grazingscientist / ojs-xml-pipeline-plugin Goto Github PK

I found an alternative worflow of Technische Universiät Hamburg: https://tore.tuhh.de/bitstream/11420/7281/2/2020-09-15-Single-Source-Publishing-OAT20_v1.0.pdf

Perhaps this could be relevant in any context.

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