JP2006277031A - 情報処理装置及びその方法 - Google Patents

Abstract

【課題】 ＸＭＬ文書のsrc属性に大きなサイズの画像データが埋め込まれている場合、この画像データの解析中の状態を保持するためには大容量のバッファが必要となる。
【解決手段】 構造化された文書データを解析し、その解析結果を構造単位で出力する情報処理装置及びその方法であって、構造化された文書データに含まれる第１データ形式を示す所定の文字列を検出し（Ｓ１）、所定の文字列を検出すると、その所定の文字列に対応するデータを、第１データ形式とは異なる第２データ形式に変換する（Ｓ２）。
【選択図】 図４

Description

本発明は、構造化された文書データを解析し、その解析結果を構造単位で出力する情報処理装置及びその方法に関するものである。

ＸＭＬのような構造化文書を入力して解析する情報処理装置において、例えばＳＡＸパーサでは、ＸＭＬ文書のある要素の終了要素が解析し終わった時点で解析結果を処理することが行われている。
ところで、特許文献１では、ユーザに構成要素の要素名を指定させ、その指定された要素だけを解析し、その解析結果を出力している。
特開２０００−１４８４３８号公報

入力される文書データの処理単位となる文書構造単位内に大きなデータが入っている場合、その文書を処理するのに多くのリソースが情報処理装置において必要となる。例えば、入力されるＸＭＬ文書が、「img src=...」という記述で、src属性に大きなサイズの画像データが埋め込まれている場合、この画像データなどの解析中の状態を保持するために大容量のバッファを必要とする。ここで、この構造化文書に対応する独自のインタフェースを設ければ、大容量のバッファを必要とせずに処理できる可能性があるが、アプリケーションをそれに対応させるためにコストが大きくなる。

本発明は、上記従来技術の欠点を解決することにある。

本発明は上記問題点に鑑みてなされたもので、本願発明の特徴は、予め決められた処理単位で大容量のデータを抱えている文書データが入力されても、少ないリソースで解析して出力できるようにした情報処理装置及びその制御方法を提供することをにある。

上記特徴は、独立クレームに記載の特徴の組み合わせにより達成され、従属項は発明の単なる有利な具体例を規定するものである。

本発明の一態様に係る情報処理装置は以下のような構成を備える。即ち、
構造化された文書を処理する情報処理装置であって、
構造化された文書を受信する受信手段と、
前記構造化された文書に含まれる、第１データ形式としてテキストデータ形式で記述されたデータであることを示す所定の文字列を検出する文字列検出手段と、
前記文書データの受信処理に並行して、前記文字列検出手段によって検出された所定の文字列に続いて読み込まれるデータを第２データ形式としてバイナリデータ形式で記述されたデータに変換する処理を行うデータ変換手段と、
前記データ変換手段によって変換されたバイナリデータ形式で記述されたデータをメモリに記憶するバイナリデータ記憶手段と、
を有することを特徴とする。

本発明の一態様に係る情報処理方法は以下のような工程を備える。即ち、
構造化された文書データを処理する情報処理方法であって、
前記構造化された文書を受信手段によって受信する受信工程と、
前記構造化された文書に含まれる、第１データ形式としてテキストデータ形式で記述されたデータであることを示す所定の文字列を文字列検出手段において検出する文字列検出工程と、
前記文書データの受信処理に並行して、前記文字列検出手段によって検出された所定の文字列に続いて読み込まれるデータを第２データ形式としてバイナリデータ形式で記述されたデータに変換する処理をデータ変換手段において行うデータ変換工程と、
前記データ変換手段によって変換されたバイナリデータ形式で記述されたデータをメモリに記憶するバイナリデータ記憶工程と、
を有することを特徴とする。

本発明によれば、構造単位内に大容量のデータが含まれていても、リソースの少ない機器で処理することができる。

以下、添付図面を参照して本発明の好適な実施の形態を詳しく説明する。尚、以下の実施の形態は、本願の特許請求の範囲に係る発明を限定するものでなく、また、本実施の形態で説明されている特徴の組み合わせの全てが発明の解決手段に必須のものとは限らない。

