JPH0816594A - 文書自動マーク付け装置 - Google Patents

Abstract

(57)【要約】 【目的】 マーク付けのされていない文書に対して、論
理構造を示すマークを自動的に付けることができる装置
を提供する。 【構成】 入力文書を格納する文書入力部１、マーク付
けのためのルールを記述するマーク付けルール部２、前
記入力文書に対して前記ルールを適用して、前記ルール
に適合した文字列については所定のパターンに変換して
出力し、適合しない文字列は元の文字列を出力すること
により、前記入力文書に対するマーク付け処理を行うた
めのマーク付け部３、及び前記マーク付け部から出力さ
れたマーク付き文書を格納するマーク付き文書出力部６
により文書の自動マーク付け装置を構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、マーク付けのされてい
ないプレーンな文書に対して、論理構造を示すマークを
自動的に付けることによって、プレーンな文書を構造化
文書に変換する文書自動マーク付け装置に関するもので
ある。

【０００２】

【従来の技術】現在、文書を構造化文書として作成する
ことによって、レイアウトなどの編集の自動化、電子媒
体書籍の自動作成、ドキュメントデータベースの作成な
ど、文書の二次的な加工を柔軟に行えるようにすること
が普及しつつある。この構造化文書の実現方法の一つ
に、文書に論理構造を示すマークを付ける方法がある。
これを「マーク付け」又は「マークアップ」という。JI
S X 8879及びJIS X 4151で定められた「ＳＧＭＬ」（St
andard Generalized Markup Language: 標準一般化マー
ク付け言語）もこの方法の一つである。

【０００３】従来、マーク付けを行うためには、文書作
成装置を用いて手作業でマークアップするか、または、
構造化文書作成のための専用の構造エディタを使って、
文書を作成しながらマークアップをする必要があった。

【０００４】

【発明が解決しようとする課題】しかしながら、従来の
方法には次の問題があった。 １．手作業で一つずつマークを付けるのは面倒であり、
また、マーク付けの規則を覚える必要がある。 ２．専用の構造エディタを使うには、そのためのハード
／ソフトを準備する必要がある。また、今まで使ってい
た文書作成装置とは違う入力操作を覚える必要がある。

【０００５】これに対して本発明は、マーク付けのされ
ていない文書に対して、論理構造を示すマークを自動的
に付けることができる装置を提供することを目的とする
ものである。

【０００６】

【課題を解決するための手段】上記目的を達成するた
め、本発明は、入力文書を格納する文書入力部、マーク
付けのためのルールを記述するマーク付けルール部、前
記入力文書に対して前記ルールを適用して、前記ルール
に適合した文字列については所定のパターンに変換して
出力し、適合しない文字列については元の文字列を出力
することにより、前記入力文書に対するマーク付け処理
を行うためのマーク付け部、及び前記マーク付け部から
出力されたマーク付き文書を格納するマーク付き文書出
力部により文書の自動マーク付け装置を構成する。

【０００７】

【作用】マーク付けルール部は、文書入力部に格納され
た文書にマーク付けルール部に記述されたマーク付けル
ールを適用する。そして、ルールに適合する文字列につ
いては所定のパターンに変換してマーク付き文書出力部
に出力し、適合しない文字列については元の文字列をマ
ーク付き文書出力部に出力する。これによって、マーク
付けのされていない文書から自動的にマーク付き文書を
得ることができる。

【０００８】

【実施例】本発明の実施例について図を用いて説明す
る。図１は、文書マーク付け装置の構成を示す。文書入
力部１は、例えば直接アクセス記憶装置により構成され
るもので、図２に示すプレーンな文書１１（以下、この
文書を「入力文書」という。）が格納されているものと
する。マーク付けルール部２は、例えば直接アクセス記
憶装置により構成されるもので、図３に示すマーク付け
ルールが記述されているものとする。

