Diseño analizado y objeto de texto

El objeto de diseño y texto analizado ( ALTO ) es un esquema XML abierto desarrollado originalmente por el proyecto METAe, financiado por la UE. ^{[ 1 ]} Los archivos ALTO describen la ubicación, el tamaño y el estilo del texto en una imagen de un documento digitalizado, así como otros elementos del diseño del documento, como márgenes, encabezados, columnas e ilustraciones.

La información de texto y ubicación en los archivos ALTO generalmente se genera mediante software especializado de reconocimiento óptico de caracteres (OCR) y a menudo se utiliza en combinación con el Estándar de Codificación y Transmisión de Metadatos (METS) para describir un objeto digitalizado de mayor tamaño (como un libro) y crear referencias entre archivos ALTO (como páginas), según sea necesario para describir una secuencia de lectura.

Desde la versión 1.0 en junio de 2004 hasta la 1.4 en 2007, ALTO fue desarrollado y mantenido por Content Conversion Specialists (CCS) GmbH, Hamburgo . En agosto de 2009, el mantenimiento del esquema se transfirió a la Biblioteca del Congreso y, desde entonces, fue supervisado por un comité editorial independiente creado para tal fin. ^{[ 2 ]}

Un archivo ALTO consta de tres secciones principales como hijos del <alto>elemento raíz: ^{[ 3 ]}

• <Description>Esta sección contiene metadatos sobre el propio archivo ALTO e información sobre el procesamiento de cómo se creó el archivo.
• <Styles>Esta sección contiene los estilos de texto y párrafo con sus descripciones individuales:
  • <TextStyle>tiene descripciones de fuentes
  • <ParagraphStyle>tiene descripciones de párrafos, por ejemplo información de alineación
• <Layout>Esta sección contiene la información del contenido. Está subdividida en <Page>elementos.

<?xml version="1.0"?> <alto> <Descripción> <Unidad de medida/> < Información de imagen de origen/> <Procesamiento/> < /Descripción> <Estilos> <Estilo de texto/> <Estilo de párrafo/> </Estilos> <Diseño> < Página > <Margen superior/> <Margen izquierdo/> <Margen derecho/> <Margen inferior/> < Espacio de impresión/> </ Página> </Diseño> </alto>

• ABBYY FineReader
• eScriptorium
• kitodo
• Teseracto
• Transkribus

• Estándar de codificación y transmisión de metadatos (METS)
• Dublin Core , un estándar de metadatos ISO
• Metadatos de preservación: Estrategias de implementación (PREMIS)
• Protocolo de la Iniciativa de Archivos Abiertos para la Recopilación de Metadatos (OAI-PMH)
• hOCR
• PÁGINA (XML)

• ALTO: Metadatos técnicos para objetos de diseño y texto en la Biblioteca del Congreso
• Sitio web de ALTO XML en GitHub
• El sitio web del proyecto METAe en Wayback Machine (archivado el 18 de marzo de 2016)
• Introducción de METS / ALTO por CCS GmbH en Wayback Machine (archivado el 4 de septiembre de 2014)
• Transformaciones XSLT desde y hacia ALTO en GitHub