Lidé komunikují prostřednictvím dokumentů připravovaných elektronicky.

Transkript

1 PB029 Elektronická příprava dokumentů Anyone who would letterspace the lowercase would steal sheep. Frederick Goudy ( ), when looking on a prize winner certificate You cannot not communicate. Paul Watzlawick ( ), in Pragmatics of Human Communication Lidé komunikují prostřednictvím dokumentů připravovaných elektronicky. Petr Sojka PB029 Od autora ke čtenáři podzim / 210

2 PB029 Elektronická příprava dokumentů PB029 Elektronická příprava dokumentů Petr Sojka podzim 2018 Petr Sojka PB029 Od autora ke čtenáři podzim / 210

3 E = mc 2?! E = mc 2 E = mc 2 Značkování Markup Návrh Design Sazba Typesetting Korektury Proofreading Předloha Preprint Tisk Print Distribuce Distribution Petr Sojka PB029 Od autora ke čtenáři podzim / 210

4 Osnova dnešní přednášky a demopřednášky Přednáška Shrnutí předchozí hodiny, komentáře k anketě. Zápis textu v Unicode. Logická struktura dokumentu, značkování. Zkušební korektura. Demopřednáška: Rozdíly a záludnosti textových souborů na různých platformách v mezinárodním prostředí. Upozornit na první domácí úlohu a že na příští cvičení si mají studenti přinést vytištěný svůj co nejreprezentativnější příklad dříve vysázeného dokumentu (pro nebodovanou ukázku svých dovedností). Petr Sojka PB029 Od autora ke čtenáři podzim / 210

5 Anketa komentáře I Povinnost cvičení nevadí. Pozdní čas přednášky vadí. Většinová motivace psaní závěrečné práce. Tedy L A TEX a typografie! Témata k referování u otázky 7: nic. Projekt přeložení opatgenu. Detaily. Petr Sojka PB029 Od autora ke čtenáři podzim / 210

6 Myšlenky z hlavy autora do textu We thrive in information-thick worlds because of our marvelous and everyday capacity to select, edit, single out, structure, highlight, group, pair, merge, harmonize, synthesize, focus, organize, condense, reduce, boil down, choose, categorize, catalog, classify, list, abstract, scan, look into, idealize, isolate, discriminate, distinguish, screen, pigeonhole, pick over, sort, integrate, blend, inspect, filter, lump, skip, smooth, chunk, average, approximate, cluster, aggregate, outline, summarize, itemize, review, dip into, flip through, browse, glance into, leaf through, skim, refine, enumerate, glean, synopsize, winnow the wheat from the chaff and separate the sheep from the goats. Edward Tufte Petr Sojka PB029 Značkování podzim / 210

7 PB029 Elektronická příprava dokumentů 2. přednáška, Linearizované myšlenky z hlavy autora do textu Petr Sojka PB029 Značkování podzim / 210

8 Zápis textů elektronicky: Unicode I 1. Kódování textů živých jazyků se stovkami tisíc znaků. 2. Hlavní motivace: nutnost shody na reprezentaci znaků (v CS Kam, KOI-8, CP-1250, ISO Latin2,... ). 3. Unicode Unicode Consortium je nevýdělečná organizace, založená 1989 pro vývoj, rozšiřování a podporu používání Unicode Standardu. Členové konsorcia představují široké spektrum korporací a organizací. Petr Sojka PB029 Značkování podzim / 210

9 Zápis textů elektronicky: Unicode II 5. Respektuje ISO (International Standard Organization), mezinárodní ISO standard ISO/IEC , 1993: Universal Multiple-Octet Coded Character Set (UCS). 6. První standard s ambiciózním cílem obsahovat všechny znaky používané v psaných jazycích, včetně matematických a dalších symbolů. 7. Jazykově neutrální, zrušení předpokladů ekvivalence znaků a glyfů, neproporcionality hladkého textu. Petr Sojka PB029 Značkování podzim / 210