図１は、本発明の実施の形態に係る印刷処理装置を含む印刷システムの概要を説明する構成図である。

図において、印刷処理装置１０３はＬＡＮ１０２を介してデジタルカメラ１０１やＰＣ１０５と接続されており、これらからＸＭＬ文書などの構造化文書を受信して記録シートに印刷することができる。このＬＡＮ１０２は、例えばＷＡＮやＵＳＢ回線など他の通信路で置き換えることができる。また印刷処理装置１０３は、ＵＳＢ回線やＳＣＳＩを介してハードディスクメモリ等で構成される文書，画像，音声データなどのファイルを保存する記憶装置１０４に接続されている。ＰＣ１０５は、このＬＡＮ１０２に接続されていて、ＬＡＮ１０２を介して印刷処理装置１０３にデータの印刷を指示することができる。尚、この図１では、デジタルカメラ１０１、ＰＣ１０５がＬＡＮ１０２を介して印刷処理装置１０３に接続されているが、これ以外にも他のコンピュータ機器や画像入出力機器が接続されていてもよいことはもちろんである。

図２は、本実施の形態に係る印刷処理装置１０３のハードウェア構成を説明するブロック図である。

図２において、ＣＰＵ２０１は、ＲＯＭ２０２に記憶されているプログラムに従って、この装置全体の動作を制御している。この処理には、例えばＬＡＮ１０２を介してデジタルカメラ１０１から受信したＸＭＬ文書に含まれる画像データを印刷イメージに変換し、プリント部（プリンタエンジン）２０６に出力して印刷するなどの制御も含まれる。ＲＯＭ２０２は、ＣＰＵ２０１により実行されるプログラムや、後述するテーブルなどを含む各種固定データを格納している。ＲＡＭ２０３は、ＳＲＡＭ，ＤＲＡＭ等で構成され、ＣＰＵ２０１による制御処理時に各種プログラム制御変数等を格納する。また各種設定パラメータ、各種ワーク用バッファも、このＲＡＭ２０３に格納される。プリント部２０６は、例えばインクジェット方式、或いは電子写真方式などにより記録シートに画像を印刷するプリンタエンジンである。ＬＡＮＩ／Ｆ２０７は、この印刷処理装置１０３をＬＡＮ１０２に接続し、ＸＭＬ文書を受信するためのインタフェースある。ＵＳＢＩ／Ｆ２０８は、ＵＳＢ２１０に接続するためのインタフェースである。尚、印刷処理装置１０３の構成によっては、更に、スキャナ部、モデム等が加えられても良い。

次に本実施の形態に係る印刷処理装置１０３が、ＬＡＮ１０２を介して受信した構造化された文書（ＸＭＬ文書）を解析処理する際の動作に関して説明する。尚、この構造化された文書が送られてくる際のプロトコルに関しては本実施の形態では特に限定しない。

［実施の形態１］
この実施の形態１は、ある要素の先頭にその要素の属性（種類）を示す所定の文字列（特定文字列）を検出した場合、ＬＡＮＩ/Ｆ２０７によるその要素内のデータの受信処理，解析処理と並行して、その要素の特定文字列に対応するsrc属性の属性データのデータ形式を別のデータ形式に変換する処理が実行されることを特徴とするものである。

図３は、本発明の実施の形態１に係る印刷処理装置１０３が受信した文書データの一部の一例を示す図である。

図３に示す文書はＸＭＬで記述されている。印刷処理装置１０３は、sample要素の一行目に記述されている「src="data:image/jpeg;base64」を検出することにより、src属性の属性データとしてjpeg画像（バイナリデータ）をbase64エンコードしたテキストデータが含まれることを認識する。この特定文字列以降に、base64エンコードすることによって得られたテキストデータ「R0IGOD...YKAAA7」（base64エンコードされ、キャラクタコードで記述されたjpeg画像データ）が含まれている。

図４は、本実施の形態１に係る印刷処理装置１０３における印刷処理を説明するフローチャートで、この処理を実行するプログラムはＲＯＭ２０２に記憶されており、ＣＰＵ２０１の制御の下に実行される。ここでは図３に示すような文書を受信した場合を説明する。

図３において、src属性の先頭文字列「data:image/jpeg;base64」は、IETFのRFC2397に従っており、ＸＭＬ文書の属性データに、ある種のデータを記述する場合に使われる。ここで「image/jpeg」は、データのメディアタイプで、jpeg符号化された画像データを示している。「base64」はデータの符号化方式を示している。この実施の形態１に係る印刷処理装置１０３は、順次受信したＸＭＬ文書内のデータを先頭から読み込んで解析処理を行う。この受信処理に並行して、テキストデータ形式で記述された画像データをバイナリデータ形式のデータ形式に変換し、ＲＡＭ２０３に変換されたバイナリデータ形式の画像が格納される。そして、格納された画像データの印刷処理が順次行われる。
すなわち、ＲＡＭ２０３に格納されるバイナリデータの容量はＸＭＬ文書中のエンコードされたテキストデータの容量より減少するので、ＲＡＭ２０３の容量が少なくてすむ。

