Modelagem de Documentos

Anderson Grala

                          

1. Introdução à Modelagem de Documentos

A utilização das informações contidas em documentos possuem dois problemas fundamentais. O primeiro deles é que a informação não é estruturada a fim de permitir acesso de maneira simples por diferentes aplicações. O outro problema é que os documentos são armazenados em formatos proprietários, o que significa que eles não são de fácil reuso. Desta forma, os sistemas de informação que manipulam documentos, nas suas mais variadas formas, convivem com os seguintes tipos de dificuldades:

1. As informações contidas nos documentos não podem ser reusadas ou compartilhadas entre os diferentes sistemas. A não ser que se use a mesma aplicação que gerou o documento, o usuário deve filtrar os dados, como por exemplo para um formato ASCII para poder usá-lo novamente, tarefa que pode custar muito tempo e dinheiro.
2. As informações são freqüentemente desatualizadas e inconsistentes, pois os processos típicos de criação, edição, gerenciamento e distribuição da informação são ineficientes.
3. As informações dos documentos são redundantes, ou seja, a mesma informação é repetida em diferentes lugares do documentos e mesmo em diferentes documentos, o que prejudica o gerenciamento e dificulta a atualização, promovendo a inconsistência dos dados.
4. As informações são geralmente criadas para serem apresentadas em um meio específico, dificultando o aproveitamento desses dados de outras formas em diferentes meios.
5. Os sistemas de computador ainda são caros demais para serem substituídos toda vez que um novo software torna-se disponível para os usuários, assim como são altos os custos de conversão dos dados para o formato do fabricante do novo software.

Na área de pesquisa de modelagem de documentos há uma grande variedade de técnicas que visam construir um modelo de definição e apresentação, bem como permitir busca de informações armazenadas em documentos [BRO 89, GAL 89, KEE 95, LIM 90], oferecendo métodos de pesquisa que extraem informações de documentos ou gráficos que são partes de documentos. O modelo que melhor representa as características encontradas em um sistema de produção de documentos é o modelo de hiperdocumentos. Neste modelo, novos pedaços de informação podem ser a qualquer momento introduzidos por diferentes usuários em uma estrutura principal. A partir desta estrutura é possível alcançar as novas informações como se fossem nodos de um grafo. As ligações entre a estrutura base e os nodos – que podem ser armazenados no mesmo local da estrutura base ou em locais distribuídos – possibilitam a navegação por todo o hiperdocumento [WUE 96].

Um modelo de documentos estruturados deve possuir características principais: estrutura, conteúdo e apresentação. A estrutura é a forma pela qual os componentes do documento são organizados ao longo da espinha dorsal básica. Essa organização se dá de acordo com as regras de seqüência e ordenação dos componentes no documento. Por exemplo, um documento "Carta" possui uma seqüência pré-definida e estabelecida por nós, ela é formada pelo nome do destinatário, uma data, o nome do remetente, o corpo da carta e por fim uma assinatura. Esta ordem representa, de uma forma simplificada, uma idéia da estrutura do documento carta. Construções mais elaboradas sempre podem ser feitas ao redor da estrutura básica do documento sobre o documento, como por exemplo incluir o logotipo da empresa remetente ou informações adicionais, porém todas essas adições serão realizadas ao redor da mesma estrutura básica, mantendo a mesma seqüência original dos itens básicos. O modelo de dados ODA (Office Document Architecture) foi definido desta forma. ODA define um documento como sendo uma árvore formada por componentes estruturados de informação. Cada um dos componentes de documento do modelo ODA representam uma parte da informação associada ao documento, e a sua grande contribuição é a facilidade visual para identificação das partes do documento assim como a forma de composição, que pode ser seqüência, escolha ou não sei qual a outra.

