Hispanopedia WikiUn documento estructurado es un documento electrónico en el que se utiliza algún método de marcado para identificar la totalidad y las partes del documento como si tuvieran varios significados más allá de su formato. Por ejemplo, un documento estructurado podría identificar una determinada parte como un "título de capítulo" (o "ejemplo de código" o "cuarteto") en lugar de como "Helvetica negrita 24" o "Courier con sangría". En general, a estas partes se las suele llamar "componentes" o "elementos" de un documento.
Descripción general
Los documentos estructurados generalmente se centran en etiquetar elementos que se pueden utilizar para diversos fines de procesamiento, no solo para dar formato. Por ejemplo, el etiquetado explícito de "título del capítulo" o "énfasis" es mucho más útil para los sistemas para personas con discapacidad visual que simplemente "Helvetica negrita 24" o "cursiva". De la misma manera, el etiquetado significativo de los numerosos elementos de una hoja de información técnica permite una integración mucho mejor con bases de datos, sistemas de búsqueda, catálogos en línea, etc.
Los documentos estructurados generalmente admiten al menos estructuras jerárquicas, por ejemplo, listas, no solo elementos de listas; secciones, no solo encabezados de sección; etc. Esto contrasta marcadamente con los sistemas orientados al formato. Los sistemas de alta gama también admiten múltiples conjuntos de componentes independientes y/o superpuestos. [1]
Los sistemas de documentos estructurados suelen permitir la creación de reglas explícitas que definen los tipos de componentes y cómo se pueden combinar. Este conjunto de reglas se denomina "esquema" por analogía con los esquemas de bases de datos . Existen varios lenguajes formales para especificarlos, como XSD , Relax NG y Schematron . Un documento estructurado que obedece las reglas del esquema se denomina comúnmente "válido de acuerdo con ese esquema". Algunos sistemas también admiten documentos con componentes de tipos y combinaciones arbitrarios, pero aún con reglas sintácticas para la identificación de esos componentes.
Lie y Saarela observaron que "el lenguaje de marcado generalizado estándar (SGML) ha sido pionero en el concepto de documentos estructurados", [2] aunque sistemas anteriores como Scribe , Augment y FRESS proporcionaban muchas características y capacidades de documentos estructurados, y ahora se prefiere XML, el descendiente de SGML .
Una representación muy utilizada para documentos estructurados es HTML , un esquema definido y descrito por el W3C . Sin embargo, HTML no solo tiene etiquetas para componentes orientados al significado, como párrafo, título y código, sino también para componentes orientados al formato, como cursiva, negrita y la mayoría de las tablas. En la práctica, HTML se utiliza a veces como un sistema de documentos estructurados, pero a menudo se utiliza como lenguaje de formato.
Muchos dominios utilizan documentos estructurados a través de esquemas específicos de dominio que han desarrollado de forma cooperativa, como JATS para la publicación de revistas, TEI para documentos literarios, UBL y EDI para el intercambio comercial, XTCE para la telemetría de naves espaciales, REST para interfaces web y muchos más. Todos estos casos utilizan esquemas específicos basados en XML .
XML es el formato universal para documentos y datos estructurados en la Web.
— Grupo de trabajo XHTML2, W3C
Semántica estructural
Al escribir documentos estructurados, el enfoque se centra en la codificación de la estructura lógica de un documento, con un trabajo explícito dedicado a su presentación a los seres humanos mediante páginas impresas o pantallas (en algunos casos, ni siquiera se espera tal uso). Los documentos estructurados pueden procesarse fácilmente mediante sistemas informáticos para extraer y presentar formas derivadas del documento. En la mayoría de los artículos de Wikipedia, por ejemplo, se genera automáticamente una tabla de contenidos a partir de las diferentes etiquetas de encabezado del cuerpo del documento. Debido a que la conversión SGML del Oxford English Dictionary distingue explícitamente los muchos significados diferentes que se asocian al uso de cursiva en la versión impresa, las herramientas de búsqueda pueden recuperar entradas basadas en etimología, citas y muchas otras características de interés. Cuando HTML proporciona información estructural en lugar de simplemente de formato, los usuarios con discapacidad visual pueden obtener fácilmente una interfaz de lectura más útil. Cuando las empresas de viajes proporcionan itinerarios como documentos estructurados en lugar de simplemente presentaciones, las herramientas de usuario pueden extraer fácilmente los datos necesarios y pasarlos al calendario u otras aplicaciones.
En HTML, una parte de la estructura lógica de un documento puede ser el cuerpo del documento <body>, que contiene un encabezado de primer nivel <h1>, y un párrafo <p>.