【０００９】マーク付け部３は、入力文書に対してマー
ク付けの処理を行うもので、例えば、ＣＰＵ及びメモリ
などから構成される。マーク付け部３は、適合ルール検
索部４と文字列変換部５とから成る。適合ルール検索部
４は、入力文書からマーク付けルール部２に記述された
ルールに適合する文字列を検索し、その検索結果を文字
列変換部５に出力する。文字列変換部５は、適合ルール
検索部４からの出力に応じて、入力文書を所定のパター
ンに変換して、マーク付き文書出力部６に出力する。

【００１０】マーク付き文書出力部６は、例えば直接ア
クセス記憶装置により構成され、マーク付き文書を格納
するものである。次に、図１の各部分の詳細について説
明する。図２は、文書入力部１に格納された変換前のマ
ーク付けの無い入力文書１１と、マーク付き文書出力部
６に格納された変換後のマーク付けがされた文書１４を
示す。入力文書１１の章の表示１２と節の表示１３が、
本装置によりマーク付け処理されて、章のマーク１５と
節のマーク１６が付けられる。

【００１１】図３は、マーク付けルール部２の詳細を示
す。マーク付けルール部２に記述されるマーク付けルー
ル２１は、テキストファイルにより構成され、複数の変
換表２２，２３……からなる。また、表中の「｛」は変
換表の開始を表し、「｝」は変換表の終了を表す。図示
の例では、変換表２２は文書中の章の部分を変換するた
めのものであり、変換表２３は文書中の付録の部分を変
換するためのものである。

【００１２】章の変換表２２について具体的に説明をす
ると、変換表２２は複数の行からなり、各行において、
左に変換元パターンを、右に変換先パターンを記述して
いる。変換元パターンと変換先パターンは、「”」で囲
んで記述している。なお、パターンの中に「”」という
文字を記述したい場合は、「￥”」と記述する。図の例
で説明すると、第１行は「第」という文字列（文字列に
は１文字を含むこととする。）を「＜章 ｉｄ＝”章」
という文字列に変換することを示している。

【００１３】変換元パターンの第２行に「：Ｄ」と記述
しているのは、数字を表している。このように、「：」
が付いている記述を「組み込み文字」といい、「：Ａ」
は英数字を、「：Ｂ」は空白類を、「：Ｃ」は英字を表
す。また、「＋」は、直前の文字の１個以上の繰り返し
を表す。例えば、第３行の「：Ｂ＋」という記述
は、「：Ｂ」（つまり空白類）の１個以上の繰り返しを
表す。同様に、「＊」は直前の文字の０個以上の繰り返
しを表す。また、第４行の「．」は任意の文字を表す。
ただし、「．」を表したい場合は、「￥．」と記述す
る。第５行の「￥ｎ」は改行文字を表す。

【００１４】変換表２２の右側の第２行及び第４行は、
変換先パターンが「＝」になっている。これは、変換元
パターンをそのまま複写することを表している。次に、
図４のフローチャートを用いてマーク付け処理について
説明する。なお、図中のステップＳ１１〜１５までは、
適合ルール検索部４における動作であり、ステップＳ１
６〜２０までは、文字列変換部５における動作である。

【００１５】まず、入力文書の先頭に文字ポインタを位
置づけ（ステップＳ１１）、マーク付けルール２１の先
頭に表ポインタを位置づける（ステップＳ１２）。ステ
ップＳ１３〜１５において、各文字ごとに、文字ポイン
タから始まる文字列が各変換表２２，２３…の変換元パ
ターンに適合するかどうかを判定する。つまり、ステッ
プＳ１３で、文字ポインタから始まる文字列が表ポイン
タが指す変換表に適合するか否かが判定され適合すれば
ステップＳ１６へ進む。適合しなければ、ステップＳ１
４〜１５により次の変換表に進み、ステップＳ１３で同
様な判定がされる。もし、適合する変換表が無ければ、
ステップＳ１５のＮからステップＳ１９へ進む。なお、
ステップＳ１３の詳細な処理については後述する。