No entanto, ainda não é possível representar a estrutura do documento, apenas uma instância do mesmo. Para representar a meneira pela qual o documento pode ser formado, é necessária a utilização de regras para a composição do documento que dizem, além da ordem, a maneira com que cada componente é montado na estrutura principal do documento. Existem várias maneiras de representar as regras de composição. A mais conhecida é aquela que utiliza a definição de tipos de documentos, como proposto por SGML. SGML é uma linguagem padronizada para definição e construção de estruturas de documentos. Não é possível representar em SGML uma instância específica de um documento, mas sim como ela é formada. A utilização mais comum de SGML é a definição de tipos genéricos de documentos e isto serve de entrada para a construção de softwares de visualização de documentos. A aplicação mais conhecida de SGML é a linguagem HTML, amplamente usada na Internet para exibição de dados e execução de aplicações diversas. HTML, no entanto, não possui nenhum recurso para a definição e manutenção de componentes de documento. Os documentos escritos em HTML são na verdade documentos não estruturados que contém informação de formatação visual.

Porém, os modelos de hiperdocumentos como ODA e SGML por si só não incorporam aspectos decisivos da escolha por uma técnica de modelagem e criação de documentos, como por exemplo o método de armazenamento dos documentos, as técnicas de autoria e a forma de visualização. No entanto, estas características podem ser incorporadas a um modelo de documentos a fim de enriquecer o modelo e facilitar a sua manipulação e gerenciamento.

A utilização de documentos divididos em componentes facilita também o tratamento e o manuseio da estrutura do documento como um todo, pois os componentes retratam metáforas conhecidas da utilização de documentos, como por exemplo páginas, pastas, capítulos, seções, parágrafos e outros. Em outras palavras, utilizar componentes de documentos, além de facilitar a manutenção, oferece uma correspondência mais clara entre o objeto documento eletrônicos que está sendo manipulado no computador e o objeto documento real.

A Abordagem de Gerência de Documentos do Projeto GDOC

O que é o GDOC

Qual a proposta do Projeto GDOC

Como funciona, em linhas gerais, o DMS do Projeto GDOC

Em que o GDOC pode ser útil

Comparação da Abordagem GDOC com as abordagens existentes no mercado

Vantagens da Abordagem GDOC

1. Documentos Estruturados

 

Os documentos gerenciados pelo sistema proposto no projeto GDOC possuem uma estrutura pré-definida por um tipo de docuemento. O tipo do documento armazena a regra de composição básica para as instâncias daquele tipo. A instância armazena apenas o conteúdo do documento.

 

2. Banco de Dados Relacional

 

A plataforma de banco de dados utilizada na implementação do projeto GDOC é a relacional, por motivos de compatibilidade com a maior parte das aplicações de banco de dados do mercado.

 

3. Reusabilidade de Componentes de Documentos

 

A utilização de componentes de documentos aumenta o nível de reuso dos documentos. Cada componente é armazenado independentemente na base de dados, e por isso pode ser compartilhado por diferentes documentos. A característica de reusabilidade associa uma grande facilidade de atualização dos documentos, uma vez que as modificações do componente são realizadas apenas em si, não necessitando a propagação para as suas cópias no banco de dados, como nos sistemas convencionais de gerência de documentos.

 

4. Aplicações Industriais, como Manuais Técnicos e Relatórios

 

A autoria de documentos industriais, como manuais de produtos, normas técnicas e relatórios, é muito prejudicada pela insuficiência das ferramentas no tratamento de componentes de documentos. Desta forma, torna-se necessário duplicar o conteúdo de documentos em uma aplicação onde o compartilhamento de informações é muito grande. Por exemplo, a figura de uma peça que está contida no manual de fabricação, no manual do produto e no manual de características técnicas, pode ser transformada em um componente de documento e ser compartilhada pelos três manuais, evitando desta forma a necessidade de atualização em diferentes lugares e diminuindo a necessidade de redundância da base de dados, que só deve ser empregada na replicação de dados por questões de segurança.

 

5. Facilidade de Armazenamento por ser Estruturado

 

Pelo fato de o documento GDOC possuir uma estrutura bem definida, ele é simples de ser armazenado em uma base de dados. Cada componente possui uma associação direta com uma tupla da base de dados, e isto também facilita a sua recuperação através de consultas SQL.

 

 

 

 

6. Facilidade de Navegação (Árvore)

 

A estrutura hierárquica dos documentos do sistema GDOC facilita a nevegação pela árvore de estrutura na ferramenta de autoria de documentos.

 

7. Exibição em padrão estabelecido e conhecido como HTML

 

A visualização dos documentos gerados pelo sistema GDOC possuem uma apresentação escrita em linguagem HTML, pois dessa forma facilita a disponibilização dos documentos através da Internet através de web browsers.

