(tratándolo como si estuviera previamente formateado). | //.txt, .text// | //-// | | | //HTMLPlug// | Trata el HTML, sustituyendo adecuadamente los hipervínculos. Si el documento al que apunta el hipervínculo no se encuentra en la colección, se inserta una página intermedia que avisa al usuario de que está saliendo de la colección. Extrae los metadatos ya disponibles, como //Title//. | //.htm, .html, .cgi, .php, .asp, .shm, .shtml// | //.gif, .jpeg, .jpg, .png, .css, .rtf// | | | //WordPlug// | Trata los documentos en formato Word de Microsoft, extrae el autor y el título cuando están disponibles y mantiene los diagramas e imágenes en sus lugares adecuados. Las aplicaciones de conversión utilizadas por este conector generan algunas veces HTML mal formateados y, por consiguiente, le recomendamos que proporcione los documentos originales para su visualización cuando cree colecciones de archivos WORD. Sin embargo, el texto que se extrae de los documentos es apropiado a efectos de búsqueda e indización. | //.doc// | //.gif, .jpeg, .jpg, .png, .css, .rtf// | | | //PDFPlug// | Trata documentos PDF y extrae la primera línea del texto como título. El programa //pdftohtml// no logra tratar algunos archivos PDF. Lo que ocurre es que el proceso de conversión lleva un tiempo excesivo y a menudo aparece en pantalla un mensaje de error al respecto. Si esto ocurre, la única solución que podemos proponerle es suprimir de la colección el documento problemático y volverla a importar. | //.pdf// | //.gif, .jpeg, .jpg, .png, .css, .rtf// | | | //PSPlug// | Trata documentos PostScript y opcionalmente extrae los metadatos de fecha, título y número de página. | //.ps// | //.eps// | | | //EMAILPlug// | Trata los mensajes de correo electrónico y reconoce el autor, el asunto, la fecha, etc. Este conector aún no maneja adecuadamente los correos electrónicos codificados con MIME; aunque son legibles, suelen tener un aspecto bastante extraño. | Debe terminar por dígitos o por dígitos seguidos de .Email | //-// | | | //BibTexPlug// | Trata los archivos bibliográficos en formato //BibTeX// | //.bib// | //-// | | | //ReferPlug// | Trata los archivos bibliográficos en formato //refer// | //.bib// | //-// | | | //SRCPlug// | Trata los archivos de código fuente | //Makefile, Readme, .c, .cc, .cpp, .h, .hpp, .pl, .pm, .sh// | //.o, .obj, .a, .so, .dll// | | | //ImagePlug// | Trata los archivos de imágenes para crear una biblioteca de imágenes. Sólo funciona con UNIX. | //.jpeg, .jpg, .gif, .png, .bmp, .xbm, .tif, .tiff// | //-// | | | //SplitPlug// | Como BasPlug y ConvertToPlug, este conector no debe activarse directamente; en cambio, puede ser heredado por conectores que necesiten tratar archivos que contengan varios documentos | //-// | //-// | | | //FOXPlug// | Trata los archivos dbt de FoxBASE | //.dbt, .dbf,// | //-// | | | //ZIPPlug// | Descomprime archivos //gzip//, //bzip//, //zip// y //tar// siempre que se disponga de las herramientas GNU adecuadas | //.gzip, .bzip, .zip, .tar, .gz, .bz, .tgz, .taz// | //-// | | **Específicos de una colección** | //PrePlug// | Trata la salida HTML utilizando PRESCRIPT y divide los documentos en páginas para la colección //Computer Science Tecnical Reports// | //.html, .html.gz// | //-// | | | //GBPlug// | Trata el texto electrónico del Proyecto Gutenberg, que incluye información sobre títulos introducida manualmente. | //.txt.gz, .html, .htm// | //-// | | | //TCCPlug// | Trata los documentos de correo electrónico procedentes de //Computists´ Weekly// (el semanario de los informáticos) | Debe empezar por //tcc o cw// | //-// | Los programas de creación de colección utilizan conectores de tratamiento de documentos para analizar los documentos de origen en función de su formato. En el archivo de configuración de colección se enumeran todos los conectores utilizados durante el proceso de creación. Durante la operación de importación, cada archivo o directorio pasa uno a uno por todos los conectores, siguiendo el orden establecido, hasta que encuentra uno que puede tratarlo; así pues, los primeros conectores de la lista tienen prioridad sobre los últimos. Si ningún conector puede tratar el archivo, aparece un aviso (en error estándar) y el tratamiento pasa al archivo siguiente. (En este caso la opción //block_exp// puede resultar útil a fin de evitar estos mensajes de error para los archivos que pueden estar presentes pero no necesitan tratamiento.) Durante la etapa de creación de la colección se aplica el mismo procedimiento, pero se trata el directorio //archives// en lugar del directorio //import//. Los conectores estándar de Greenstone se enumeran en el Cuadro
