Zusammenfassung

Themenstellung:

Im Rahmen eines Projektes zur Erstellung eines Wissensmanagement - Systems soll eine Export - Schnittstelle von der OpenOffice Writer Komponente in ein vorgegebenes XML - Format realisiert werden. Dabei unterteilt sich die Studienarbeit in zwei Kern - Aufgaben. Zum einen soll die Ausgabedatei des OpenOffice Writer eingehend untersucht werden und zum anderen soll die Export - Funktion implementiert werden. Zielstellung:

Vorgegebenes Ziel ist eine automatisch generierte, flache XML - Datei, welche kompatibel zu einer vorgegebenen DTD ist und dabei alle Meta -, Stil -, und Link -Informationen und den Inhalt des vorliegenden Dokuments enthält. Vorgabe ist die Vollständigkeit der exportierten XML - Datei, nicht aber die saubere Integration in den OpenOffice Writer. Umfeld:

Diese Studienarbeit baut auf der Studienarbeit von Mathias Frömmer auf, in der der Prototyp eines Semantic Webbrowsers realisiert wurde. Dabei arbeitet eine kleine Gruppe von Studenten an der Weiterentwicklung dieses Wissensmanagementsystems. Die einzelnen Teilaufgaben werden später noch genauer beschrieben. Ergebnis:

Das Ergebnis ist ein einfach zu bedienender Export - Prozess, der eine XML - Datei ausgibt, die allen Vorgaben entspricht.

Studienarbeit  Dominik Heinz Stuttgart, 3. Juni  2004

Thema  : OpenOffice XML Export  

Inhaltsverzeichnis   

1  GLOSSAR  6

2  EINLEITUNG  7

3  SINN UND ZWECK  8

4  THEORETISCHE GRUNDLAGEN  9

4.1  TECHNOLOGIEN (XML)  9

4.1.1  XML - Xtensible Markup Language  9

4.1.2  DTD - Data Type Definition  9

4.1.3  Namespaces  9

4.1.4  XSL / XSLT - Xtensible Stylesheet Language  9

4.1.5  XPath - XML Path Language  10

4.1.6  Xlink - XML Linking Language  10

4.1.7  XPointer - XML Pointing Language  10

4.1.8  XSLT - Prozessor  11

4.1.9  XMLParser  11

4.2  FORMATE  11

4.2.1  XHTML  11

4.2.2  DocBook  12

4.2.3  Mydoc (Semantic Web)  12

4.3  APPLIKATIONEN  12

4.3.1  OpenOffice  12

4.3.2  Saxparser  12

4.3.3  Semantic Webbrowser  13

Seite  4 von  34

Studienarbeit  Dominik Heinz Stuttgart, 3. Juni  2004

Thema  : OpenOffice XML Export  

5  KONZEPTION  13

5.1  OOO DATEIFORMAT - DAS AUSGANGSFORMAT  14

5.1.1  Analyse der OpenOffice Writer Datei  14

5.1.1.1  Metadaten (office:meta)  16

5.1.1.2  Einstellungen (office:settings)  16

5.1.1.3  Stilinformationen / Gestaltungselemente (office:styles)  16

5.1.1.4  Inhalt (office:content)  17

5.1.2  Office - interne und selbstdefinierte Styles  18

5.1.3  Ablage und Aufruf von Bildern  18

5.1.4  Defintion von Internet Links  18

5.2  XML - FORMAT DES SEMANTIC WEBBROWSERS - DAS ZIELFORMAT  19

5.3  TRANSFORMATION  19

5.3.1  Extraktion des Archivs  19

5.3.2  Erzeugung einer „flachen“ XML - Datei  19

5.3.3  Transformation in das neue XML - Format  19

6  UMSETZUNG  21

6.1  UMSETZUNG EINES OOO EXPORT - FILTER  21

6.1.1  Verlinkung des OpenOffice Applikationskern  21

6.1.2  Implementierung einer UNO - basierten OpenOffice API  21

6.1.3  Nutzung des XML - basierten Dateiformats  22

6.2  INTEGRATION IN DEN OPENOFFICE WRITER  22

6.3  IMPLEMENTIERUNG DES XSLT - STYLESHEET  24

6.3.1  Meta - und Dokumentinformationen  25

6.3.2  Übernahme von Bildinformationen  26

6.3.3  Textkörper, Überschriften und besondere Textfelder  26

6.3.4  Stil - und Farbinformationen  27

6.3.4.1  Die Problematik der gesonderten Stildefinition  28

6.3.4.2  Die Problematik des gesonderten Stilinformation  28

6.3.4.3  Die Problematik der attributbasierten Stilinformation  29

6.3.4.4  JA - Extraktion und Verknüpfung mittles boolscher XPath - Anweisung  30

7  FAZIT  32

8  LITERATUR  33

9  ABBILDUNGSVERZEICHNIS  34

Seite  5 von  34

Studienarbeit Dominik Heinz

1 Glossar

HTML

Java PDF RDF RTF SAX SGML URI UTF - 8 XML XSL - FO XSL XSLT

OOo SXW ZIP

Seite 6 von 34

Studienarbeit Dominik Heinz

2 Einleitung

In der Studienarbeit von Mathias Frömmer wurde der Prototyp eines Semantic Webbrowsers realisiert. Diese Studienarbeit finden sie als Anlage auf der beigelegten CD. Basierend auf dieser Studienarbeit sollte nun eine Gruppe von Studenten verschiedene Erweiterungen implementieren. Zum einen sollte durch das Hinzufügen von verschiedenen Import - und Export - Filtern die Kompatibilität erhöht werden und zum anderen durch die Implementierung eines Such -Algorithmus der Browser erweitert werden.

