電子化テキストとは 暫定版 - Now under construction! | (1998.10.8) |
このページでいう「電子化テキスト」とは、テキストファイル形式で電子化されたデータを指します。
目次 |
|
II. テキストファイル形式の電子化テキストのさまざま
テキストファイル形式の具体的な姿を見る前に、分類の基準を示しておくことにします。
A.「文字データ」とは、要するに文字そのものです。これが無ければ、データとして意味をなさない、肝心かなめのものです。一方、B.「文字データ以外」とは、具体的には、改行やタブ、CSVの区切り文字、さらにはホームページ用によく使われるHTML形式等のタグと呼ばれるものなどです。ファイルによっては文字の装飾情報(倍角やアンダーラインの指定など)が加わる場合もあります。その場合であっても、付加情報にはそれを示す印が明示されますから、識別が可能です(画面上では「^」後にアルファベットが付いたものや、TeX用のファイルのように「\」ではじまるタグが付くものなどがあります)。
以下、B.「文字データ以外」により、5分類して示すこととします。
CSV(Comma Separate Value の略)とは、データ項目がコンマ(,)で区切られていることからの命名ですが、区切りのマークはコンマ以外のもの(タブやスラッシュ(/)など)もあります。ファイル名は多く「〜.csv」となっています。中には「〜.k3」(桐用 - 数値データと文字データを""によって区別したもの)となっているものもあります。→具体例
0. 分類の基準
テキストファイル形式のファイルは、具体的には、文字そのもの(文字データ)と文字データの扱いに関するいくつかデータから成り立っています。日本語に即して具体的に示せば、
になります。
分類 タイプ B. 文字データ以外 1. 基本的に文字データのみのもの プレーンテキスト 改行など、わずか 2. HTML形式のもの 符号化テキスト*1 HTML用のタグ 3. SGML形式のもの 符号化テキスト*1 SGML用のタグ 4. CSV形式のもの カンマ(,)やタブなどの区切り符号 5. その他
符号化テキスト*1 それぞれのルールに基づくタグ
なお、ワープロソフト OASYS V6 や 一太郎office8 では、SGML形式のファイルを扱うことができます。一太郎の場合は、オプションのSGMLモジュール(無償ダウンロード可)の組み込みが必要です。詳細は、ジャストシステムのホームページ をご覧ください。
名前,よみ,郵便番号,住所,電話番号
権兵衛,ごんべえ,123-4567,東京都中央区中央1-2-3,01-2345-6789
注
なお、この8月発売の OASYS V6が XMLに対応し、Microsoft社の XMLのページ〈 http://www.microsoft.com/XML/ 〉では「XMLメモ帳(英語版)」(Ver.1.0β、日本語の入力は不可)が公開されるなど、次第に環境が整いつつあります。また、次期のMicrosoft Officeでサポート予定とのことです。
参考文献
目次へ戻る
ホームページへ戻る