//TEXTPlug// | //title_sub// | Expresión de sustitución Perl para modificar los títulos. | | //PSPlug// | //extract_date// | Extrae la fecha de creación del encabezado PostScript y la almacena como metadato. | | | //extract_title// | Extrae el título del documento del encabezado PostScript y lo almacena como metadato de título. | | | //extract_pages// | Extrae los números de página del documento PostScript y los incluye en las secciones adecuadas como metadatos con la etiqueta //Pages//. | | //RecPlug// | //use_metadata_files// | Asigna metadatos desde un archivo, como se explica en la subsección siguiente. | | //ImagePlug// | Diversas opciones | Véase //ImagePlug.pm//. | | //SRCPlug// | //remove_prefix// | Especifica en forma de expresión regular de Perl, un patrón inicial que debe eliminarse del nombre del archivo. El comportamiento por defecto es suprimir toda la ruta. | ==== Conectores de importación de formatos patentados ==== Los formatos patentados plantean serias dificultades para cualquier sistema de biblioteca digital. Aunque se disponga de documentación sobre su funcionamiento, pueden ser modificados sin aviso y resulta difícil mantenerse al tanto de los cambios. Greenstone ha optado por utilizar las aplicaciones de conversión publicadas según los términos de la GPL (Licencia Pública General de GNU) y elaboradas por personas dedicadas a esta tarea. Los instrumentos para convertir formatos Word y PDF se encuentran en el directorio //packages//. Estos convierten los documentos en texto normal o en HTML. Se utilizan posteriormente //HTMLPlug// y //TEXTPlug// para convertirlos en el Formato de Archivo Greenstone. //ConvertToPlug// sirve para incluir los instrumentos de conversión y, al igual que //BasPlug//, nunca se activa directamente, sino que los conectores de tratamiento de formatos específicos derivan o heredan de él, como se ilustra en la Figura
]>
nugget.*
Nugget Point Lighthouse
Nugget Point
nugget-point-1.jpg
Nugget Point Lighthouse, The Catlins
Lighthouse
El archivo de ejemplo contiene dos estructuras de metadatos. En cada una de ellas, el elemento //filename// describe los archivos a los que se aplican los metadatos en forma de expresión regular. Así pues,
//(el texto de la sección va aquí)//
Se utilizan los marcadores %!-- ... --% porque indican comentarios en formato HTML; en consecuencia, estas etiquetas de sección no afectarán al formateo del documento. En la parte //Description// se pueden especificar otros tipos de metadatos, pero esto no ocurre para el estilo de colección que mencionamos aquí. Asimismo, las etiquetas pueden subdividirse, de tal modo que la línea anterior señalada por marcadores //el texto de la sección va aquí// pueda incluir a su vez otras subsecciones, como por ejemplo:
//(el texto de la primera parte de la sección va aquí)//
//(el texto de la subsección va aquí)//
//(el texto de la última parte de la sección va aquí)//
Cualquier conector que utilice HTMLPlug hereda esta función. El conector Word, en particular, convierte en formato HTML los datos que recibe y por ello se pueden especificar los metadatos exactamente de la misma manera en los archivos Word (y RTF). (Esto supone un poco de trabajo “entre bastidores”, porque cuando los documentos Word se convierten en HTML, el programa por lo general procura neutralizar la interpretación especial que suele hacer HTML de los signos sueltos “<” y “>”; nos las hemos arreglado para invalidar esto en el caso de las especificaciones antes mencionadas.) Obsérvese que se utiliza exactamente el mismo formato que antes, incluso en los archivos Word, así como los signos de comentarios “%!--” y “--%”. El tipo de letra y el espaciado no se tienen en cuenta.
===== Clasificadores =====
Los clasificadores sirven para crear los índices de consulta de la colección. Valgan como ejemplos el índice //títulos A-Z// de la colección //dlpeople//, así como los índices //tema//, //cómo...//, //organizaciones// y //títulos A-Z// de la Biblioteca sobre Aspectos Humanitarios y de Desarrollo, de la que la colección de demostración es un subconjunto. La barra de desplazamiento que aparece en la parte superior de la pantalla en las Figuras 3 y 8a incluye la función //búsqueda//, que siempre está disponible, seguida de botones correspondientes a todos los clasificadores que se han definido. La información utilizada para facilitar la consulta se encuentra en la base de datos de informaciones de la colección, donde es colocada por los clasificadores activados durante la fase final del programa //buildcol.pl//.