【００１６】ステップＳ１３で、文字ポインタから始ま
る文字列が表ポインタが指す変換表に適合すると判定さ
れた場合、ステップＳ１６において、適合した範囲の文
字列を、変換表に従って変換をして、マーク付き文書部
６に出力する。なお、ステップＳ１６の処理の詳細につ
いても後述する。そして、ステップＳ１７で文字ポイン
タを適合した範囲の次の位置へ文字ポインタを動かし、
ステップＳ１８へ進む。

【００１７】ステップＳ１５において、文字ポインタか
ら始まる文字が変換表に適合しないと判定された場合
は、ステップＳ１９へ進み、文字ポインタが指示する文
字をそのままマーク付き文書出力部６に出力する。そし
て、ステップＳ２０で文字ポインタを一つ後ろに動か
し、ステップＳ１８へ進む。ステップＳ１８において、
入力文書中にまだ処理していない文字がある場合、ステ
ップＳ１２へ戻り、以後同様の処理が行われる。全ての
文字についての処理が終わり、処理していない文字が無
くなった場合は、ステップＳ１８のＮから出てマーク付
け処理を終了する。

【００１８】ここで、図５を用いて、図２に示した入力
文書１１の章の表示１２が、変換表２２により、マーク
付き文書１４の章のマーク１５に変換される処理につい
て説明をする。始めに、図４のステップＳ１３において
は、文字ポインタから始まる文字列が変換表の第１行か
ら第５行までの変換元パターンと一致するかどうかを判
定する。

【００１９】１）変換表の第１行の変換元パターンが
「第」と一致する。 ２）変換表の第２行の変換元パターンが「１」と一致す
る。 ３）変換表の第３行の変換元パターンが「章 」と一致
する。 ４）変換表の第４行の変換元パターンが「概要」と一致
する。 ５）変換表の第５行の変換元パターンが「↓」（改行記
号）と一致する。

【００２０】このように変換表の最後まで一致すると、
文字ポインタから始まる文字列が「適合した」とみなし
て、次にステップＳ１６の変換及び出力を行う。 １）「第」を「＜章 ｉｄ＝”章」に変換して、マーク
付き文書出力部６に出力する。 ２）「１」はそのまま出力する。

【００２１】３）「章 」を「”＞＜表題＞」に変換し
て出力する。 ４）「概要」はそのまま出力する。 ５）「↓」（改行記号）を「＜／表題＞」に変換して出
力する。 以上の動作によって、図２に示すようなマーク付き文書
が得られる。次に、前述の図４のフローチャートにおけ
るステップＳ１３及びステップＳ１６の詳細な動作につ
いて以下に説明する。また、以下に説明される動作にお
いては、同時に、本発明の自動マーク付け装置における
新たな機能及びその動作についても説明される。

【００２２】始めに、今回初めて説明される新たな機能
について説明する。図６及び図７は、マーク付けルール
の変形例を示す。図６には、通常の章に対する変換表３
２と、その章に付随する節に対する変換表３４と、付録
に対する変換表３３と、付録に付随する節に対する変換
表３５が示されている。さらに、図７には、パターンの
移動を行わせるための変換表３６が示されている。

【００２３】ここで、図６に示す各変換表３２，３３に
おいては、第１行の前に、それぞれ表名が設定されてい
る。変換表３２には「章開始」が、変換表３３には「付
録開始」が設定される。また、変換表３４には「開始表
名」及び「終了表名」が、変換表３５には「開始表名」
が設定されている。節の変換表３４は、「章開始」の変
換表３２が適合された後、その適合を開始するが、「付
録開始」の変換表３３が適合されたら、その適合を終了
するものであり、付録の節の変換表３５は、「付録開
始」の変換表３３が適合された後、その適合を開始する
ものである。このマーク付けルールを適用して以下に説
明する処理動作が行われることにより、章の後には章の
節が続き、付録の後には付録の節が続くマーク付けが行
われることとなり、章の後に付録の節が続いたり、付録
の後に章の付録が続くことがなくなる。