まずステップＳ１の解析処理において、それぞれの要素がその先頭に前述の特定文字列を含むかどうかを判定する。特定文字列を含まないと判断した場合は、この処理を終了する。

ステップＳ１で、特定文字列を含むと判断した場合はステップＳ２に進み、特定文字列に続くsrc属性の属性データの読み込み（受信処理），解析処理に並行して、読み込まれた属性データのデータ形式を別のデータ形式に変換され、プリント部２０６において印刷処理が実行される。本実施の形態１では、上記特定文字列を「data:image/jpeg;base64」としている。なお、この特定文字列は、jpeg符号化された画像データをbase64でエンコードしたデータであることを示している。

ここでのデータ形式の変換は、変換後のデータサイズが小さくなるように、base64エンコードされたデータをbase64デコードしたバイナリ形式のデータに変換する。これによりデータ量が約３／４に減少される。
こうして変換された画像データは、印刷処理が行われるとともに印刷処理装置に接続された外部の記憶装置１０４に画像ファイルとして保存されても良い。そして、ファイルの保存先が参照できるように識別情報を生成してＸＭＬ文書に付与する。実施の形態１では、そのファイルのＵＲＩを識別情報として生成する。
ステップＳ３で、まだ読み込んでいない属性データがあるかどうかを判断し、あればステップＳ２に戻り、前述と同様に引き続き属性データを読み込み、データ形式を変換して画像ファイルに保存する。なお、識別情報が付与されたＸＭＬ文書に関しても記憶装置１０４に保存してもよい。

なお、base64エンコードとは、バイナリデータを64種のascii文字に変換する操作である。そして、使用するascii文字は6bitで表現される。すなわち、バイナリデータ3バイト (24bit)は4個のascii文字に変換されることになる。ところで、ascii文字は、有効ビットは6bitであるが、データとしては1バイト(8bit)で表現されるので、3バイトであったバイナリデータが4バイトのデータにエンコードされることになる。よって、図３に示すようなbase64エンコードされたデータはバイナリデータとしてのデータよりサイズが4/3倍に増えている。今回はこれをデコードすることによって印刷処理装置においてデータ量が削減されることになる。

こうしてステップＳ３で、全てのsrc属性の属性データの解析処理、印刷処理が終了すると、ステップＳ４に進み、その生成した識別情報を元のbase64エンコードされた属性データを削除する代わりに解析結果としてＸＭＬ文書中に記述する処理を行う。ここではその保存先を参照できるリンク情報を記述した拡張子を付与する。これによりＸＭＬ文書の外部リンクとして画像データを参照できる。また、このように適切な拡張子を付与しておくことにより、その拡張子により、そのデータの中身を判断することができる。
上述したように、ステップＳ２,３の処理によって、全体としてのデータ量を削減することができ、ＲＡＭ２０３のメモリ容量が少なくても処理を行うことができる。また、印刷処理装置１０３においてデータの変換処理を行うことなくこのリンク情報を参照することによってバイナリデータを読出し、再印刷処理を実行することができる。

図５は、図４のステップＳ４の処理において、入力した文書データの記述に基づいて最適な拡張子を求める処理の詳細を説明するフローチャートである。

ここでは図６のような拡張子を対応付けるテーブルを用意しておく。

図６は、前述のように、データ形式を変換したデータをファイルとして保存する場合、そのファイルの拡張子を、入力した文書データに含まれる拡張子を示す文字列に対応付けるテーブル例を示している。このテーブルは、例えばＲＯＭ２０２に記憶されている。この例では「image/jpeg」は、拡張子「jpg」に対応付けられている。

まずステップＳ１１で、属性データを保存する際に、前述のステップＳ１で検出した特定文字列中に、図６に示す拡張子対応テーブルのエントリの文字列が含まれているかどうかを判定する。含まれていない場合はステップＳ１２に進み、既定の拡張子をつけて保存する。一方、含まれている場合はステップＳ１３で、その拡張子を示す文字列に対応する拡張子をつけて保存する。

