"minOccurs="0"maxOccurs="unbounded"<xs:attributeref="性质"default="资料性概述"<xs:elementref="条文"maxOccurs="unbounded"<xs:attributeref="性质"fixed="规范性一般"<xs:elementname="引用文件"minOccurs=<xs:elementref="条文"<xs:attributeref="性质"default="规范性一般"<xs:elementname="正文条款"maxOccurs="unbound<xs:elementref="条文"maxOccurs="unbounded"<xs:elementref="图"minOccurs="0"maxOccurs="unbounded"<xs:elementref="表"minOccurs="0"maxOccurs="unbounded"<xs:elementref="注"minOccurs="0"maxOccurs="unbounded"<xs:attributeref="性质"default="规范性技术"<xs:elementname="附录"minOccurs="0"maxOccurs="unbounde<xs:elementref="条文"minOccurs="0"maxOccurs="unbounded"<xs:elementref="图"minOccurs="0"maxOccurs="unbounded"<xs:elementref="表"minOccurs="0"maxOccurs="unbounded"<xs:elementref="注"minOccurs="0"maxOccurs="unbounded"<xs:attributeref="性质"<xs:elementname="参考文献"minOccurs=<xs:elementref="条文"<xs:attributeref="性质"default="资料性补充"<xs:elementname="索引"minOccurs="0"maxOccurs="unbounde<xs:elementref="条文"maxOccurs="unbounded"<xs:attributeref="性质"<xs:elementname="修改单"minOccurs="0"maxOccurs="unbounde<xs:elementref="条文"maxOccurs="unbounded"<xs:elementref="图"minOccurs="0"maxOccurs="unbounded"<xs:elementref="表"minOccurs="0"maxOccurs="unbounded"<xs:elementref="注"minOccurs="0"maxOccurs="unbounded"<xs:attributeref="性质"<xs:attributename="id"type="xs:ID"use="required"/><xs:attributename="language"type="xs:language"use="required"<xs:attributename="updatetime"type="xs:dateTime"use="optional"<xs:attributename="updateuser"type="xs:string"use="optional"<xs:elementname="title"type="xs:strin<xs:elementname="content"type="xs:strin<xs:elementname="description"type