 

8. Características Associadas à Arquitetura e à Linguagem de Desenvolvimento Utilizadas

 

9. Portabilidade da interface de autoria de documentos

 

10. Independência de plataforma para visualização

Basta ter um browser de HTML para ter a mesma visão.

Desvantagens

Aumento da Complexidade da Autoria

Justificativa para a maior parte dos sistemas de gerenciamento de documentos não usarem modelos de documentos estruturados e limitarem-se a utilização de documentos não estruturados ou fracamente estruturados.

O modelo de Dados GDOC

Neste capítulo será apresentado o modelo conceitual da base de dados do projeto GDOC, a base de dados relacional usada para armazenar documentos. A notação usada para representar o modelo conceitual é a UML (Unified Modeling Language) [RAT 97].

O modelo de dados GDOC é composto de três partes inter-relacionadas:

• o modelo de instâncias, que compreende as classes que armazenam instâncias de documentos,
• o modelo de apresentação, que compreende as classes que contêm a informação sobre como as instâncias de documentos são apresentadas no browser de HTML, e
• o modelo de esquema, formado pelas classes que armazenam os tipos de documento.

1. O modelo de instâncias

A figura 2 apresenta o modelo de instâncias do modelo GDOC.

Na abordagem GDOC, cada documento é representado como uma instância de uma classe Documento. Esta classe é especializada nos vários tipos primitivos de documentos do modelo GDOC, como descrito a seguir.

A noção de tipos primitivos e tipos derivados segue o conceito adotado em linguagens de programação, onde se têm um conjunto básico de tipos primitivos ou ordinários de variáveis e é possível derivar tipos complexos através da estruturação e reorganização do conjunto básico de tipos.

• Um documento do tipo primitivo Texto contém um texto não-estruturado que é armazenado no atributo "conteúdo" da classe documento. Este texto é armazenado na forma de uma seqüência de caracteres que forma uma string HTML. Um texto pode ter qualquer tamanho, desde uma única palavra até um documento inteiro. Toda apresentação do documento que não está relacionada a estrutura do documento ocorre diretamente em HTML no próprio conteúdo do objeto texto. Por exemplo, um parágrafo contendo palavras com formatação em itálico ou enfatizadas é considerado como um texto simples contendo marcadores HTML para formatação de texto.
• Um documento do tipo Figura contém um objeto que é manipulado (editado, exibido) via OLE [MIC 97] por outro software como um programa de edição gráfica. Do ponto de vista do modelo GDOC isto é um documento não-estruturado. Se o documento é estruturado (por exemplo, o modelo de uma peça) esta estrutura será manipulada pelo programa chamado através de OLE. Uma vez que o padrão de visualização dos documentos do modelo GDOC é a linguagem HTML, alguns atributos de documentos são definidos em função das características específicas da linguagem. Os atributos largura e altura, por exemplo, são usados para armazenar as dimensões que foram definidas pelo usuário para a figura no meio de exibição. O atributo borda controla o tamanho da moldura da figura. O atributo legenda contém um texto alternativo que é exibido no lugar da figura sempre que não é possível mostrar a figura (por exemplo, quando o programa chamado via OLE não está disponível ou a exibição de imagens pelo browser foi desligada pelo usuário).
• Um documento do tipo primitivo Composto é um documento formado por outros documentos (seus componentes) em uma estrutura em árvore, como os documentos compostos de outros modelos de documentos, como ODA [BRO 89] e NR/SD [MOR 97]. Os componentes de documentos são relacionados ao documento composto pelo relacionamento Componente. Os documentos que são usados como componentes também podem, por sua vez, ser objetos compostos. Se os componentes de um documento composto aparecem em uma ordem específica, o atributo seqüência da classe Componente é usado.
• Um documento do tipo primitivo Atributo é sempre um componente de outro documento. Um documento deste tipo primitivo em particular contém um valor que é utilizado como uma propriedade de um documento ou componente. Os documentos do tipo atributo são usados para guardar propriedades associadas a documentos ou componentes, como a data de criação do documento e o nome do seu autor. Os atributos podem ser referenciados em uma expressão de consulta quando executa uma operação de pesquisa de documentos. Eles também são utilizados em conjunto com o sistema de gerenciamento de workflow que compõe o sistema GDOC.
• Um documento do tipo primitivo Elo é usado para criar um hyperlink [BER 93] com outro documento. Um elo deve ser um componente de documento. Cada elo tem uma associação com exatamente um documento âncora e exatamente uma associação com um documento alvo. O documento âncora é o documento que contém o texto que serve de âncora hipertextual e que é selecionado pelo usuário para navegar até o documento alvo. O documento âncora deve ser um componente do mesmo composto no qual o elo aparece.