10 The Unicode Standard, ISO/IEC I 1. Unicode (k 10/2018 verze 11.0): sada znaků a pravidel zpracování specifikovaná konsorciem Unicode: UnicodeStandard-11.0.pdf na stranách. 2. Jednoznačný kód (číslo U U+10FFFF, 21 bitů) pro každý znak nezávisle na OS, jazyce, programu; 17 rovin po až 2 16 = znacích. Databáze znaků, přehledné tabulky znaků. Petr Sojka PB029 Značkování podzim / 210

11 The Unicode Standard, ISO/IEC II 3. Znak s libovolným kódem můžeme zapsat pomocí entity &#kod (kod je v desítkové soustavě) nebo &#xkod (kod je šestnáctkově): code points 0 10FFFF UCS-4 resp. UCS-2 Universal Character Set coded in 4 resp. 2 octets. 5. UCS-2 pouze pro nultou rovinu (basic multilingual plane, BMP) (two-octet BMP form). 6. Jednoznačný trend použití všude (na WWW, v OS [cut & paste], značkovacích i programovacích jazycích). Petr Sojka PB029 Značkování podzim / 210

12 The Unicode Standard, ISO/IEC III 7. Kritériem přidání znaku je odlišnost ve významu i tvaru (CJK unifikace). Výjimky: Latin P, Greek P (capital rho), Cyrillic P (R). 8. Neznaky (noncharacters), privátní zóny (roviny 15 a 16) pro specifické použití aplikací. Petr Sojka PB029 Značkování podzim / 210

13 Unicode Transformation Format UTF: přenos znaků I 1. Problémy s přímým přenosem textů v UCS-4 (prostorově neefektivní) transformační/kódovací metody UTF-8, UTF-7, UTF-16, UTF-32 jako jednoznačné mapování znaků. 2. UTF-16 16bitové slovo obsahuje kód znaku, rozšíření: 1 znak zabere dvě 16bitová slova. UTF-16BE a UTF-16LE. 3. UTF-8: znaky ASCII nahrazeny byty hex 00-7F. Ostatní znaky nahrazeny dvěma až čtyřmi byty hex 80-FF. Petr Sojka PB029 Značkování podzim / 210

14 Unicode Transformation Format UTF: přenos znaků II 4. UTF-7: pro SMTP protokol; kódovány i speciální znaky ASCII. Specifikovaný IETF, Internet Engineering Task Force, a formálně nesouvisející s ISO/IEC Výsledkem je text neobsahující kontrolní znaky a znaky nad 7F. 5. UTF-32, UTF-32BE (big endian), UTF-32LE (little endian). 6. Vícebytová pořadí: BOM Byte Order Mark, OxFEFF. 7. UTF a BOM FAQ. Petr Sojka PB029 Značkování podzim / 210

15 Standardní implementační úrovně 1 3 podporované v software I Příklad dánského A with ring above and acute accent : 1. 01FA reprezentace použitá v úrovních 1 a 2: jeden složený znak; 2. 00C A with ring above + combining acute accent nebo A 0301 A + combining ring above + combining acute accent Program implementující standard úrovně 3 musí být schopen zpracovat tyto kompozitní sekvence stejně jako výše uvedenou reprezentaci. Petr Sojka PB029 Značkování podzim / 210

16 Unicode principy návrhu I 1. univerzalita 2. efektivita 3. rozlišení znaků a glyfů 4. dobře definovaná sémantika znaků 5. umožňuje i holý (plain) text 6. logické pořadí 7. unifikace znaků 8. dynamická kompozice znaků 9. ekvivalentní sekvence znaků 10. konvertibilita 11. permanentní stabilita Petr Sojka PB029 Značkování podzim / 210

