Intial Kickoff paper

[GrazingScientist]

Goal

• Mögliche Workflows von Office-Formaten (docx) über XML (TEI-P5) zu verschiedenen Ausgabeformaten (HTML, PDF, JATS, EPUB, …) ausarbeiten
• Workflows sollen individuell konfiguriert werden können
• Workflow soll innerhalb von OJS verwendbar sein

Ressources

Overview of XML import tools dedicated to PKP uses (from 2018 sprint):

Front-end Gruppe

1. Eingabe-Format wählen (vlt. Dropdown Menu): docx, odt, etc.
2. Metadaten
3. Zitate (regular expressions?)
4. Bilder
5. Ausgabe-Format wählen: HTML, Jats, etc.

Results

1. docx-Konvertierung mit Kommandozeile-Konverter

   • Tools

   • myTypeset (Fußnoten müssen separat gesetzt werden)

   • docxConverter (keine Fußnoten, Zitate nur mit Nummerierungen)

   • Pandoc native

   • oxGarage

   • Anforderungen

   • Autoren müssen sich an definierte Dokument-Templates und redaktionelle Vorgaben halten

   • Feste Parameter für die Konvertierung müssen konfiguriert werden können (auf welcher Ebene? Hosting, Journal Manager/Editor)

   • Variable Parameter müssen abgefragt werden

   • Referenzen müssen standardisiert werden, parsing muss extra implementiert werden

   • Automatisiertes post-processing muss möglich sein

   • Manuelle Nachbearbeitung wird immer nötig sein

   • Individuelle zusätzlich Bearbeitungsschritte müssen integriert werden können z.B. für:

     • Sprachidentifikation (mit z.B. Tikka) muss integriert werden (für Layout/Silbentrennung), eventuell inklusive Wörterbücher (die gepflegt werden müssen)
     • Anpassung von Lizenzrechten

   • Bearbeitungsverlauf zwischenspeichern und verfügbar machen

2. Wunschvorstellung OJS-XML-Editor
   • Entwicklung kostet viel Zeit und Geld/Personal
     • Institutsübergreifendes Projekt?
     • Kommunikation an die Institute
     • Ist Texture eine Möglichkeit? -> Stand des Plugins?
   • Backend für Editoren
   • Frontend für Autoren (zum Schreiben und für Revision)
   • arbeiten direkt in einem OJS-XML-Editor
   • Erfahrungen von vergleichbaren Editoren: Autoren arbeiten in Word und kopieren formatierte Daten

• Pandoc, meTypeset, XSLT und Texture verarbeiten nicht immer alle nach JATS erlaubten Tags. Es muss eine Liste von Tag erstellt werden die nicht verwendet werden dürfen.
• Eine Überprüfung auf Elemente dieser Art muss vor starten der Pipeline erfolgen
• Informationen übergreifend sammeln (Community-Forum?, ojs-de.net?) und aktualisieren (z.B. bei neuen Versionen)

Beispielkonvertierungen

Pandoc

pandoc -f docx -t jats --standalone -o <out_file>.xml <in_file>.docx Ergebnis mit komplexen docx-Dateien (Tabellen + Formeln, nur Formeln): das generierte JATS kann in Texture nicht angezeigt werden:

\<table> is not valid \<email> not valid (e-mail-Link in Word) einfache Auflistung i), ii), iii) funktioniert nicht Einfache Grafik (ohne Caption) funktioniert nicht \<alternatives>-Tag in \<inline-formula> funktioniert nicht

... und viele andere Fehler Nach Entfernung aller Tabellen, Bilder, Formel und Aufzählungen: Keine kommentierte Texture-Fehlermeldung mehr Browser meldet:

ERROR:Node already exists

Gesamte Citavi-Bibliographie wird in einen

-Tag gepackt

myTypeset

• Keine Konvertierung ohne LibreOffice oder Word auf dem System
• Hier müsste evtl. in Zusammenarbeit mit dem Entwickler der ReferenceLinker verbessert werden. Vor allem die Erkennung der Referenzliste selber ist noch sehr fehleranfällig.

oxGarage

• Repositorium: https://github.com/TEIC/Stylesheets
• Erzeugt mit:

  Stylesheets/bin/docxtotei --localsource=/Users/kthoden/EOAKram/dev/dockerized/EOASkripts/dependencies/TEI EVA_Paper_b.docx ep_b-tei.xml
  Stylesheets/bin/teitonlm --localsource=/Users/kthoden/EOAKram/dev/dockerized/EOASkripts/dependencies/TEI ep_b-tei.xml ep_b-jats.xml

  Ergebnis: Jats nicht in Texture nicht lesbar:

\<caption> in not allowed at the current position

Weiteres Vorgehen

Github Repo mit Beispieldateien wird erstellt Informationsaustausch und Weiterentwicklung über Github-Issues

[withanage]

unter dem Punkt

Results > 2.Wunschvorstellung OJS-XML-Editor > Backend für Editoren

Wäre ein OxygenXML plugin denkbar.