Exemplo: Sendo "rptAtiv" um documento de um tipo rpt, a instância rptAtiv é um documento composto formado por cinco componentes, conforme a ordem a seguir:

1. Documento cabeçalho_ativ, do tipo primitivo figura (um logotipo).
1. Documento título_ativ, do tipo primitivo texto (um título).
1. Documento corpo_ativ, tipo primitivo composto, que por sua vez contém um documento participante_ativ, do tipo primitivo texto (dados do participante), e um documento itens_ativ, também do tipo primitivo texto (itens da atividade).
1. Documento elo_ativ, do tipo primitivo elo (um elo de hipertexto para outro documento).
2. Documento rodapé_ativ, do tipo primitivo texto (uma informação de data).

A estrutura lógica do documento rptAtiv pode ser representada usando uma notação hierárquica como ODA [BRO 89], como mostra a figura x.

Para ilustrar como o modelo de instâncias GDOC representa um documento com a estrutura anterior, é mostrado a seguir o conteúdo de algumas classes no modelo de instâncias. O conteúdo de uma classe é representado na forma de uma tabela. O conteúdo da classe Documento e o relacionamento Componente para o documento rptAtiv são mostrados na figura x. As colunas Id Composto e Id Componente representam as instâncias que são associadas por uma instâncias de Componente.

O exemplo ilustra os dois principais aspectos dos modelos de documentos estruturados como o GDOC: o seqüenciamento e o aninhamento. O seqüenciamento é a ordem linear de ocorrência de cada um dos elementos dentro de um documento, como ilustrado pelos elementos ordenados cabeçalho_ativ, título_ativ, corpo_ativ, elo_ativ e rodapé_ativ e representados pela coluna Seqüência. O aninhamento é o relacionamento de composição entre os componentes do documento, como mostrado pelo documento corpo_ativ, que consiste de dois outros documentos, participante_ativ e itens_ativ.

1. Exemplo de uma instância de documento

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. Divisão dos componentes de uma instância de documento

1. Conteúdo da classe Documento

 

Componente
Identificador do Composto	Identificador do Componente	Seqüência
RptAtiv	Cabeçalho_ativ	1
RptAtiv	Título_ativ	2
RptAtiv	Corpo_ativ	3
RptAtiv	Elo_ativ	4
RptAtiv	Rodapé_ativ	5
Corpo_ativ	Participante_ativ	1
Corpo_ativ	Itens_ativ	2
Itens_ativ	Ativ_1	1
Itens_ativ	Ativ_2	2
Itens_ativ	Ativ_3	3
Itens_ativ	Ativ_4	4

2. Conteúdo da classe Componente

 

Documento
Identificador	Nome	Apresentação
RptAtiv	Relatório de Atividades	Rpt
Cabeçalho_ativ	Cabeçalho	Fig_cab
Título_ativ	Título	Tit_cent
Corpo_ativ	Corpo	Nula
Elo_ativ	Elo para página de descrição	Elo_cent
Rodapé_ativ	Rodapé	Rdp_pad
Participante_ativ	Dados do participante	Txt_enf
Itens_ativ	Lista de Atividades	Lst_ord
Ativ_1	Atividade 1	Itm_lst
Ativ_2	Atividade 2	Itm_lst
Ativ_3	Atividade 3	Itm_lst
Ativ_4	Atividade 4	Itm_lst

3. Conteúdo da classe Documento com informações de apresentação

1. String HTML obtida pela apresentação da instância de documento RptAtiv

O Modelo de Apresentação

O modelo de apresentação compreende as classes que determinam como um documento é apresentado no browser web. A figura x mostra o modelo de apresentação GDOC e a sua relação com o modelo de instâncias.