【００２４】図７の変換表３６は、パターンの移動に用
いられる。例えば、索引のように、マーク付けの無い文
書中では表記が読みより先に記載されるが、マーク付き
文書においては、索引としての機能上、読みのパターン
を表記のパターンより前に記載したいということがあ
る。変換表３６はこのようなパターンの移動を行うとき
に使用されるものである。

【００２５】図８及び図９は、図４のステップＳ１３の
詳細を示す。なお、以下の説明において、ステップＳ１
１〜２０は、図４のフローチャートにおけるステップを
表す。これらのステップについては、図４に関する説明
を参照されたい。ステップＳ３１では、表ポインタが指
示する変換表に開始表名が設定されているか否かが判定
され、ステップＳ３２では、開始表名が指す変換表は既
に適合済みであるか否かが判定され、ステップＳ３３で
は、終了表名が設定されているか否かが判定され、ステ
ップＳ３４では、終了表名が指す変換表は既に適合済み
か否かかが判定される。

【００２６】ここで、図６の章と付録の変換表３２，３
３は、開始表名及び終了表名が共に設定されていない例
であるから、これらの変換表の場合には、ステップＳ３
５へ進む。章の節の変換表３４は、開始表名及び終了表
名が共に設定されている例であるから、この変換表３４
の場合には、開始表である章の変換表３２が適合済みで
あり、終了表である付録の変換表３３が未だ適合されて
ない場合にステップＳ３５へ進む。一方、開始表である
変換表３２が適合されていないか、又は終了表である変
換表３３が適合されている場合には、ステップＳ４０へ
進み、不適合と判定される。以後は図４のステップＳ１
４へ進み、次の表の選択が行われる。

【００２７】また、付録の節の変換表３５は、開始表で
ある付録の変換表３３が適合済みであれば、ステップＳ
３５へ進み、適合済みでなければ、ステップＳ４０へ進
み不適合と判定される。ステップＳ３５〜４５では、当
該変換表と入力文書中の文字ポインタから始まる文字列
が当該変換表のルールに適合するか否かの判定がされ
る。

【００２８】ステップＳ３５で行ポインタを変換表の先
頭の行に位置づけ、ステップＳ３６で入力文書の比較ポ
インタを文字ポインタと同じ位置に動かす。ステップＳ
３７で、適合範囲格納テーブルが一つ拡張されて、ステ
ップＳ３８へ進む。この適合範囲格納テーブルは、図１
０に示す構造を有しており、適合が判定されている文字
列の適合位置と、その長さが変換表の各行ごとに記録さ
れるもので、処理の進行に伴って順次拡張していくもの
である。

【００２９】ステップＳ３８では、行ポインタが指す行
の変換元パターンが、比較ポインタから始まる入力文書
の文字列と適合するか否かが判定される。適合しなけれ
ば、ステップＳ３９で図１０の適合範囲格納テーブルが
解放されて、ステップＳ４０へ進み、不適合と判定さ
れ、図４のステップＳ４へ進む。適合すれば、ステップ
Ｓ４１へ進む。

【００３０】ステップＳ４１では、適合範囲格納テーブ
ルの「適合位置」に比較ポインタの位置を入れて、ステ
ップＳ４２では、適合範囲格納テーブルの「適合長」に
適合した長さを入れる。ステップＳ４３では、比較ポイ
ンタを適合した範囲の次の位置へ動かす。図１０の第１
行の例では、適合位置の３１０から、適合長６だけ離れ
た位置３１６へ比較ポインタを動かす。ステップＳ４４
では、行ポインタを一つ後ろへ動かす。前記の例では、
第２行に動かす。

