美國(guó)NLM DTD 3.0期刊存儲(chǔ)和交換標(biāo)簽集中文章正文部分標(biāo)記解讀

■包靖玲 李敬文 沈錫賓 顧 佳韓 靜 霍永豐 李 君 袁 慶

1）中華外科雜志編輯部，北京市東城區(qū)東四西大街42號(hào) 100710，Email：baojingling@cma.org.cn2）中華醫(yī)學(xué)電子音像出版社辦公室，北京市東城區(qū)東四西大街42號(hào) 1007103）中華內(nèi)科雜志編輯部，北京市東城區(qū)東四西大街42號(hào) 1007104）首都醫(yī)科大學(xué)附屬北京朝陽(yáng)醫(yī)院科研處，北京市朝陽(yáng)區(qū)工體南路8號(hào) 1000205）中華健康管理學(xué)雜志編輯部，北京市東城區(qū)東四西大街42號(hào) 1007106）中華糖尿病雜志編輯部，北京市東城區(qū)東四西大街42號(hào) 1007107）英國(guó)醫(yī)學(xué)雜志中文版編輯部，北京市東城區(qū)東四西大街42號(hào) 100710

目前互聯(lián)網(wǎng)、手機(jī)終端、PC終端等數(shù)字技術(shù)已深刻影響到科技信息的傳播，傳統(tǒng)出版向數(shù)字化出版轉(zhuǎn)變已然是種趨勢(shì)。在大規(guī)模數(shù)字生產(chǎn)的過(guò)程中，為了讓數(shù)據(jù)能更好地儲(chǔ)存和交換，采用有效的標(biāo)準(zhǔn)化技術(shù)將數(shù)字文檔進(jìn)行生產(chǎn)、整理、交換和推廣是基礎(chǔ)中的基礎(chǔ)，也就是內(nèi)容的標(biāo)準(zhǔn)化［1］。為了能使這些數(shù)據(jù)在各內(nèi)容提供商、圖書(shū)館、倉(cāng)儲(chǔ)數(shù)據(jù)庫(kù)之間進(jìn)行存儲(chǔ)和交換，美國(guó)國(guó)立醫(yī)學(xué)圖書(shū)館（NLM）下的美國(guó)國(guó)家生物技術(shù)信息中心（NCBI）基于各出版商和 PubMed Central（PMC）的實(shí)踐開(kāi)發(fā)了期刊文檔標(biāo)簽集（Journal Article Tag Suite，JATS），也就是業(yè)界普遍認(rèn)可的NLM DTD標(biāo)準(zhǔn)，并于2012年8月9日被正式批準(zhǔn)成為美國(guó)國(guó)家標(biāo)準(zhǔn)，成為全球電子期刊出版領(lǐng)域第一個(gè)國(guó)家標(biāo)準(zhǔn)［2］。 本文對(duì) NLM DTD 3.0 版本［3］期刊存儲(chǔ)和交換標(biāo)簽集中的文章正文模型的標(biāo)記（tag）進(jìn)行分析和解讀，以便讓同行能更真實(shí)地認(rèn)知此標(biāo)準(zhǔn)及其應(yīng)用。

1 美國(guó)NLM DTD簡(jiǎn)介

2003年初第一版NLM DTD標(biāo)準(zhǔn)面世，迅速成為標(biāo)簽PMC收錄以及其外期刊文章標(biāo)記的行業(yè)標(biāo)準(zhǔn)。截至2013年5月PMC共收錄1810種期刊［4］，所收錄文獻(xiàn)采用了該DTD對(duì)其論文進(jìn)行標(biāo)注。目前它已成為美國(guó) Atypon Systems的主流 DTD，Ingenta和Highwire Press出版社將NLM DTD作為其全文內(nèi)容交換的標(biāo)準(zhǔn)，英國(guó)大不列顛圖書(shū)館（British Library）和美國(guó)國(guó)會(huì)圖書(shū)館（the Library of Congress）已經(jīng)宣布使用NLM DTD作為他們電子文檔的存儲(chǔ)標(biāo)準(zhǔn)［5］。

