Arquitectura del contenido del documento

La arquitectura de contenido de documentos , o DCA por sus siglas en inglés, es un estándar desarrollado por IBM para documentos de texto a principios de la década de 1980. DCA se utilizó en sistemas mainframe e IBM i y constituyó la base del formato de archivo de DisplayWrite . Posteriormente, DCA se amplió como MO:DCA (Mixed Object Document Content Architecture), que añadió archivos de datos incrustados .

El propósito original de DCA era proporcionar un formato de documento común que pudiera utilizarse en múltiples plataformas de procesamiento de texto de IBM, como IBM PC , mainframes de IBM , Displaywriter System y IBM 5520 Administrative System . ^{[ 1 ]}

DCA define dos tipos de documentos: ^{[ 2 ] [ 3 ]}

• Texto en formato revisable (DCA/RFT) que es editable.
• Texto en formato final (DCA/FFT), que está "formateado para un dispositivo de salida específico y no se puede modificar".

DCA define un flujo de datos que representa un documento .

Los documentos pueden contener fuentes, superposiciones y otros objetos de recursos necesarios en el momento de la presentación para mostrar los datos correctamente. Finalmente, los documentos pueden contener objetos de recursos, como un índice de documentos y elementos de etiquetado que admiten la búsqueda y navegación de datos de documentos, para una variedad de propósitos de aplicación. ^{[ 4 ] : 2}

MO:DCA es el contenedor o envoltorio para varios objetos que pueden conformar el documento. Cada objeto se define mediante su propia arquitectura subordinada. Las arquitecturas son: ^{[ 4 ]}

• La arquitectura de contenido de objetos de texto de presentación (PTOCA) describe el texto formateado, incluidos los atributos de texto como la fuente o el color.
• La arquitectura de contenido de objetos de imagen (IOCA) describe imágenes independientes de la resolución.
• La arquitectura de contenido de objetos gráficos (GOCA) describe imágenes gráficas vectoriales . Una variante de GOCA, AFP GOCA, se utiliza en entornos de presentación de funciones avanzadas .
• La arquitectura de contenido de objetos de código de barras (BCOCA) describe los códigos de barras en varios formatos diferentes.
• La arquitectura de contenido de objetos de fuente (FOCA) describe las fuentes que se utilizarán en el documento.
• La arquitectura de contenido de objetos para la gestión del color (CMOCA) describe la información necesaria para la gestión del color.

Cada arquitectura utiliza una serie de campos estructurados binarios para describir su objeto correspondiente.

El texto de formato revisable (abreviado RFT o RFT-DCA ) forma parte de DCA. A veces se le denomina texto de formato revisable . Fue utilizado por los procesadores de texto IBM DisplayWriter 4 y 5 en los ordenadores centrales System/360 y 370 , y por OfficeVision/400 para permitir la transferencia de documentos formateados a otros sistemas. ^{[ 1 ]}

RFT tiene una contraparte, el Texto en Forma Final (abreviado FFT o FFT-DCA ), que no estaba diseñado para ser editable y era solo para impresión.

La iniciativa para establecer estándares internacionales para las DCA se inició en 1980 en las instalaciones de IBM en Rochester. Se formó un equipo compuesto por dos arquitectos de MODCA, un arquitecto de RTOCA y un arquitecto de PTOCA. Estos arquitectos fueron responsables de lograr el consenso de IBM para el diseño de los flujos de datos y de llevar el trabajo al ámbito de los estándares internacionales. Se realizó un esfuerzo conjunto para involucrar a la comunidad internacional en el desarrollo. Esta decisión se basó, en parte, en la experiencia adquirida con la aceptación de GML en un estándar internacional SGML. Para evitar la larga demora en la creación de la arquitectura, se buscaba involucrar a todos desde el principio. La estandarización de SGML ^{[ 5 ]} había tardado muchos años en desarrollarse. El trabajo de IBM con el contenido de los documentos había sido impulsado por las necesidades de las computadoras centrales donde se utilizaban GML y DCA, pero esa experiencia apuntaba a la necesidad de arquitecturas de componentes estandarizadas, en particular para texto revisable y no revisable.

En 1981, poco después de su creación, el grupo, junto con el Sistema de Datos Distribuidos IBM 5280, se trasladó a IBM Austin, cerca de Round Rock, Texas, donde el trabajo continuó con resultados dispares. A medida que las arquitecturas se consolidaban en el ámbito internacional, el equipo se trasladó nuevamente en 1987 al Centro de Programación de IBM en Dallas, donde en 1998 se disolvió y se interrumpió el trabajo en las arquitecturas DCA, principalmente debido a que la comunidad de PC había tomado una dirección diferente por necesidad. Las arquitecturas DCA se completaron por completo, pero no se llegó a un consenso total después de 18 años. No había implementaciones activas a la vista. ^{[ 1 ]}

El mundo de los ordenadores personales optó por HTML (considerado una aplicación del estándar internacional SGML ) y utilizó partes del mismo para sus propios fines. Microsoft Word acabó empleando un flujo de datos similar para el almacenamiento interno de contenido editable. Aunque el estándar SGML estaba disponible, resultaba poco práctico utilizar la implementación completa del analizador SGML, por lo que un subconjunto del mismo se convirtió en el estándar de facto para el texto editable que se utiliza actualmente en el ámbito de los ordenadores personales.

Casi al mismo tiempo, Adobe Systems diseñó y produjo el formato de codificación de documentos imprimibles PDF , que se ha convertido en el estándar para documentos imprimibles generados por PC. El estándar internacional se estableció en 2008, con la participación de los usuarios, quienes decidieron utilizar los productos ofrecidos en gran número. La decisión estuvo motivada por la necesidad del producto, y la solución encontrada fue mucho más aceptable que la que podrían haber diseñado los comités de estandarización. Tras más de 10 años de trabajo, no se había logrado un método aceptable, y la comunidad de informática personal creó lo que necesitaba en menos tiempo. ^{[ 3 ]}

El intento de lograr un flujo de datos de documentos consensuado pronto se vio superado por el contenido disponible y útil proporcionado por las empresas que, en lugar de compartirlo con otros, crearon una solución viable y la vendieron con éxito a los usuarios. El resultado del software de procesamiento de texto se imprime en formato PDF, proporcionado por el producto de presentación más utilizado. Por ejemplo, Microsoft Word ofrece la opción de impresión «Microsoft Print to PDF» para generar el documento PDF necesario. Se podría haber utilizado un método similar para crear el estándar internacional si este se hubiera establecido.

Cuando IBM disolvió su Centro de Programación de Dallas en 1998, todo el personal de arquitectos se jubiló y abandonó la empresa, excepto el gerente, que fue trasladado, poniendo fin al proyecto de arquitectura DCA en IBM por un futuro previsible. ^{[ 1 ]}

• Presentación de funciones avanzadas
• Formato de texto enriquecido (RTF): otro sistema de código de formato que a veces se confunde con el texto en formato revisable.
• Lista de lenguajes de marcado de documentos

• Página principal del consorcio AFP
• Consorcio de Presentación de Funciones Avanzadas (abril de 2017). Arquitectura de contenido de objetos gráficos para la referencia de presentación de funciones avanzadas (PDF) (cuarta  edición) . Consultado el 7 de febrero de 2020 .
• Williams; et  al. (1996). Método y aparato para la transformación de formato de documento en múltiples etapas en un sistema de procesamiento de datos (PDF) .Patente estadounidense número 5,513,323