Texto electrónico

El término «texto electrónico » (del latín « electronic text »; a veces escrito como «etext ») se refiere a cualquier documento que se lea en formato digital , especialmente a aquellos que consisten principalmente en texto. Por ejemplo, un libro de arte digital con texto mínimo, o un conjunto de fotografías o escaneos de páginas , no se considerarían habitualmente «texto electrónico». Un texto electrónico puede ser un archivo binario o de texto plano , visualizado con cualquier software de código abierto o propietario . Puede contener o no marcado u otro tipo de formato . También puede ser una edición electrónica de una obra originalmente compuesta o publicada en otros medios, o bien, puede crearse directamente en formato electrónico. El término suele ser sinónimo de « libro electrónico» .

Los textos electrónicos, o documentos electrónicos , existen desde mucho antes de Internet, la Web y los dispositivos especializados para la lectura de libros electrónicos. Roberto Busa comenzó a desarrollar una edición electrónica de Tomás de Aquino en la década de 1940, mientras que la edición electrónica de textos a gran escala, el hipertexto y las plataformas de lectura en línea como Augment y FRESS aparecieron en la década de 1960. Estos primeros sistemas hicieron un uso extensivo del formato, el marcado , las tablas de contenido automáticas, los hipervínculos y otra información en sus textos, y en algunos casos (como FRESS) admitían no solo texto sino también gráficos. ^{[ 1 ]}

En algunas comunidades, el término «texto electrónico» se utiliza de forma mucho más restringida para referirse a documentos electrónicos que son, por así decirlo, « ASCII puro ». Esto significa no solo que el documento es un archivo de texto plano , sino que no contiene información más allá del texto en sí, sin negritas ni cursivas, ni límites de párrafo, página, capítulo o nota al pie, etc. Michael S. Hart , ^{[ 2 ]} por ejemplo, argumentó que este «es el único modo de texto que resulta cómodo tanto para la vista como para el ordenador». Hart sostuvo que los formatos propietarios de los procesadores de texto hacían que los textos fueran prácticamente inaccesibles; pero esto es irrelevante para los formatos de datos abiertos estándar. El sentido restringido de «texto electrónico» es ahora poco común, porque la noción de «ASCII puro» (atractiva a primera vista) ha resultado tener serias dificultades:

En primer lugar, este tipo de "texto electrónico" se limita a las letras inglesas. Ni siquiera la ñ española ni las vocales acentuadas que se usan en muchos idiomas europeos pueden representarse (a menos que se haga de forma torpe y ambigua como "~n" o "a"). Los sistemas de escritura asiáticos, eslavos, griegos y otros son imposibles.

En segundo lugar, no es posible incluir diagramas ni imágenes, y muchos libros contienen al menos algo de este tipo de material; a menudo es esencial para el libro.

En tercer lugar, los «textos electrónicos» en este sentido estricto carecen de una forma fiable de distinguir el texto de otros elementos presentes en la obra. Por ejemplo, los números de página, los encabezados y las notas al pie pueden omitirse o aparecer simplemente como líneas de texto adicionales, quizás con líneas en blanco antes y después (o no). Una línea separadora ornamentada puede representarse en su lugar con una línea de asteriscos (o no). Del mismo modo, los títulos de capítulos y secciones son solo líneas de texto adicionales: podrían detectarse por el uso de mayúsculas si estaban escritos en mayúsculas en el original (o no). Incluso descubrir qué convenciones (si las hubo) se utilizaron convierte cada libro en un nuevo proyecto de investigación o de ingeniería inversa.

En consecuencia, estos textos no se pueden reformatear de forma fiable. Un programa no puede determinar con precisión dónde se encuentran las notas al pie, los encabezados o los pies de página, ni siquiera los párrafos, por lo que no puede reorganizar el texto, por ejemplo, para adaptarlo a una pantalla más estrecha, ni leerlo en voz alta para personas con discapacidad visual. Los programas podrían aplicar heurísticas para intentar adivinar la estructura, pero esto puede fallar fácilmente.

En cuarto lugar, y quizás un aspecto sorprendentemente importante, un texto electrónico en formato plano no permite representar información sobre la obra. Por ejemplo, ¿se trata de la primera o la décima edición? ¿Quién la preparó y qué derechos se reserva o concede a terceros? ¿Es la versión original escaneada o ha sido revisada y corregida? En ocasiones, se incluyen metadatos relacionados con el texto, pero, por definición, no hay forma de saber si están preestablecidos ni dónde. En el mejor de los casos, podría incluirse (o no) el texto de la página del título, quizás con el centrado simulado mediante sangría.

En quinto lugar, los textos con información más compleja resultan prácticamente imposibles de manejar. Una edición bilingüe, una edición crítica con notas a pie de página, comentarios, aparato crítico, referencias cruzadas o incluso las tablas más sencillas, conllevan un sinfín de problemas prácticos: por ejemplo, si el ordenador no puede distinguir con precisión las notas a pie de página, no podrá encontrar una frase interrumpida por una de ellas.

Incluso la salida OCR del escáner sin procesar suele generar más información, como el uso de negrita y cursiva. Si no se conserva esta información, reconstruirla resulta costoso y requiere mucho tiempo; información más sofisticada, como la edición del libro, puede ser irrecuperable.

En realidad, incluso el "texto plano" utiliza algún tipo de "marcado", generalmente caracteres de control , espacios, tabulaciones, etc.: espacios entre palabras; dos saltos de línea y cinco espacios para cada párrafo. La principal diferencia con el marcado más formal es que los "textos planos" utilizan convenciones implícitas, generalmente no documentadas, que por lo tanto son inconsistentes y difíciles de reconocer. ^{[ 3 ]}

El concepto estricto de texto electrónico como "ASCII básico" ha caído en desuso. Sin embargo, muchos de estos textos están disponibles gratuitamente en la web, quizás tanto por su facilidad de producción como por la supuesta ventaja de portabilidad. Durante muchos años, el Proyecto Gutenberg favoreció este modelo de texto, pero con el tiempo ha comenzado a desarrollar y distribuir formatos más avanzados como HTML .

• Archivo de texto
• libro electrónico
• Documento electrónico
• Biblioteca digital
• Página de libros en línea
• Correctores de pruebas distribuidos
• La Asociación de Bibliófilos Universales

• Bibliografía de publicaciones electrónicas académicas archivada el 19 de junio de 2005 en Wayback Machine.