在設(shè)計(jì)之初，NLM DTD就考慮到所有的學(xué)術(shù)內(nèi)容，2001年，PMC在吸收關(guān)于美國(guó)物理學(xué)會(huì)、BioOne、Blackwell Science、Elsevier Science、Highwire Press、美國(guó)電氣和電子工程師協(xié)會(huì)、Nature出版集團(tuán)、芝加哥大學(xué)出版社、約翰威立國(guó)際出版公司幾個(gè)大型出版商期刊文檔的DTD的研究報(bào)告后發(fā)布了pmc-2.dtd，并通過(guò)對(duì)很多學(xué)科文章進(jìn)行調(diào)查研究而使新模型可擴(kuò)展適用于所有期刊文章內(nèi)容。

2 期刊文檔的結(jié)構(gòu)

NLM DTD規(guī)定期刊文章（＜article＞，注：＜＞內(nèi)為JATS中標(biāo)記用的元素）分為以下幾個(gè)部分：前置部分（＜front＞），含有期刊和文章相關(guān)元數(shù)據(jù)，不包括文檔的主體內(nèi)容；主體部分（＜body＞），包括文章的文字和圖表信息；后置部分（＜back＞）包括比如術(shù)語(yǔ)表、參考文獻(xiàn)或附錄等的輔助信息；浮動(dòng)部分（＜floats-group＞），如在文章的主體和后置內(nèi)容引用的圖和表，對(duì)文章本身的評(píng)論，比如編輯的總結(jié)，讀者來(lái)信的回復(fù)，或作者對(duì)同行評(píng)議內(nèi)容的評(píng)論。其中文章主體部分（＜body＞）是文章（＜article＞）的實(shí)質(zhì)部分，內(nèi)容最為廣泛也最重要，包括了文章段落、表格、圖片、公式等文章核心的內(nèi)容。如何將主體內(nèi)容進(jìn)行分別標(biāo)記，以在儲(chǔ)存和轉(zhuǎn)化的過(guò)程中保證其正確和完整是數(shù)字化出版的重中之重。

文章主體部分（＜body＞）按照文檔結(jié)構(gòu)圖的顯示來(lái)看由3部分組成（圖1），包括26個(gè)元素任意構(gòu)成的內(nèi)容部分、章節(jié)（＜sec＞）部分及簽名欄（＜sig-block＞）部分。其中26個(gè)元素所包括的內(nèi)容在正文中可以存在或者不存在，且沒(méi)有具體的出現(xiàn)順序；同時(shí)使用這些元素標(biāo)注的對(duì)應(yīng)內(nèi)容可以在主體部分（＜body＞）結(jié)構(gòu)下也可在章節(jié)（＜sec＞）結(jié)構(gòu)下。簽名欄（＜sig-block＞）部分置于文章的尾部，用以存放簽名或?qū)?nèi)容負(fù)有責(zé)任或證明的人的描述。因?yàn)檎鹿?jié)（＜sec＞）的主要組成也是26個(gè)內(nèi)容元素，故本文圍繞章節(jié)（＜sec＞）進(jìn)行描述。

章節(jié)（＜sec＞）是一篇文章的基本結(jié)構(gòu)單位，包含章節(jié)元數(shù)據(jù)（＜sec-meta＞）、標(biāo)題部分、主要內(nèi)容部分、嵌套的章節(jié)（＜sec＞）和補(bǔ)充材料部分（圖2），各部分可以有具體內(nèi)容或者缺如，但是以固定的順序出現(xiàn)。一個(gè)很短的文章可能只包含段落，但大多期刊文章都分成多個(gè)章節(jié)，每一章節(jié)都有一個(gè)標(biāo)題，概括描述本章節(jié)的內(nèi)容，如“前言”、“方法學(xué)”和“結(jié)論”。需要注意的是，章節(jié)（＜sec＞）結(jié)構(gòu)中又可包含章節(jié)（＜sec＞），即章節(jié)（＜sec＞）是可以嵌套的。低層次的章節(jié)（＜sec＞）可能包含于一個(gè)高層次的章節(jié)中，但也使用章節(jié)（＜sec＞）元素標(biāo)記，而不是使用其他名稱如（＜sec2＞）、（＜sec3＞）或（＜subsec1＞）等標(biāo)記。

