提取方正排版文件广义元数据并生成全文HTML的探索

• 作者: 徐用吉 杨海亮
• 来源期刊: 中国科技期刊研究
• 关键词: 广义元数据 方正BD排版语言 VB编程软件 自动全文提取 HTML文件
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 数字出版
• 页码范围: 202-206
• 页数: 5页
• 字数: 3837字
• 语种: 中文
• DOI: 10.11946/cjstp.201509280939

摘要

[目的]实现自动提取科技期刊全文元数据并生成HTML文件.[方法]以方正排版文件为对象,在可以提取出来文章的标题、摘要等元数据的基础上,将文章的正文内容元数据化,提出了包含图、表、公式等的广义元数据概念,并建立了提取图、表元数据的提取规则,同时将方正排版数学公式转化为LaTeX表达式.然后利用VB编程软件编写了自动提取广义元数据程序并将元数据重新组合生成HTML格式的文件.[结果]根据方正BD排版语言的特点,建立的提取规则能有效提取全文并元数据化,最后可直接生成HTML文件.[结论]实际应用表明了利用广义元数据生成HTML文件的有效性和可行性.