本実施の形態１の場合では、図３に示すように、拡張子の文字列「image/jpeg」が含まれているため、図６を参照しそれに対応する拡張子「jpeg」をつけて保存する。また、データ形式の変換方式も、その入力された文書データに基づいて適切なものを選択することができる。

図７は、本実施の形態１において、図４のステップＳ２でデータ形式を変換する際、入力した文書データの記述に基づいて適切な変換方式を選択する動作を示すフローチャートである。

ここでは、図８に示すデータ変換方式の対応付けテーブルを用意しておく。

図８は、前述のように、データ形式を変換する際、どのようなデータ形式に変換するかを記述したテーブル例を示す図である。このテーブルは、例えばＲＯＭ２０２に記憶されている。この例では「base64」は、base64のデコード「base64_decode」に変換するように対応付けられている。

まずステップＳ２１で、前述の図４のステップＳ２で属性データのデータ形式を変換する際に、ステップＳ１で検出した文字列中に、図８に示すデータ変換形式の対応テーブルのエントリにある変換方式の識別文字列が含まれているかどうかを判定する。含まれていない場合はステップＳ２２に進み、既定のデータ変換方式でデータ形式を変換する。一方、含まれている場合はステップＳ２３で、図８のテーブルを参照し、それに対応するデータ形式に変換する。

本実施の形態１では、文字列「base64」が含まれているため「base64_decode(){」（base64デコード）でデータ形式を変換する。

以上説明したように本実施の形態１では、src属性の「data:image/jpeg;base64」でエンコードされたjpeg画像データをバイナリ形式のデータに変換して記憶し、そのjpegデータをファイルとして保存する。これにより、元の文書データのデータ量を低減することができる。更に、「data:image/jpeg;base64」でエンコードされたjpeg画像データの代わりにＸＭＬ文書中にその保存したファイルを示すＵＲＩを記述する。これにより、後の工程で、そのＵＲＩに基づいて、その保存したデータにアクセスすることで、少ないメモリ容量であっても、印刷処理を行うすることができる。

［実施の形態２］
本発明の実施の形態２では、図９に示す記述形式において、ある要素の開始タグに記述される所定の文字列（特定文字列）を属性の種類情報として検出した場合に、その属性値の読出しと並行してその要素内容として記述されたデータの形式を別の形式に変換し、印刷処理する場合を説明する。尚、この実施の形態２における印刷システム及び印刷処理装置１０３のハードウェア構成は、前述の実施の形態１の場合と同様であるため、その説明を省略する。

図９は、本発明の実施の形態２に係る印刷処理装置１０３で受信した文書データの一部の一例を示す図である。

図９に示したように、この文書はＸＭＬで記述されている。ここでは、要素のtype属性（要素の種類を示す情報）として「image/jpeg」というメディアタイプを表す文字列が記述されている。

図１０は、本実施の形態２に係る印刷処理装置１０３における処理を説明するフローチャートで、この処理を実行するプログラムはＲＯＭ２０２に記憶されており、ＣＰＵ２０１の制御の下に実行される。実施の形態２に係る印刷処理装置１０３においても、実施形態１と同様に受信したＸＭＬ文書を先頭から順次受信し、読み込んで解析処理を行う。

まずステップＳ３１の解析処理においては、それぞれの要素の属性に所定のtype属性“image/jpeg”が記述されていないかどうかを判定する。記述されていないと判断した場合は、この解析処理を終了する。

ステップＳ３１で、所定のtype属性が記述されていると判断した場合はステップＳ３２に進み、要素内容の受信、解析処理に並行して、その要素内容を他のデータ形式に順次変換し、印刷処理を行う。このデータ形式の変換は、前述の実施の形態１と同様に、データサイズが小さくなるように、base64エンコードされたデータの場合にはbase64デコードを行う。この変換後のデータの保存も、前述の実施の形態１と同様に、記憶装置１０４にファイルとして保存する。今形態においても、保存時には、その保存先が参照できるような識別情報を生成して付与する。本実施の形態２では、ファイルとして記憶装置１０４に保存し、それにＵＲＩを識別情報として付加して記憶する。

こうして保存した後ステップＳ３３で、文書に、まだ読み込んでいない残りの要素の内容があるかどうかを判定し、あればステップＳ３２に戻り、前述と同様にデータ変換処理し、変換された画像データに基づいて印刷処理を行う。尚、変換された画像データの保存先の識別情報として、前述の実施の形態１と同様に、入力された文書データの記述に基づいて最適な拡張子を含めることができる。こうしてステップＳ３３で、全ての要素の内容を保存するとステップＳ３４に進み、その生成した識別情報を元の要素の内容の代わりに解析結果として記述する。