圖1 文章主體結(jié)構(gòu)圖

2.1 主要內(nèi)容部分

所有26個(gè)內(nèi)容元素按照順序排列，主體部分的元素均為任意組合，而這些元素涵蓋了所有期刊正文中會(huì)出現(xiàn)的各種內(nèi)容形式。其中前13個(gè)元素為“區(qū)塊顯示元素”，后13個(gè)元素為主要的正文文本內(nèi)容元素。區(qū)塊顯示元素包括了各種文章內(nèi)容表現(xiàn)樣式的定義，其所包括的內(nèi)容可以想象為一個(gè)裝有各種內(nèi)容的容器，用有明確含義的元素名稱命名，比如＜fig＞、＜table-wrap＞。使用者可以將他們像一塊塊積木一樣置放在需要出現(xiàn)的正文位置。

圖2 文章章節(jié)部分結(jié)構(gòu)圖

根據(jù)26個(gè)元素所包涵的內(nèi)容，大體將其分為以下幾個(gè)大類(lèi)：

（1）數(shù)學(xué)公式相關(guān)，包括公式（＜disp-formula＞）、公式組（＜disp-formula-group＞）、Tex Math數(shù)學(xué)方程式（＜tex-math＞）、數(shù)學(xué)（＜mm l：math＞）；

（2）表格相關(guān)，包括排列（簡(jiǎn)單表格式排列）（＜array＞）、表格（＜table-wrap＞）、表格組（＜tablewrap-group＞）、定義列表（＜def-list＞）、列表（＜list＞）；

（3）圖片相關(guān)，包括圖（＜fig＞）、圖組（＜figgroup＞）、圖形（＜graphic＞）、文本框（＜boxed-text＞）、化學(xué)結(jié)構(gòu)式（＜chem-struct-wrap＞）；

（4）文本內(nèi)容形式，包括預(yù)編排文本（＜preformat＞）、增刊材料（＜supplementary-material＞）、段落（＜p＞）、引用（＜disp-quote＞）、演說(shuō)（＜speech＞）、聲明（＜statement＞）、詩(shī)句（＜versegroup＞）；

（5）其他輔助信息內(nèi)容，包括地址/聯(lián)系信息（＜address＞）、可替換對(duì)象（＜alternatives＞）、多媒體（＜media＞）、相關(guān)文章（＜related-article＞）、相關(guān)對(duì)象（＜related-object＞）。

2.2 其他組成部分

2.2.1 章節(jié)元數(shù)據(jù)（＜sec-meta＞）

包括不同于根文章的章節(jié)水平元數(shù)據(jù)。在章節(jié)（＜sec＞）的組成中為可選內(nèi)容。具體包含貢獻(xiàn)者組（＜contrib-group＞）、關(guān)鍵詞組（＜kwd-group＞）和許可（＜permissions＞）。這3個(gè)均為可選項(xiàng)目。其中貢獻(xiàn)者組（＜contrib-group＞）和關(guān)鍵詞組（＜kwd-group＞）可以出現(xiàn)多次，而許可（＜permissions＞）僅能出現(xiàn)1次。

2.2.2 標(biāo)題部分

章節(jié)（＜sec＞）中的標(biāo)題部分有兩種形式，分別是純標(biāo)題（＜title＞）和帶標(biāo)簽（＜label＞）的標(biāo)題，但只能出現(xiàn)其中一種。標(biāo)簽（＜label＞）為編號(hào)和任何其他相關(guān)的前綴詞，如圖（＜fig＞）的標(biāo)題或注解，例如“Figure 3.”或“Exhibit 2.”。 標(biāo)簽（ ＜label＞）可以是文本、數(shù)據(jù)或特殊字符，且還能是一些嵌入的圖形、公式，同時(shí)還可以有各種格式上的變化。標(biāo)題（＜title＞）為結(jié)構(gòu)式元素的標(biāo)題，不可用于論文的標(biāo)題。在論文的元數(shù)據(jù)中，標(biāo)題被明確界定為文章標(biāo)題（＜article-title＞）、文章副標(biāo)題（＜subtitle＞）、譯文標(biāo)題（＜trans-title＞）、外文副標(biāo)題（＜transsubtitle＞）和替代標(biāo)題（＜alt-title＞）；參考文獻(xiàn)中的論文標(biāo)題亦為文章標(biāo)題（＜article-title＞），而書(shū)名或雜志名（包含被引用的文獻(xiàn)或章節(jié)）則定義為出處（＜source＞）。要注意的是，章節(jié)（＜sec＞）的標(biāo)題部分如果是按照帶標(biāo)簽（＜label＞）的標(biāo)題進(jìn)行描述的時(shí)候，可以只有標(biāo)簽（＜label＞）而沒(méi)有標(biāo)題（＜title＞），也就是其實(shí)章節(jié)（＜sec＞）的標(biāo)題部分包括了純標(biāo)題、純標(biāo)簽和帶標(biāo)簽的標(biāo)題3種情況。