Nas linguagens de autoria da WWW, tais como HTML, o código de apresentação aparece combinado com o conteúdo do componente dentro do mesmo documento [VER 97]. O sistema GDOC segue uma abordagem diferente. O código de apresentação é armazenado separadamente do conteúdo dos componentes. Isto permite que um componente de documento tenha diferentes apresentações, dependendo do documento composto no qual o componente aparece. O código de apresentação para cada documento é armazenado como uma instância da classe Apresentação. Cada instância desta classe contém duas strings em HTML, as chamadas pré-Script e pós-Script. O atributo pré-Script contém o código HTML que é processado antes de o conteúdo do documento ser exibido e pós-Script contém o código HTML que é processado no final da exibição do conteúdo do documento.

Como exemplo, é mostrado o texto t1 do documento d1 da figure x. Supondo que este texto deva ser apresentado de maneira realçada (enfatizada), o seu pré-Script poderia ser a marca HTML <B>, que indica início de negrito, e o pós-Script poderia ser a marca </B> (encerramento de formatação em negrito).

Um documento pode ter duas apresentações mutuamente exclusivas: a apresentação de documento e a apresentação de componente. A apresentação de documento é aplicada quando um documento é apresentado sozinho, sem fazer parte de um outro documento. Neste caso, o documento passa a ser considerado como um documento raíz e, como tal, usa a apresentação definida para documento. Por outro lado, a apresentação de componente é aplicada quando um documento aparece em um contexto, ou seja, como um componente de outro documento. É importante observar que um documento que aparece como um componente em vários documentos tem várias apresentações de componente, uma para cada documento do qual ele faz parte.

As figuras x e x mostram um exemplo dos conteúdos das classes Apresentação, Documento e Componente para o documento d1 da figura x.

As tabelas Documento e Componente são obtidas pela adição da coluna Apresentação às tabelas mostradas na figura x. Esta coluna representa o relacionamento com a classe Apresentação. No exemplo, todos os documentos têm a mesma apresentação de documento (P001, o código HTML que inicia e finaliza um documento).

Usando estas tabelas, o documento d1 pode ser gerado dinamicamente pela navegação desta base de dados. Os passos para a geração deste documento são:

1. Obter a instância de documento para d1 da tabela Documento.
1. Obter a apresentação de documento para o documento d1, que neste caso é a apresentação P001, da tabela Apresentação.
1. Apresentar o pré-Script do objeto P001.
1. Apresentar o documento de acordo com o seu tipo primitivo (texto, composto, figura, elo). No caso de o documento ser do tipo composto, este procedimento deve ser repetido de maneira recursiva a cada um dos seus componentes. No exemplo, como d1 é um documento composto, esta seqüência de passos levaria à apresentação de t1, p1 e dos outros componentes de d1.
1. Apresentar o pós-Script de P001.

O resultado da geração dinâmica do documento d1 é uma string HTML, conforme mostrado pela figura x.

As marcas da linguagem HTML são responsáveis pela formatação do documento. A justificativa de adotar HTML como a linuagem de apresentação para o sistema GDOC é que ela é facilmente portada pelos web browsers e todos reconhecem ela e HTML se tornou um padrão forte para publicação de dados na Internet a partir do advento da WWW. Cada marca possui uma função específica. A marca inicial, representada pelo nome do comando, serve para iniciar a formatação. Desta forma, todo o texto ou composição gráfica que estiver contida a partir da marca inicial herdará a formatação especificada. A formatação só é encerrada quando o interpretador de HTML do web browser encontra a marca de fim de formatação, que é definida por um símbolo "/" seguido do nome do comando. A seguir são dados alguns exemplos de marcas HTML utilizadas na formatação de textos.