1 1 "General reference"
1.2 1.2 "Dictionaries, glossaries, language courses, terminology
2 2 "Sustainable Development, International cooperation, Pro
2.1 2.1 "Development policy and theory, international cooperatio
2.2 2.2 "Development, national planning, national plans"
2.3 2.3 "Project planning and evaluation (incl. project managem
2.4 2.4 "Regional development and planning incl. regional profil
2.5 2.5 "Nongovernmental organisations (NGOs) in general, self-
2.6 2.6 "Organisations, institutions, United Nations (general, d
2.6.1 2.6.1 "United Nations"
2.6.2 2.6.2 "International organisations"
2.6.3 2.6.3 "Regional organisations"
2.6.5 2.6.5 "European Community - European Union"
2.7 2.7 "Sustainable Development, Development models and example
2.8 2.8 "Basic Human Needs"
2.9 2.9 "Hunger and Poverty Alleviation"
El argumento //hfile// da el nombre de un archivo, como el de la Figura | [Text] |
classify Hierarchy –hfile sub.txt –metadata Subject –sort Title
classify AZList -metadata Title
classify Hierarchy -hfile org.txt –metadata Organisation –sort Title
classify List -metadata Howto
format SearchVList “ [link][icon][/link] {If}
{[parent (All’: ’):Title], [parent (All’:’):Title]:}
[link][Title][/link] ”
format CL4Vlist “
[link][Howto][/link]”
format DocumentImages true
format DocumentText “ [Title]
\\n\\n[Text]”
format DocumentButtons “Expand Text|Expand contents|Detach|Highlight”
En la Figura ”) y contiene el texto del metadato //Howto//, vinculado por hipervínculo al documento en cuestión. La línea 1 especifica la clasificación //Subject// (tema) de la colección de demostración, denominada CL1 (la primera en el archivo de configuración); la línea 3 especifica la clasificación //Organisation// y se denomina CL3. Ambas son generadas por el clasificador //Hierarchy// y, por consiguiente, comprenden una estructura jerárquica de objetos //VList//. La línea 2 especifica el resto de la clasificación de la colección de demostración, //Títulos A-Z// (CL2). Obsérvese que no existen cadenas de formato asociadas a los clasificadores CL1 a CL3. Greenstone dispone de valores por defecto para cada tipo de cadena de formato y por lo tanto no es necesario configurar una cadena de formato a menos que se desee invalidar el valor por defecto.
[link][icon][/link]
[link][Title][/link]
Está diseñada para aparecer como una línea en un cuadro, que es como se formatea la lista de resultados de una consulta. Va acompañada, como de costumbre, por un pequeño icono vinculado al texto, y por el título del documento que establece un hipervínculo con el documento en cuestión.
En esta colección, los documentos son jerárquicos. De hecho, el hipervínculo anterior remite al título de la sección obtenido por la consulta. Sin embargo, sería preferible que incluyese también el título de la sección que la contiene, del capítulo que contiene esta última y del libro en el que se encuentra. Existe un elemento de metadato especial, //parent//, que no se guarda en los documentos pero que está implícito en cualquier documento jerárquico y que genera este tipo de lista. Éste remite al documento principal, o si se utiliza con el calificador //All//, remite a la lista de documentos principales emparentados jerárquicamente, separada por una cadena de caracteres que se pueden precisar tras el calificador //All//. Así pues,
[link][icon][/link]
{[parent(All´: ´):Title]: }[link][Title][/link]
produce una lista que contiene el título del libro, el título del capítulo, etc. que encierra la sección buscada, separados por dos puntos, y más adelante por otro carácter de dos puntos seguido de un hipervínculo con el título de la sección buscada.
Lamentablemente, si el objetivo buscado es un libro, no hay documento emparentado y, por lo tanto, aparecerá una cadena vacía seguida de dos puntos. Para evitar tales problemas puede usted utilizar en una cadena de formato las instrucciones condicionales //if// y //or// ... //else// :
{If} {[metadato],acción-si-no-vacio, acción-si-vacio}
{Or} {acción,else otra-acción, else otra-acción, etc}
En cualquiera de los casos, se utilizan las llaves para señalar que las instrucciones deben interpretarse y no sólo considerarse como texto. La instrucción //if// comprueba si el metadato está vacío y elige la primera opción si no es así; de lo contrario pasa a la segunda (si es que existe). Se puede utilizar cualquier elemento de metadato, incluso el metadato especial //parent//. La instrucción //Or// evalúa todas las acciones por turno hasta que encuentra una que no esté vacía. La envía entonces a la lista de resultados e ignora el resto de la línea.