2.3 補(bǔ)充材料部分

包括腳注組（＜fn-group＞）、術(shù)語(yǔ)元素列表（＜glossary＞）和引用列表（＜ref-list＞）。3項(xiàng)內(nèi)容可出現(xiàn)或者不出現(xiàn)，且沒(méi)有一定的順序。腳注組（＜fngroup＞）為在文后成組腳注（＜fn＞）的容器元素，包括了多個(gè)腳注且每個(gè)腳注都可以有相應(yīng)的標(biāo)簽（＜label＞）和標(biāo)題（＜title＞）。術(shù)語(yǔ)元素列表（＜glossary＞）為以一系列術(shù)語(yǔ)和定義為主要內(nèi)容的部分，常由一個(gè)或多個(gè)分成兩部分的稱作“定義表（＜def-list＞）”的列表組成。術(shù)語(yǔ)元素列表（＜glossary＞）模型涵蓋面較寬，以保證含有較多表格、注釋或特殊結(jié)構(gòu)的文獻(xiàn)適用這一標(biāo)簽。典型的簡(jiǎn)單條款列表可能僅包括一個(gè)標(biāo)題和一個(gè)定義表；相對(duì)復(fù)雜的條款列表可能分成幾種不同的條款列表，每個(gè)列表具有特定的標(biāo)題。標(biāo)簽集1.0和2.0版中模式化了這個(gè)遞歸結(jié)構(gòu)，使用術(shù)語(yǔ)元素列表組（＜gloss-group＞）命名內(nèi)部列表，這個(gè)元素可以直接翻譯成術(shù)語(yǔ)元素列表（＜glossary＞）。在標(biāo)簽集3.0中術(shù)語(yǔ)元素列表（＜glossary＞）進(jìn)行了明顯的重構(gòu)，其值或用法跟之前的版本不能向后兼容，即在之前的版本中術(shù)語(yǔ)元素列表（＜glossary＞）元素的一些通過(guò)術(shù)語(yǔ)元素列表組（＜gloss-group＞）元素進(jìn)行處理的功能已經(jīng)不存在了。引用列表（＜ref-list＞）為文章中的引用參考列表，通常被稱為“參考文獻(xiàn)”、“書(shū)目”或“附加閱讀”，引用參考文獻(xiàn)列表和建議參考文獻(xiàn)列表之間沒(méi)有區(qū)別。

以下是一個(gè)典型文章主體部分（＜body＞）包含有章節(jié)（＜sec＞）的范例：

3 章節(jié)（＜sec＞）相關(guān)重要的屬性

3.1 章節(jié)類(lèi)型（@sec-type）

章節(jié)類(lèi)型屬性命名了章節(jié)內(nèi)容的主要語(yǔ)義類(lèi)型，為章節(jié)（＜sec＞）的專屬屬性。當(dāng)定義一個(gè)章節(jié)的語(yǔ)義內(nèi)容已知時(shí)，在源文件中需明確給出具體的語(yǔ)義信息。盡管章節(jié)類(lèi)型可使用任何文本值，但最好只使用說(shuō)明書(shū)推薦的用詞，否則會(huì)被忽略。推薦的章節(jié)類(lèi)型包括：cases（病例/病例報(bào)告）、conclusions（結(jié)論/評(píng)論）、discussion（討論/解讀）、intro（引言/概要）、materials（材料）、methods（方法/方法學(xué)/過(guò)程）、results（結(jié)果/結(jié)果申明）、subjects（對(duì)象/參與者/患者）、supplementary-material（補(bǔ)充材料）。使用章節(jié)類(lèi)型這個(gè)屬性對(duì)章節(jié)進(jìn)行結(jié)構(gòu)化或者對(duì)信息進(jìn)行分類(lèi)化，都是為了利于檢索和分組，該屬性通常作為轉(zhuǎn)換的一部分被提供。另外，多個(gè)章節(jié)類(lèi)型可以聯(lián)用，比如“Materials and Methods”可標(biāo)記為“type="materials|methods"”。