1. Exemplos de marcas da linguagem HTML e os seus efeitos

 

 

 

Apresentação
Identificador	Nome	Pré-Script	Pós-Script
Nula	Apresentação Nula	Null	Null
Rpt	Relatório	<HTML> <BODY bgcolor=#ffffff>	</BODY> </HTML>
Tit_cent	Título Centralizado	<H1><CENTER>	</CENTER></H1>
Fig_cab	Figura de Cabeçalho	<IMG src=logo_ufrgs.gif> <BR><HR>	Null
Elo_cent	Elo Centralizado	<CENTER> <A href=desc.html>	</A></CENTER>
Rdp_pad	Rodapé Padrão	<HR><CENTER><I>	</I></CENTER>
Txt_enf	Texto Enfatizado	<B>	</B>
Lst_ord	Lista Ordenada	<OL>	</OL>
Itm_lst	Item de Lista	<LI>	</LI>

2. Conteúdo da classe Apresentação

O Modelo de Esquema

Os documentos do modelo GDOC podem ser documentos tipados ou não-tipados. Documentos não-tipados são documentos de estilo livre, nos quais a estrutura lógica e a apresentação são definidas em tempo de autoria do documento.

Um documento tipado é um documento no qual as estruturas lógica e de apresentação seguem regras pré-definidas. Durante a autoria do documento, o usuário insere apenas o conteúdo do documento e dos seus componentes, mas não altera a sua estrutura nem a sua apresentação. Estas informações são armazenadas previamente no tipo do documento.

Os tipos de documento são armazenados no modelo de esquema (figura x). As instâncias das classes do modelo de esquema são os tipos de documento, ao contrário do modelo de instâncias onde as instâncias da classe Documento são os próprios documentos.

As subclasses do Tipo de Documento armazenam os tipos de documentos. Cada tipo de documento pertence a um dos tipos primitivos do modelo GDOC (texto, atributo, figura, consulta e composto).

A composição de um documento pode ser dada por seqüência (os componentes de um documento do tipo devem aparecer em uma order pré-definida) ou por alternância (apenas um de um conjunto de componentes aparece). A composição de um documento pode ser entendida através de uma expressão de gramática regular [AHO 77], que descreve a ordenação válida dos componentes do documento de um tipo. Por exemplo, a instância d1 do documento mostrado na figura x poderia pertencer a um tipo de documento "d". A estrutura lógica de cada documento pode ser dada pela expressão:

Esta expressão descreve um tipo de documento "d". Os documentos deste tipo são compostos por:

• um documento do tipo "t" (um título), seguido de
• um documento do tipo "p" (um parágrafo de texto), seguido de
• um documento do tipo "f" (uma figura) ou um documento do tipo "af" (um documento composto por um atributo e uma figura), seguido de
• uma seqüência de zero ou mais documentos do tipo "p" (parágrafos).

Os relacionamentos entre um composto e os seus componentes são definidos pelas classes Componente de Alternância e Componente de Seqüência. Os atributos minocc and maxocc são usados para definir o número mínimo e máximo de instâncias de componentes do tipo específico que devem aparecer no composto em uma posição relativa específica. Ambos atributos determinam as cardinalidades mínima e máxima dos componentes em cada nível do documento, e são usadas pela ferramenta de autoria para validar a inserção ou remoção de componentes da estrutura do documento.

O atributo ferramenta especifica o programa que é usado para a autoria dos documentos de um tipo específico. Este atributo pode ser dados na forma do protocolo "MIME type/MIME subtype", para indicar ao browser a chamada de uma aplicação externa via OLE que manipula o conteúdo de um componente ou, alternativamente, na forma de uma string de configuração para o JDDE (Java Dynamic Data Exchange) que executa a carga de um programa externo diretamente pelo applet através de chamadas específicas do sistema operacional.

A classe Consulta armazena consultas SQL que são usadas para acessar atributos de uma base de dados externa. Isto é útil para inserir dados de outras fontes de dados nos documentos manipulados pelo sistema GDOC.

Cada tipo de documento pode ter associada uma apresentação que é usada para exibir as instâncias daquele tipo.

O relacionamento entre o modelo de esquema e o modelo de apresentação é mostrado na figura x. Assim como no modelo de instâncias, existem dois tipos de apresentação, a apresentação de documento e a apresentação de componente. A apresentação de documento é usada quando um documento de um tipo é apresentado sozinho, na forma de um documento raíz. A apresentação de componente é usada sempre que o documento de um tipo é apresentado como um componente de outro documento. Estas apresentações são modeladas na figura x pelos relacionamentos entre as classes Tipo de Documento e Apresentação e pelos relacionamentos entre as classes Componente_T e Apresentação respectivamente.