< cuerpo >
< h1 > Documento estructurado </ h1 >
< p > Un < strong class = "selflink" > documento estructurado </ strong > es un < a href = "/wiki/Electronic_document" title = "Documento electrónico" > documento electrónico </ a > en el que se utiliza algún método de < a href = "/wiki/Markup_language" title = "Lenguaje de marcado" > marcado </ a > para identificar la totalidad y partes del documento como si tuvieran varios significados más allá de su formato. </ p >
</ cuerpo >
Una de las características más atractivas de los documentos estructurados es que pueden reutilizarse en muchos contextos y presentarse de diversas maneras en teléfonos móviles, pantallas de televisión, sintetizadores de voz y cualquier otro dispositivo que pueda programarse para procesarlos.
Otra semántica
Se puede atribuir otro significado al texto que no es "estructural" en el mismo sentido que los objetos más grandes, pero que se considera "estructura del documento" porque expresa afirmaciones sobre el alcance y la naturaleza u ontología de partes de un documento, en lugar de instrucciones sobre su presentación. En el fragmento HTML anterior, el <strong>elemento significa que el texto adjunto es enfático. En términos visuales, esto se representa comúnmente mediante negrita, al igual que <b>; pero una interfaz de voz probablemente utilizaría en su lugar la inflexión de voz. El término marcado semántico excluye el marcado como <b>que no expresa directamente ningún significado más que una instrucción para una pantalla visual (aunque un agente inteligente puede ser capaz de discernir un significado estructural oculto detrás de la etiqueta). La etiqueta "strong" es "descriptiva" o "estructural" en el sentido de que tiene como objetivo etiquetar una propiedad abstracta, cuasi lingüística de su contenido, en lugar de describir la presentación adecuada en algún medio en particular.
Otras etiquetas estructurales en HTML incluyen <abbr>, <acronym>, <address>, <cite>, <del>, <dfn>, <ins>, <kbd>, and <q>. Otros esquemas como DocBook y TEI tienen selecciones mucho más amplias.
La <a>etiqueta de ancla se utiliza para otro tipo de estructura ligeramente diferente, a saber, la estructura de interconexión o referencia cruzada, en lugar de la división de secciones por intervalos. Esto es definitivamente una estructura y, de hecho, es posible crear un marcado alternativo para documentos que exprese las mismas estructuras particulares de cualquier manera (por ejemplo, utilizando la transclusión para representar los contenidos de las secciones, en lugar de presentaciones de hipervínculos de navegación).
Desde sus inicios, HTML también ha tenido etiquetas que expresan semántica de presentación, como negrita ( <b>) o cursiva ( <i>), o para alterar tamaños de fuente o que tenían otros efectos en la presentación. [3] Las versiones modernas de los lenguajes de marcado desalientan dicho marcado a favor del marcado descriptivo que se asigna a presentaciones particulares a través de hojas de estilo , un método iniciado por sistemas como Scribe y FRESS . Se pueden adjuntar diferentes hojas de estilo a cualquier marcado, semántico o de presentación, para producir diferentes presentaciones, aunque asignar un nombre de etiqueta "cursiva" a una presentación en negrita no es completamente intuitivo.
Contexto e intención
En principio, lo que constituye una "estructura" frente a una "no estructura" puede variar. En un libro que trata específicamente sobre tipografía, etiquetar algo como "cursiva" o "negrita" puede ser el objetivo principal. Por ejemplo, en una discusión sobre cuándo utilizar estilos particulares, es probable que se quieran dar ejemplos y contraejemplos, lo que ya no tendría sentido si la interpretación no está sincronizada con la prosa. De manera similar, una edición particular de un documento puede ser de interés no solo por su contenido sino también por su práctica tipográfica, en cuyo caso describir esa práctica no solo es deseable sino necesario. Sin embargo, este problema no es exclusivo de la estructura del documento; también surge en la gramática cuando se habla de gramática y en muchos otros casos.
Véase también
Referencias
- ^ DeRose, Steven (2004). Markup Overlap: A Review and a Horse. Extreme Markup Languages 2004. Montreal. CiteSeerX 10.1.1.108.9959 . Consultado el 14 de octubre de 2014 .
- ^ Håkon Wium Lie; Janne Saarela (1998). "Publicaciones multipropósito utilizando HTML, XML y CSS". W3.org . Asociación para Maquinaria Informática .
- ^ "Una instancia HTML de muestra" . Consultado el 5 de marzo de 2014 .