3.2 特殊應(yīng)用（@specific-use）

特別指出某種元素的資料屬性，即與眾不同的用途。JATS標(biāo)簽集并不限制特殊應(yīng)用（@specificuse）的使用，其可用于標(biāo)注文章具體內(nèi)容（如段落、注解或章節(jié)）的特殊屬性，如出現(xiàn)形式（如網(wǎng)絡(luò)、紙版、音頻）、特定受眾（如教師和學(xué)生，或醫(yī)師、護(hù)士和患者）、顯示對(duì)象。該屬性無(wú)需特殊處理和展示，展示形態(tài)完全取決于用戶的用途。

3.3 語(yǔ)言（@xml：lang）

對(duì)于元素知識(shí)內(nèi)容的語(yǔ)言是一個(gè)屬性，尤其是整篇文章。建議的最佳實(shí)踐是使用RFC4646中定義的值，通常使用兩個(gè)小寫(xiě)語(yǔ)言字母代碼，如“fr”（法國(guó)）、“en”（英文）、“de”（德國(guó)），還包括子碼（如“en-au”）。這些值不區(qū)分大小寫(xiě)，但推薦全部使用小寫(xiě)，具體規(guī)范可以從IANA語(yǔ)言子標(biāo)記注冊(cè)處獲得： http：//www.iana.org/assignments/languagesubtag-registry。與幾乎其他所有XML的屬性不同，語(yǔ)言值是繼承的，即最上層具有語(yǔ)言屬性的元素被設(shè)定后，其之后的所有語(yǔ)言屬性都被定義為同一種語(yǔ)言，除非它們單獨(dú)設(shè)定自己的@xml：lang屬性。如在元素章節(jié)（＜sec＞）處定義語(yǔ)言（@xml：lang）為“en”（英文），其內(nèi)部包含的嵌套章節(jié)（＜sec＞）和段落（＜p＞）都被自動(dòng)設(shè)定為“en”（英文），除非在這些水平重新定義語(yǔ)言（@xml：lang）。

在使用中規(guī)定，元素刊名縮寫(xiě)（＜abbrevjournal-title＞）、文章（＜article＞）、期刊副標(biāo)題（＜journal-subtitle＞）、期刊名（＜journal-title＞）、反饋（＜response＞）、次級(jí)文章（＜sub-article＞）中其默認(rèn)值為“EN”，而其他具有語(yǔ)言屬性的元素在使用時(shí)，必須明確設(shè)定了它們自己的@xml：lang屬性。

3.4 內(nèi)容類(lèi)型（@content-type）

作為保存優(yōu)先標(biāo)記語(yǔ)義內(nèi)容的方式，可以是文字、數(shù)字或特殊字符。這個(gè)屬性的值可包括信息的類(lèi)別、語(yǔ)義類(lèi)別或成組元素的特殊功能。比如可以定義：藥物名稱、公司或產(chǎn)品；分類(lèi)學(xué)術(shù)語(yǔ)如屬、物或科；或生物學(xué)系統(tǒng)組件，如基因、蛋白或多肽。該屬性也可以用來(lái)記錄表格單元格的合計(jì)或小計(jì)內(nèi)容、包含案例研究的文本框（＜boxed-text＞）或是定理和證明的聲明（＜statement＞）。屬性內(nèi)容類(lèi)型（@content-type）可以一種特殊方式處理元素，例如讓作品、短語(yǔ)或結(jié)構(gòu)在打印或顯示時(shí)表現(xiàn)出不同的樣式。格式的類(lèi)型可由屬性值指導(dǎo)，例如讓特定內(nèi)容呈現(xiàn)紅色或在個(gè)案研究后面添加背景圖像等。

章節(jié)（＜sec＞）不包括@content-type屬性，即以章節(jié)（＜sec＞）水平描述的內(nèi)容并沒(méi)有樣式的信息，而在其下一級(jí)多個(gè)元素，如段落（＜p＞）中有@content-type屬性，這保證了在最初級(jí)的元素中就已經(jīng)存在了樣式的信息，不受更高級(jí)元素的改變而影響。