O relacionamento Default especifica a apresentação default a ser usada quando os documentos do tipo especificado são exibidos. Cada tipo de documento tem exatamente uma apresentação default. Opcionalmente, cada tipo de documento pode ter várias apresentações alternativas (modeladas pelo relacionamento Alternativa). A apresentação alternativa pode ser escolhida pelo usuário durante o processo de autoria de um documento de um certo tipo.

Para ilustrar como o modelo de esquema representa um tipo de documento, são mostrados a seguir (figura x) os conteúdos de algumas classes do modelo de esquema. Estas classes representam o tipo de documento "d" descrito anteriormente.

Cada linha da tabela Tipo de Documento especifica um tipo de documento. A linha com id igual a "d" corresponde ao próprio tipo de documento "d". As demais linhas correspondem aos tipos de documento dos componentes de "d".

As tabelas Texto_T, Figura_T e Atributo_T contém os atributos restantes de cada tipo de documento de acordo com o seu tipo primitivo (texto, atributo ou figura).

A tabela Compoto_T tem uma entrada para cada tipo composto. Esta entrada especifica se a composição é dada na forma de seqüência ou na forma de alternância.

A tabela Componente de Seqüência especifica os tipos de componentes para cada tipo composto por seqüência. Por exemplo, a primeira entrada nesta tabela especifica que o primeiro componente (seqüência=1) de um documento do tipo "d" é um documento do tipo "t" (coluna Id Componente). Este componente aparece exatamente uma vez (colunas minOcc e maxOcc). Um outro exemplo é a quarta entrada que especifica que na quarta posição (seqüência=4) o documento contém instâncias do tipo "p". O número de instâncias deste tipo que pode aparecer varia de zero até n, como especificado pelos campos minOcc e maxOcc. A coluna Apresentação representa a apresentação default a ser usada quando o componente é exibido.

A tabela Componente de Alternância especifica os tipos de componentes para os tipos compostos por alternância. No exemplo ela indica que um documento do tipo "f_or_af" é composto por uma instância do tipo "f" ou por uma instância do tipo "af", cada uma ocorrendo exatamente uma vez.

A figura x mostra a relação entre o modelo de instâncias e o modelo de esquema. Cada instância de documento pode pertencer a um único tipo de documento. As instâncias de documento podem ser de estilo livre, ou seja, não estarem relacionadas a um um tipo de documento.

O Dicionário de Dados do Modelo de Documentos GDOC

Arquitetura do Sistema GDOC

1. Requisitos do Sistema GDOC

Nesta seção são apresentados os requisitos que o problema do armazenamento de documentos apresenta aos sistemas de gerenciamento de documentos. O foco é dado ao armazenamento de documentos. Os requisitos relativos a outras funções do sistema, como controle de fluxo de documentos e autorização de acesso não são discutidos aqui.

Os principais requisitos de um sistema de gerência de documentos para o campo de aplicação considerado são listados a seguir:

• Documentos estruturados são gerenciados. Um documento estruturado [BRO 89] é caracterizado não só pelo seu conteúdo, mas também pela sua estrutura lógica. Um exemplo de estrutura lógica de um documento é a divisão do documento em componentes de documento como título, parágrafos, figuras e atributos. A estruturação lógica de um documento ajuda a compreensão do conteúdo do documento pelo usuário.
• O conceito de documentos estruturados é recursivo, ou seja, um documento pode ser considerado como um componente de um outro documento.
• O mesmo documento pode ser usado como um componente em diferentes documentos. Por exemplo, em uma indústria, o desenho de uma peça pode aparecer em uma norma para preparação de máquinas para produção, e também em uma norma de controle de qualidade.
• Para documentos estruturados, o usuário pode definir um tipo de documento. Um tipo de documento define os tipos de documentos que podem ser usados como componentes de uma instância daquele tipo bem como a ordem de ocorrência dos componentes.
• Um documento pode possuir diferentes apresentações quando usado como um componente em diferentes documentos. Em outras palavras, a apresentação do documento depende do contexto em que o documento aparece.

Documentos parcialmente estruturados e documentos não-estruturados também são manipulados. O sistema deve permitir que o usuário crie documentos que são manipulados simplesmente como uma cadeia de caracteres sem subdivisões.