Volviendo a la línea 5 de la Figura
[link][icon][/link]
{If}{[parent (All´: ´):Title],
[parent (All´: ´):Title]:}
[link][Title][/link]
De este modo la especificación //parent// va precedida de un condicional que comprueba si el resultado está vacío y sólo muestra la cadena completa ( //parent//) cuando está presente. Algunas veces, //parent// puede ser calificado por //Top// en vez de //All//, lo cual da el nombre del documento de nivel superior que encierra una sección: en este caso, el nombre del libro. Con //Top// no es necesaria una cadena de separación.
Para concluir, presentamos algunos ejemplos que ilustran otras funciones. En la Figura
classify AZSectionList metadata=Creator
format CL2Vlist “[link][icon][/link]
[Creator]
[Title]
[parent(Top):Date] ”
La especificación de formato muestra esos //Vlists// de manera apropiada.
El mecanismo de cadena de formato es flexible pero difícil de aprender. La mejor manera de proceder es estudiando los archivos de configuración de colecciones existentes.
==== Enlaces con diferentes versiones de documentos ====
El mecanismo //[link] ... [/link]// en una cadena de formato, se crea un enlace con el formato HTML del documento, donde el hipervínculo es el título del documento: cuando se hace clic en el enlace se abre la versión HTML del documento. En algunas colecciones es útil poder visualizar otras versiones del documento. En una colección de documentos con formato Word de Microsoft, por ejemplo, es bueno poder abrir una versión Word de cada documento en lugar de la HTML que se ha extraído de ella; lo mismo ocurre con los documentos PDF.
Para poder mostrar diferentes versiones de un documento, la solución es incorporar la información necesaria (es decir, dónde se encuentran las demás versiones) al formato de archivo de Greenstone del documento. Esta información se representa en forma de metadatos. Recuerde que al colocar:
[link][Title][/link]
en una cadena de formato, se crea un enlace con el formato HTML del documento, donde el hipervínculo es el título del documento. Tanto los conectores de Word como los de PDF generan metadatos //srclink//, de modo que si se introduce:
[srclink][Title][/srclink]
en una cadena de formato, se crea un enlace con la versión Word o PDF del documento, donde el hipervínculo es también en este caso el título del documento. A fin de que aparezcan los iconos correspondientes a los documentos Word y PDF, estos conectores generan también metadatos //srcicon// de tal forma que:
[srclink][srcicon][/srclink]
crea un enlace etiquetado por el icono estándar de Word o PDF (según el caso) y no por el título del documento.
===== Control de la interfaz de usuario de Greenstone =====
El conjunto de la interfaz de usuario de Greenstone se controla mediante macros que se encuentran listados en el directorio //GSDLHOME/macros //. Estas macros están escritas en un lenguaje especialmente concebido para Greenstone y se utilizan en el momento de la ejecución para generar páginas Web. La traducción del lenguaje macro al formato HTML es la última etapa para mostrar una página. Así pues, las modificaciones de un archivo de macros afectan inmediatamente la presentación en pantalla y permiten experimentar rápida y fácilmente. Todos los archivos de macros que utiliza Greenstone se encuentran en //GSDLHOME/etc/main.cfg// y se cargan cada vez que se arranca el programa. La única excepción es cuando se utiliza la Biblioteca Local de Windows: en este caso es necesario reiniciar el proceso.
Las páginas Web se generan al instante por numerosas razones y el sistema de macros le permite a Greenstone funcionar con la flexibilidad necesaria. Las páginas pueden presentarse en diversos idiomas y existe un archivo de macros diferente para almacenar todo el texto de la interfaz en cada lengua. Cuando Greenstone presenta una página, el intérprete de macros comprueba la variable de idioma y carga la página en la lengua apropiada (aunque no llega a traducir el contenido del documento). Además, los valores de determinadas variables de visualización, como el número de documentos encontrados en una búsqueda, no se conocen de antemano, sino que se interpolan en el texto de la página mediante macros.
==== El formato de los archivos de macros ====
Los archivos de macros tienen la extensión //.dm//. Cada archivo define uno o más //paquetes// ( //packages//), cada uno de los cuales contiene una serie de macros utilizadas con un fin preciso y único. Al igual que los clasificadores y los conectores, hay una base a partir de la cual se elaboran las macros, que se llama //base.dm// ; este archivo define el contenido básico de una página.
Los nombres de las macros empiezan y terminan con una rayita de subrayado y su contenido se define mediante llaves. El contenido puede ser texto llano, HTML (incluidos los enlaces con pequeños programas ( //applets//) de Java y JavaScript), nombres de macros o cualquier combinación de estos elementos. La siguiente macro procedente de //base.dm// define el contenido de una página en ausencia de cualquier otra macro que la invalide:
_content_ {Oops
_textdefaultcontent_}
En la parte superior de la página aparecerá el mensaje “Oops”, seguido de la macro _textdefaultcontent_, que en inglés equivale a The requested page could not be found. Please use your browsers ‘back’ button or the above home button to return to the Greenstone Digital Library, y en otros idiomas aparecerá la correspondiente traducción de esta frase. En español, por ejemplo, se podrá leer: No se pudo encontrar la página solicitada. Pulse el botón “Atrás” o el botón de “Página principal” para volver a la Biblioteca Digital Greenstone.
Las macros //_textdefaultcontent_// (contenido del texto por defecto) y //_content_// (contenido) se encuentran en el paquete //global// porque son necesarias para todas las partes de la interfaz de usuario. Las macros pueden utilizar como contenido macros de otros paquetes, mas para ello deben anteponer sus nombres y el de su paquete. Por ejemplo, la macro:
_collectionextra_ {Esta colección contiene_about:numdocs_documentos. Se constituyó por última vez hace _about:builddate_ días.}
procede del archivo //english.dm// y se utiliza como descripción por defecto de una colección. Forma parte del paquete //global//, pero //_numdocs_// y _ //builddate// _ pertenecen ambas al paquete //about//, por ello //about:// precede sus nombres.
Las macros suelen contener instrucciones condicionales que se parecen a las cadenas de formato condicionales antes mencionadas, aunque su apariencia difiere un poco. El formato básico es _ //If// _ //(x,y,z)//, en que //x// es una condición, //y// es el contenido de la macro que se debe utilizar si esta condición se cumple, y //z// el contenido que se debe utilizar en caso contrario. Los operadores de comparación son los mismos que los operadores simples utilizados en Perl (menor que, mayor que, igual a, diferente de). El siguiente ejemplo procedente del archivo //base.dm// se utiliza para determinar cómo visualizar la parte superior de la página //acerca de// de una colección:
_imagecollection_ {
_If_("_iconcollection_" ne "",
,
_imagecollectionv_)
}
Esto puede parecer un poco críptico. La macro //_iconcollection// _ desemboca en la cadena vacía si la colección carece de icono, o en el nombre del archivo de una imagen. Haciendo la paráfrasis del código antes mencionado: si existe una imagen de colección, presentar el encabezado de página //acerca de esta colección// (al que se remite mediante //_httppageabout_//) y luego esa imagen; de otro modo, utilizar la presentación alternativa //_imagecollectionv_//.
Las macros pueden incluir argumentos. Hay aquí una segunda definición de la macro //_imagecollection_// que sigue inmediatamente la definición antes indicada en el archivo //base.dm//:
_imagecollection_[v=1]{_imagecollectionv_}
El argumento //[v=1]// especifica que la segunda definición se utiliza cuando Greenstone se ejecuta en modo “sólo texto”. Las macros de idiomas funcionan de la misma manera: todas especifican su lengua como argumento, salvo //english.dm// porque es el idioma por defecto. Por ejemplo:
_textimagehome_ {Home Page}
aparece en el archivo de macro de lengua inglesa, mientras que la versión alemana es:
_textimagehome_ [l=de] {Hauptaseite}
Las versiones inglesa y alemana se encuentran en el mismo paquete, aunque en archivos diferentes (las definiciones de paquetes pueden ocupar más de un archivo). Greenstone utiliza su argumento //l// en el momento de la ejecución para determinar qué idioma se debe visualizar.
package about
############################################
# about page content
############################################
_pagetitle_ {_collectionname_}
_content_ {
_navigationbar_
_query:queryform_
_iconblankbar_
_textabout_
_textsubcollections_
_help:textsimplehelpheading_
_help:simplehelp_
}
_textabout_ {
_textabcol_
_Global:collectionextra_
}
Por último, en la Figura