4 結(jié)語(yǔ)

國(guó)外很多大型出版商如 Springer、Nature、BMJ等出版商都對(duì)出版內(nèi)容進(jìn)行加工，使用XML形式進(jìn)行儲(chǔ)存及出版，使期刊的發(fā)布和傳播效率大幅提高。作為內(nèi)容提供商，很容易基于XML對(duì)數(shù)字出版的內(nèi)容進(jìn)行標(biāo)準(zhǔn)化，建立一個(gè)適用于所有科技論文均適用的行業(yè)標(biāo)準(zhǔn)［1］。目前，圍繞NLM DTD產(chǎn)生了一個(gè)完整的上下游軟件和應(yīng)用生態(tài)鏈。比如BMJ、PLoS系列、Nature等國(guó)際知名期刊已建立了基于NCBI DTD的出版流程，甚至從投稿開(kāi)始就以XML作為數(shù)據(jù)存儲(chǔ)和交換的基礎(chǔ)。雖然我國(guó)數(shù)字出版產(chǎn)業(yè)發(fā)生了巨大變化，國(guó)內(nèi)數(shù)字出版總產(chǎn)值也突破了千億大關(guān)，但我國(guó)傳統(tǒng)出版的數(shù)字化轉(zhuǎn)型依然沒(méi)有取得實(shí)質(zhì)性突破，與國(guó)外出版巨頭相比還存在很大差距，短板之一便是標(biāo)準(zhǔn)［6］。標(biāo)準(zhǔn)之爭(zhēng)其實(shí)質(zhì)為市場(chǎng)之爭(zhēng)，誰(shuí)掌握了標(biāo)準(zhǔn)，誰(shuí)就掌握了市場(chǎng)的主動(dòng)權(quán)［7］。目前國(guó)內(nèi)也已有學(xué)者和科研人員在研發(fā)基于XML的結(jié)構(gòu)化排版的生產(chǎn)流程，但中國(guó)科技期刊界缺乏大規(guī)模應(yīng)用XML進(jìn)行數(shù)字化出版的經(jīng)驗(yàn)，對(duì)于期刊數(shù)據(jù)文檔規(guī)范化的探討還未能深入，關(guān)于XML的數(shù)據(jù)規(guī)范問(wèn)題目前尚沒(méi)未有行業(yè)內(nèi)共識(shí)［5］?；趯?duì)NLM DTD發(fā)展和應(yīng)用的上述認(rèn)識(shí)，我們呼吁國(guó)內(nèi)同行能在借鑒美國(guó)NLM DTD的基礎(chǔ)上，開(kāi)展中文科技期刊文檔格式標(biāo)準(zhǔn)化的研究與探討，為實(shí)現(xiàn)“知識(shí)標(biāo)引、多重應(yīng)用、一次制作、多元應(yīng)用”的目的奠定基礎(chǔ)。

1 包靖玲，霍永豐，顧佳等.美國(guó)國(guó)立醫(yī)學(xué)圖書(shū)館期刊文檔標(biāo)簽集概述.中國(guó)科技期刊研究，2013，24（4）：624-627

2 JATS：Journal Article Tag Suite.［2012-09-03］.http：//jats.niso.org/

3 National Center for Biotechnology Information.Journal Publishing Tag Set Tag Library version 3.0.［2012-06-19］.http：//dtd.nlm.nih.gov/publishing/tag-library/

4 PMC Journals. ［2012-08-13］.http：//www.ncbi.nlm.nih.gov/pmc/

5 沈錫賓，包靖玲，顧佳等.美國(guó)NLM DTD 3.0期刊存儲(chǔ)和交換標(biāo)簽集中參考文獻(xiàn)的標(biāo)記解讀.中國(guó)科技期刊研究，2013，24（2）： 233-237

6 劉成勇.推動(dòng)數(shù)字出版進(jìn)入高鐵時(shí)代.出版參考，2011，（21）：1

7 沈錫賓，顧佳，韓靜等.中國(guó)科技期刊文檔格式標(biāo)準(zhǔn)化任重道遠(yuǎn).編輯學(xué)報(bào)，2013，25（1）： 27-30