17 Unicode vlastnosti, shrnutí I 1. Třídění: Unicode Collation Algorithm. 2. Normalizace textu, kanonická forma, ligatury. 3. Tři úrovně implementace Unicode, obousměrný text, kombinace znaků, kompozitní sekvence znaků. 4. Shrnutí, detaily a přehled. 5. Sekce 1 z Electronic Document Primer Petr Sojka PB029 Značkování podzim / 210

18 Obsah a forma 1. Přenos informace raison d être dokumentu 2. Obsah stylistika, jazyková správnost, koheze 3. Forma jednotnost přenos informace struktura typografie literatura = interpretace kompozice skladby Algorithms + Data = Program Niklaus Wirth Forma + Obsah = Dokument Petr Sojka Petr Sojka PB029 Značkování podzim / 210

19 Logické a vizuální značkování 1. Obsah Forma; vizuální prvky musí podporovat vnitřní obsah a strukturu a být s ní konzistentní. 2. Značkovací jazyky (Markup Languages): XML/SGML/HTML, L A TEX umožňují oddělit obsah a formu tam, kde je to možné. 3. Značky logické struktury vizuální procesní. 4. Někdy oddělit nelze (Trychtýř Christiana Morgensterna). Petr Sojka PB029 Značkování podzim / 210

20 Z hlavy autora do elektronické podoby Data cannot be used at a finer grain than it is marked up at. R. Jelliffe 1. Autor, jeho interní model problematiky v hlavě a jeho (neustálá) reorganizace. 2. Lineární zápis (psaní) v časovém okamžiku formou textu dokumentu. 3. Krátké versus delší, strukturované texty. 4. Koherence, stavba a struktura textu. 5. Logická struktura dokumentu. Petr Sojka PB029 Značkování podzim / 210

21 Logická struktura dokumentu I 1. Pro prezentaci logické struktury obsahu, pro automatizaci zpracování, pro oddělení formy od obsahu je vhodné do textu přidávat explicitní značky. 2. Dříve sazeč určoval interpretaci implicitně z kontextu a sémantiky textu: holý text v přirozeném jazyce ve strojopise může být víceznačný. 3. Značka explicitně zjednoznačňuje (víceznačný) text. 4. Příklady strukturování dokumentu. Petr Sojka PB029 Značkování podzim / 210

22 Logická struktura dokumentu II 5. Příklady zjednoznačňujících značek: :-) (ze slovníčku smileys) či <vtip>...</vtip>. 6. Značka je kód přidávaný k (elektronicky) vytvářenému textu, který definuje strukturu textu (logická značka) nebo formát textu (vizuální značka <b>) nebo pojmenovává způsob zpracování textu (procedurální značka) \newpage. Petr Sojka PB029 Značkování podzim / 210

23 Jaké značky? I 1. Autorovi nejbližší sémantické, deklarativní, deskriptivní značkování (jména pro kategorizaci). 2. Výhody deskriptivního značkování: Nezávislé zpracování označených dat různými způsoby a programy: generování různých výstupů z jednoho zdroje (databáze, dobře označkovaný text) pro elektronickou (XML, HTML, PDF, Hypercard,... ) nebo tištěnou verzi (PS, PDF z L A TEXu). Oddělení obsahu a formy (ohledně formy má rozhodující slovo nakladatel). Petr Sojka PB029 Značkování podzim / 210

24 Jaké značky? II Je snazší výměna a komunikace obsahu: komunikace mezi (spolu)autory, redakcí (přes Internet). Datová nezávislost: textové soubory, dlouhodobá archivace trvalých hodnot [papír (500 let) versus bity (k nové verzi programu)]. Petr Sojka PB029 Značkování podzim / 210

25 Jaký značkovací jazyk? I 1. Nevýhody proprietárních formátů (Word, WordPerfect): účelově se mění, jsou nestabilní, uzavřené formáty. 2. Hrozí babylonské zmatení jazyků nebo monopol nevhodného formátu. lingua franca značkovacích jazyků?? Petr Sojka PB029 Značkování podzim / 210