Da der Semantic Webbrowser nur XML - Dateien akzeptiert, ist es notwendig, die verschiedensten Eingabeformate in das XML - Format zu portieren.

Die Syntax von XML - Formaten wird in einer DTD fest definiert. Das heisst jedes Element und jede Baumhierarchie muss ich der DTD vorgegeben werden. Die DTD des Semantic Webbrowsers nennt sich „mydoc.dtd“.

In der Studienarbeit von Mathias Frömmer wurde bereits der Konverter 'majix' für die Portierung RTF zu XML eingesetzt. Da RTF (Rich Text Format) ein gängiges Ausgabeformat von Microsoft Word ist, ist damit der Export von Microsoft Office realisiert.

Nun sollten noch weitere Filter implementiert werden:

zz Ein Filter für die Protierung TEX zu XML. LaTeX ist ein alter und bewährter Standard in der Textformatierung. Dieser Filter wurde umgesetzt

zz Ein Export - Filter, der Daten aus dem Semantic Webbrowser in ein PDF (portable Document Format) druckt.

Dieser Exportfilter wurde implementiert

zz Ein Export - Filter für die Portierung SXW zu XML, also ein Export - Filter für die OpenOffice Writer - Komponente.

Dieser Filter wurde umgesetzt von Dominik Heinz und ist somit Thema dieser Studienarbeit

Des weiteren sollte noch ein Suchalgorithmus implemetiert werden:

zz Diese Erweiterung wurde implementiert

Seite 7 von 34

Studienarbeit Dominik Heinz

3 Sinn und Zweck

In der Studienarbeit von Matthias Frömmer wurde ein Semantic Webbrowser als Prototyp entwickelt. Der Begriff „Semantic Web“ stellt eine Quasi - Weiterentwicklung des Internets dar. Die Idee ist ein Semantisches Netzwerk, in dem Entitäten (Bilder, Texte, Gegenstände) über verschiedene Kanten (Eigenschaften, Handlungen) miteinander versbunden sind. Wenn in einem solchen Netzwerk ein spezielle Information gefunden werden soll, so kann direkt ein intelligenter Findungsalgorithmus implementier werden, der nicht nur nach bestimmten Begriffen, sondern auch nach Begiffen in einem bestimmten Zusammenhang suchen kann. Bisher werden alle Informationen in XML und RDF (Resource Description Framework) abgespeichert

Da sich OpenOffice mehr und mehr durch seine breite Unterstützung von verschiedenen Formaten in den Vordergrund drängt ist es sinnvoll, einen Filter für Dateien der OpenOffice Writer -Komponente zu erstellen.

Seite 8 von 34

Studienarbeit Dominik Heinz

4 Theoretische Grundlagen

4.1 Technologien (xml)

4.1.1 XML - Xtensible Markup Language

Die "Extensible Markup Language" ist eine vereinfachte Form der SGML und Quasi-Standard zur Erstellung strukturierter Dokumente im World Wide Web oder in einem Intranet. XML wird "erweiterbar" (extensible) genannt, weil man hier seine eigenen Auszeichnungs - Tags erstellen kann.

4.1.2 DTD - Data Type Definition

Eine DTD ist die Beschreibung der Inhalte einer XML-Datei. Die XML - Spezifikation beschreibt dafür genaue Mechanismen wie eine DTD definiert werden muss und wie sie verwendet werden soll. Im Allgemeinen ist eine DTD jedoch nichts weiter als eine Datei im Text-Format mit der Dateiendung .dtd. Es kann daher für die Editierung ein Text-Editor oder ein spezieller DTD-Editor verwendet werden. Letzterer birgt meist den Vorteil, dass bei der Erstellung einer DTD nicht viel falsch gemacht werden kann.

4.1.3 Namespaces

In XML werden die Bedeutungen der Attribute bzw. der Datentypen nicht durch eine Document Type Definition festgelegt, sondern durch Schemas. Diese XML-Schemas werden in einem Namespace (engl.: Namensraum) expliziert und auf einer Website niedergelegt. Der Namespace definiert die verwendeten Attributnamen.

4.1.4 XSL / XSLT - Xtensible Stylesheet Language

XSL steht für Extensible Stylesheet Language und beschreibt die Darstellung und Behandlung von XML-Daten mit Hilfe von XSL Stylesheets. XSL als Sprache umfasst sowohl XSLT, als Transformationssprache, und XSLT(-FO) als Formatierungssprache. Beide sind von XML abgeleitet - folgen also dessen Syntax und Regeln. XSLT stellt Elemente bereit, die die Transformation (Umwandlung) von XML-Daten in Daten anderen Formats erlauben (wie z.B. HTML, RTF, ...). XSL-FO seinerseits stellt wiederum Elemente zur Verfügung, mit denen Seite 9 von 34

Studienarbeit Dominik Heinz

festgelegt werden kann, wie XML-Daten angezeigt werden sollen (ähnlich CSS). Diese Studienarbeit wird sich auf die Transformierung konzentrieren.

4.1.5 XPath - XML Path Language

Ziel von XPath ist es, eine Methode zu bieten, nach der einzelne Elemente (oder Gruppen von Elementen) in XML - Dokumenten direkt adressiert werden können, ähnlich, wie es in HTML mittels auch möglich ist.

Die XML Linking Language (kurz: XLink) ist eine Sprache die es ermöglicht, innerhalb von XML-Dokumenten Links zu erzeugen, ähnlich zu - oder - Links in HTML . Links in HTML haben verschiedene Nachteile: