提取方正排版文件广义元数据并生成全文HTML的探索

【目的】实现自动提取科技期刊全文元数据并生成HTML文件。【方法】 以方正排版文件为对象，在可以提取出来文章的标题、摘要等元数据的基础上，将文章的正文内容元数据化，提出了包含图、表、公式等的广义元数据概念，并建立了提取图、表元数据的提取规则，同时将方正排版数学公式转化为LaTeX表达式。然后利用VB编程软件编写了自动提取广义元数据程序并将元数据重新组合生成HTML格式的文件。【结果】 根据方正BD排版语言的特点，建立的提取规则能有效提取全文并元数据化，最后可直接生成HTML文件。【结论】 实际应用表明了利用广义元数据生成HTML文件的有效性和可行性