図１１は、図１０のステップＳ３４の処理において、入力した文書データの記述に基づいて最適な拡張子を含める所定の詳細を説明するフローチャートである。

ここでも前述の図６のような拡張子対応テーブルを用意しておく。

図１０のステップＳ３２で要素の内容を保存する際に、まずステップＳ４１で、同じ要素内の記述に、図６の拡張子対応表のエントリにある拡張子の識別文字列が含まれているかどうかを判定する。含まれていない場合はステップＳ４２に進み、既定の拡張子を付与して、その変換済のデータを保存する。一方、ステップＳ４１で、エントリにある拡張子の識別文字列が含まれている場合はステップＳ４３に進み、図６を参照して対応する拡張子を付与して保存する。

本実施の形態２の場合は、同じ要素のtype属性の値に文字列「image/jpeg」が含まれているため、拡張子「jpeg」をつけて保存する。

また、データ形式の変換方式も、入力された文書データに基づいて適切なものを選択することができる。

図１２は、本実施の形態２において、図１０のステップＳ３２でデータ形式を変換する際、入力した文書データの記述に基づいて適切な変換方式を選択する動作を示すフローチャートである。この場合も、図８のようなデータ変換方式対応表を用意しておく。

ステップＳ３２で、要素の内容をデータ形式変換する際に、まずステップＳ５１で、同じ要素内の記述に、図８のデータ変換形式の対応テーブルのエントリにある変換方式の識別文字列が含まれているかどうかを判定する。含まれていない場合はステップＳ５２に進み、既定の方式でデータ形式を変換する。含まれている場合はステップＳ５３に進み、図８のテーブルに従って、対応する方式でデータ形式を変換する。

本実施の形態２の場合、同じ要素のtype属性の値に「image/jpeg」という文字列が含まれているためbase64デコードでデータ形式を変換する。一般的に、メディアタイプ「image/jpeg」だけではbase64エンコードされているかどうかは判断できないが、対応テーブルで、文字列「image/jpeg」に対応するデータ変換形式を定めておくことにより適切なデータ変換方式を認識することができる。

以上説明したように本実施の形態２によれば、sample要素の開始タグから終了タグまでの内容の代わりに生成したＵＲＩを記述する。その後、解析処理を進め、その文書データの構造単位に解析結果を出力する。そして、そのファイルに付されたＵＲＩを求めることにより、保存されたファイルデータにアクセスすることができる。

尚、以上説明した実施の形態１，２では、印刷処理装置を例に説明したが、本発明はこれに限らず、例えば、携帯電話機、ディスプレイ、ストレージ等のその他の周辺機器、或いはコンピュータ等の汎用な情報処理装置でも同様に適用できる。

例えば、音声再生装置においても適用することができる。具体的には、ＸＭＬ文書中にbase64エンコードされることによって記述されたテキストデータの読出しに並行して、バイナリ形式の音声データに変換し、変換された音声データを再生したり、保存したりすることによって達成することができる。+
以上説明したように本実施の形態によれば、文書中の特定文字列の検出に応じて、それ以降の文書内のデータの受信処理に並行して、より小さなデータサイズとなるデータ形式のデータに変換し、印刷処理を行ったり、ファイルへ保存したりすることができる。

また本実施の形態によれば、入力した文書データの構造単位内に画像データのような大きなデータが含まれていても、メモリなどのリソースの少ない機器であっても有効に処理することができる。また、入出力インタフェースは従来通りなので、本実施の形態を適用する際のアプリケーション側の対応コストは小さくて済む。

なお本発明は、前述した実施の形態の機能を実現するソフトウェアのプログラムを、システム或いは装置に直接或いは遠隔から供給し、そのシステム或いは装置のコンピュータが、その供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。その場合、プログラムの機能を有していれば、その形態はプログラムである必要はない。従って、本発明の機能処理をコンピュータで実現するために、該コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明には、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等、プログラムの形態を問わない。

プログラムを供給するための記憶媒体としては、例えば、フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などがある。その他のプログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続し、該ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをハードディスク等の記憶媒体にダウンロードすることによっても供給できる。また本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明のクレームに含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件を満足するユーザに対してインターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせ、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

またコンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部又は全部を行ない、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行ない、その処理によっても前述した実施形態の機能が実現される。