【００３１】ステップＳ４５では、当該変換表に行が残
っているか否かが判定され、残っていれば、ステップＳ
３７へ戻る。以後、この処理を繰り返すことにより、変
換表における全ての行の変換元パターンが、比較ポイン
タから始まる文字列と適合するか否かが判定される。も
し、途中で一致しなくなると、ステップＳ３８からステ
ップＳ３９，Ｓ４０へ進み、不適合と判定される。ま
た、全ての行の変換元パターンが一致すれば、ステップ
Ｓ４６において適合と判定され、図４のステップＳ１７
へ進む。

【００３２】以上の処理において、入力文書の文字列が
図６の変換表と適合した場合は、前の説明と同じ変換が
行われるので、重複する説明は省略する。ここでは、文
字列が図７の変換表と適合した場合についての説明を行
う。始めに変換表３６について説明すると、第１行の
「△」は索引の開始記号、第５行の「→」は読みの開始
記号、第７行の「←▽」は読みの終了記号と索引の終了
記号を表す。

【００３３】また、入力文書中に図１１に示すような索
引「△装置→そうち←▽」が記載されていた場合、この
文字列については、以上説明した図８、図９の処理によ
り、次の変換が終了している。 １）「△」は「＜索引 読み＝”」に変換される。 ２）続いて変換先パターンに、無条件に「＜＜ラベル
Ａ」が挿入される。

【００３４】３）同じく変換先パターンに、無条件
に「”＞」が挿入される。 ４）「装置」はそのまま無変換とされる。 ５）「→」は削除される。 ６）「そうち」は「＞＞ラベルＡ」に変換される。 ７）「←▽」は「＜／索引＞」に変換される。

【００３５】次に、図４のステップＳ１６の詳細につい
て、図１２のフローチャートを用いて説明する。この処
理は、ある変換表に適合した範囲の入力文書の文字列
を、その変換表に従って変換先パターンに変換してマー
ク付き文書部６に出力するものである。さらに、この処
理においては、図７の変換表３６を用いた変換先パター
ンの入替えも行われる。

【００３６】ステップＳ５１で、行ポインタを適合した
変換表の先頭の行に位置づける（以下、この行ポインタ
が指す行を省略して「現在行」という。）。次に、ステ
ップＳ５２において、現在行の変換先パターンが変換さ
れた型のもの（””で囲まれたもの"...."）であるか否
かが判定され、変換型であれば、ステップＳ５３で、現
在行の変換先パターンの文字列"...."をマーク付き文書
部６に出力する。変換型でなければ、ステップＳ５４へ
進む。

【００３７】ステップＳ５４において、現在行の変換先
パターンが複写の型（＝）であるか否かが判定され、複
写型であれば、ステップＳ５５で、現在行の適合範囲格
納テーブルが示す入力文書の範囲をマーク付き文書部６
に出力する。複写型でなければ、ステップＳ５６へ進
む。ステップＳ５６では、移動先の型（＜＜）か否かが
判定される。移動先型であれば、ステップＳ５７で、同
じ移動ラベル（図７の例では、ラベルＡ）を持つ移動元
（＞＞）の行を検出して、適合範囲格納テーブルにおい
てその行の示す入力文書の範囲（図７の例では「そう
ち」）をマーク付き文書部６に出力する。含まなけれ
ば、ステップＳ５８へ進む。

【００３８】ステップＳ５８では、行ポインタを一つ後
ろに動かし、ステップＳ５９で変換表に行が残っている
か否かが判定される。残っていれば、ステップＳ５２へ
戻り、以上説明したステップが繰り返される。当該変換
表について全ての行についての変換が終了すれば、ステ
ップＳ６０へ進んで適合範囲格納テーブルを解放して、
図４のステップＳ８へ進む。

【００３９】以上の図１２の処理において、入力文書の
文字列が図６の変換表に適合した場合は、前の説明と同
じようなマーク付き文書出力部６への出力が行われるの
で、重複する説明は省略する。ここでは、文字列が図７
の変換表に適合した場合について説明を行う。なお、図
７を用いた変換については、図８、図９の説明において
既に説明したように変換が終了している。

【００４０】１）変換された「＜索引 読み＝”」を出
力する。 ２）挿入された「＜＜ラベルＡ」に対応する移動元「＞
＞ラベルＡ」を検出し、現在行の適合範囲格納テーブル
が示す入力文書の範囲の「そうち」を出力する。 ３）挿入された「”＞」を出力する。

【００４１】４）「＝」に対して現在行の適合範囲格納
テーブルが示す入力文書の範囲の「装置」を出力する。 ５）第５，６行は無視される。 ６）変換された「＜／索引＞」を出力する。 以上の結果、図１１に示すように、読みの「そうち」が
表記の「装置」の前に移動させられる。

【００４２】以上説明した実施例においては、章と節か
らなる文書のマーク付け処理について説明してきた。本
発明の自動マーク付け装置は、このような章と節からな
る文書のマーク付け処理の変換のみならず、その他の論
理構造の文書に対しても適用可能である。

【００４３】

【発明の効果】本発明によれば、マーク付けのされてい
ない文書に対して、論理構造を示すマークを自動的に付
けることができる装置を提供することができる。したが
って、既存の文書作成装置で文書を作成し、その後、本
発明の文書自動マーク付け装置で一挙にマーク付けをす
ることができる。また、今までに蓄積された大量の文書
の文書データを、簡単に構造化文書に転用することがで
きる。

【図面の簡単な説明】

【図１】本発明の実施例の文書マーク付け装置の構成を
示す文書図。

【図２】図１の装置において使用される入力文書とマー
ク付き文書を示す図。

【図３】図１におけるマーク付けルール部の詳細を示す
図。

【図４】図１の装置の処理を説明するためのフローチャ
ート。

【図５】図１の装置による処理の結果を示す図。

【図６】図３のマーク付けルールの変形例を示す図（そ
の１）。

【図７】図３のマーク付けルールの変形例を示す図（そ
の２）。

【図８】図４のステップＳ１３の詳細を説明するための
フローチャート（その１）。

【図９】図４のステップＳ１３の詳細を説明するための
フローチャート（その２）。

【図１０】図８、図９のフローチャートで使用される適
合範囲格納テーブルを示す図。

【図１１】図７の変換表を用いた場合の処理結果を示す
図。

【図１２】図４のステップＳ１６の詳細を説明するため
のフローチャート。

【符号の説明】

１…文書入力部 ２…マーク付けルール部 ３…マーク付け部 ４…適合ルール検索部 ５…文字列変換部 ６…マーク付き文書出力部 １１…入力文書 １２…章の表示 １３…節の表示 １４…マーク付き文書 １５…章のマーク １６…節のマーク ２１…マーク付けルール ２２，２３，３２〜３６…変換表

Claims (2)

【特許請求の範囲】
1. 【請求項１】 入力文書を格納する文書入力部、マーク
   付けのためのルールを記述するマーク付けルール部、前
   記入力文書に対して前記ルールを適用して、前記ルール
   に適合した文字列については所定のパターンに変換して
   出力し、適合しない文字列については元の文字列を出力
   することにより、前記入力文書に対するマーク付け処理
   を行うためのマーク付け部、及び前記マーク付け部から
   出力されたマーク付き文書を格納するマーク付き文書出
   力部を具備する文書自動マーク付け装置。
2. 【請求項２】 入力文書を格納する文書入力部、マーク
   付けのためのルールを記述するマーク付けルール部、前
   記入力文書から前記ルールに適合する文字列を検索する
   適合ルール検索部、適合ルール検索部による検索の結
   果、前記入力文書中の文字列が前記ルールに適合すると
   きは、その文字列について所定のパターンに変換して出
   力し、前記ルールに適合しないときは元の文字列を出力
   する文字列変換部、前記適合ルール検索部と前記文字列
   変換部とからなるマーク付け部、及び前記マーク付け部
   から出力されたマーク付き文書を格納するマーク付き文
   書出力部を具備する文書自動マーク付け装置。