本発明の実施の形態に係る印刷処理装置を含む印刷システムの概要を説明する構成図である。 本実施の形態に係る印刷処理装置のハードウェア構成を説明するブロック図である。 本発明の実施の形態１に係る印刷処理装置が受信した文書データの一部の一例を示す図である。 本実施の形態１に係る印刷処理装置における処理を説明するフローチャートである。 図４のステップＳ４の処理において、入力した文書データの記述に基づいて最適な拡張子を求める処理の詳細を説明するフローチャートである。 ファイルの拡張子を、入力した文書データに含まれる拡張子を示す文字列に対応付けるテーブルの一例を示す図である。 本実施の形態１において、図４のステップＳ２でデータ形式を変換する際、入力した文書データの記述に基づいて適切な変換方式を選択する動作を示すフローチャートである。 データ形式を変換する際、どのようなデータ形式に変換するかを記述したテーブルの一例を説明する図である。 本発明の実施の形態２に係る印刷処理装置で受信した文書データの一部の一例を示す図である。 本実施の形態２に係る印刷処理装置における処理を説明するフローチャートである。 図１０のステップＳ３４の処理において、入力した文書データの記述に基づいて最適な拡張子を含める所定の詳細を説明するフローチャートである。 本実施の形態２において、図１０のステップＳ３２でデータ形式を変換する際、入力した文書データの記述に基づいて適切な変換方式を選択する動作を示すフローチャートである。

Claims (10)

1. 構造化された文書を処理する情報処理装置であって、
   構造化された文書を受信する受信手段と、
   前記構造化された文書に含まれる、第１データ形式としてテキストデータ形式で記述されたデータであることを示す所定の文字列を検出する文字列検出手段と、
   前記文書データの受信処理に並行して、前記文字列検出手段によって検出された所定の文字列に続いて読み込まれるデータを第２データ形式としてバイナリデータ形式で記述されたデータに変換する処理を行うデータ変換手段と、
   前記データ変換手段によって変換されたバイナリデータ形式で記述されたデータをメモリに記憶するバイナリデータ記憶手段と、
   を有することを特徴とする情報処理装置。
2. 前記データ変換手段によって変換されたバイナリ形式で記述されたデータは画像データまたは音声データであることを特徴とする請求項１に記載の情報処理装置。
3. 前記第１データ形式よりも前記第２データ形式の方がデータ量が少ないことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記データ変換手段により変換されたバイナリデータ形式で記述されたデータを記憶装置に保存する保存手段と、
   前記保存手段により保存されたバイナリデータ形式のデータのリンク情報を前記第１データ形式としてテキストデータ形式で記述されたデータの代わりに前記構造化された文書に記述する処理手段とを有することを特徴とする請求項１乃至３のいずれか１項に記載の情報処理装置。
5. 構造化された文書データを処理する情報処理方法であって、
   前記構造化された文書を受信手段によって受信する受信工程と、
   前記構造化された文書に含まれる、第１データ形式としてテキストデータ形式で記述されたデータであることを示す所定の文字列を文字列検出手段において検出する文字列検出工程と、
   前記文書データの受信処理に並行して、前記文字列検出手段によって検出された前記所定の文字列に続いて読み込まれるデータを第２データ形式としてバイナリデータ形式で記述されたデータに変換する処理をデータ変換手段において行うデータ変換工程と、
   前記データ変換手段によって変換されたバイナリデータ形式で記述されたデータをメモリに記憶するバイナリデータ記憶工程と、
   を有することを特徴とする情報処理方法。
6. 前記データ変換工程において変換されたバイナリ形式で記述されたデータは画像データまたは音声データであることを特徴とする請求項５に記載の情報処理方法。
7. 前記第１データ形式よりも前記第２データ形式の方がデータ量が少ないことを特徴とする請求項５又は６に記載の情報処理方法。
8. 前記データ変換工程において変換された前記第２データ形式のデータを記憶装置に保存する保存工程と、
   前記保存工程において保存されたバイナリデータ形式のデータのリンク情報を、処理手段によって前記第１データ形式としてテキストデータ形式で記述されたデータの代わりに前記構造化された文書に記述する処理工程とを更に有することを特徴とする請求項５乃至７のいずれか１項に記載の情報処理方法。
9. 請求項５ないし請求項８のいずれか１項に記載の情報法処理方法を実行するためのプログラム。
10. 請求項９のプログラムを記憶した記憶媒体。

Images