DB13/T 2351.1-2016 标准文献结构化数据规范 第1部分：全文元数据

ICS01.140.20

A14

DB13

河北省地方标准

DB13/T2351.1—2016

标准文献结构化数据规范

第1部分：全文元数据

Structureddataspecificationsofstandarddocuments

Part1:Full-textMetadata

2016-05-23发布2016-07-01实施

河北省质量技术监督局发布

DB13/T2351.1—2016

目次

前言II

引言III

1范围1

2规范性引用文件1

3术语和定义1

4全文元数据的属性2

5全文元数据模型2

6全文元数据描述3

7全文元数据字典描述14

8全文元数据扩展原则和方法14

附录A（规范性附录）标准文献全文结构化元数据代码集15

附录B（规范性附录）篇章条编号、表号和图号说明16

附录C（资料性附录）标准文献结构化全文元数据-字典描述18

参考文献22

I

DB13/T2351.1—2016

前言

本部分按照GB/T1.1-2009给出的规则起草。

DB13/T2351《标准文献结构化数据规范》包括了3部分：

——第1部分：全文元数据；

——第2部分：指标元数据；

——第3部分：元数据著录规则。

本部分是第1部分，本部分与第3部分配套使用。

本部分由河北省标准化研究院提出并归口。

本部分起草单位：河北省标准化研究院。

本部分主要起草人：施健、卢艳芳、马星晓、李朴、李建勋、谢燕、闫志强、张园园、陈南、赵倩、

郭天强、安姣。

II

DB13/T2351.1—2016

引言

标准文献电子文档格式有DOCX、数字版PDF、扫描版PDF。在生产、科研和管理过程中，往往需要定

位到标准内容、指标信息上，如：检索标准指标、指标比对及标准水平分析等。但是，现有的标准文献

电子文档为非结构化文档，这一特性决定它的内容检索指向性笼统模糊，故而，以非结构化文档为单元

存储无法实现小颗粒度的指标数据的检索、比对分析，只有通过数据处理将非结构化文档转换为结构化

或半结构化文档方能解决上述问题。

为寻求上述瓶颈的突破，河北省标准化研究院在2012年将标准文献结构化列为重点科研项目，在此

基础上，2013年又承担了国家标准化委员会标准化信息中心的《“双打”重点产品标准文献结构化内容

数据库》项目，而实现标准文献结构化必须首要解决2个问题：1）结构化标准的数据结构问题，换而言

之，标准结构化加工抽取出的数据是哪些数据？2）对抽取出来的数据进行加工应符合什么样的数据规

范要求，方能满足与原始标准文本内容的一致性的需求。

解决第一个问题，需要建立标准结构化数据模型，并通过元数据规范来实现；

解决第二个问题，需要建立数据的著录规则，实现数据的规范性。

项目组在确定文献结构化抽取技术的基础上，对4000余项强制性国家标准的内容要素逐一进行了分

析研究、归纳总结后，按UML思想确定了标准结构化数据模型，并在工程上对4000余项强制性国家标准

进行了结构化数据的抽取验证，确定了结构化元数据。通过验证测试，逐步完善了加工抽取结构化数据

的规范要求，形成了《标准文献结构化数据规范》。

目前，在行业内广泛使用的GB/T22373-2008《标准文献元数据》是针对标准文献题录的元数据标

准，侧重的是标准文献形式特征，而此次制定的《标准文献结构化数据规范》是关于标准内容结构化的

全文元数据和指标元数据规范，希望此两个标准的结合使用，实现标准文献信息资源的统一描述，促进

标准文献信息资源的开发利用。

III

DB13/T2351.1—2016

标准文献结构化数据规范第1部分：全文元数据

1范围

本部分规定了标准文献结构化全文元数据（包括全文、术语、图像、表格和公式）的术语和定义、

属性、模型、描述以及扩展原则和方法。

本部分适用于标准文献结构化数据的处理。

2规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。

凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T74088数据元和交换格式信息交换日期和时间表示法（GB/T7408-2005,ISO

8601:2000,IDT）

GB/T18391.3-2009信息技术元数据注册系统(MDR)第3部分:注册系统元模型与基本属性

（ISO/IEC11179-3:2003,IDT）

GB/T19710-2005地理信息元数据（ISO19115-2003,MOD）

GB/T26816-2011信息资源核心元数据

3术语和定义

下列术语和定义适用于本部分。

3.1

信息资源informationresource

在政治、经济和社会等各领域产生和使用、具有各种载体形式的信息内容。

[GB/T26816-2011,定义3.1]

3.2

元数据metadata

定义和描述其他数据的数据。

[GB/T18391.3-2009，定义3.2.18]

3.3

元数据元素metadataelement

元数据的基本单元。

注：元数据元素在元数据实体中是唯一的。

[GB/T19710-2005，定义4.61]

3.4

1

DB13/T2351.1—2016

元数据实体metadataentity

一组说明信息资源相关特性的元数据元素。

注：可以包含一个或一个以上元数据实体。

[GB/T19710-2005，定义4.71]

3.5

核心元数据coremetadata

描述信息资源基本属性的元数据元素和元数据实体。

[GB/T26816-2011,定义3.5]

4全文元数据的属性

4.1中文名称

指元数据元素或元数据实体的中文名称，用本部分第6章中各条的标题来表达。

4.2英文名称

元数据元素的英文名称，一般用小写英文全称，英文单词之间用空格分隔。

元数据实体的英文名称，每一个单词首字母为大写，其余字母为小写，英文单词之间用空格分隔。

4.3缩写名

应符合GB/T26816-2011中4.6的要求。

4.4定义

应符合GB/T26816-2011中4.2的要求。

4.5数据类型

应符合GB/T26816-2011中4.4的要求。

4.6值域

应符合GB/T26816-2011中4.5的要求。

4.7约束/条件

应符合GB/T26816-2011中4.7的要求，约束/条件代码见附录A表A.1。

4.8最大出现次数

应符合GB/T26816-2011中4.8的要求。

5全文元数据模型

标准文献结构化全文元数据模型见图1。

2

DB13/T2351.1—2016

图1全文元数据模型

6全文元数据描述

6.1全文元数据

中文名称：全文元数据

英文名称：Full-textMetadata

缩写名：FulTxtMdata

定义：描述结构化标准中全文数据的元数据。

数据类型：复合型

约束/条件：M

最大出现次数：1

6.2标识符

3

DB13/T2351.1—2016

中文名称：标识符

英文名称：identifier

缩写名：ID

定义：名称空间中对象的唯一标识符。

数据类型：字符串

值域：UUID

约束/条件：M

最大出现次数：1

6.3全文

中文名称：全文

英文名称：FullText

缩写名：FulTxt

定义：以篇章条形式描述的标准内容。

数据类型：复合型

约束/条件：M

最大出现次数：1

6.4标准号

中文名称：标准号

英文名称：documentreference

缩写名：docRef

由有关标准化机构给定的用于唯一识别某一标准的注册号或登记号，标准号

定义：

由标准代号、顺序号、发布年份及有关标识符组成。

数据类型：字符串

值域：标准代号+1个空格+顺序号+1个连字符"-"+4位发布年份

约束/条件：M

最大出现次数：1

6.5标准名称

中文名称：标准名称

英文名称：documentnameinChinese

缩写名：docNmCN

定义：标准的中文名称

数据类型：字符串

值域：自由文本

约束/条件：M

最大出现次数：1

6.6篇章条编号

中文名称：篇章条编号

英文名称：chapternumber

缩写名：chapNo

4

DB13/T2351.1—2016

定义：标准内容中篇章条按一定规则的顺序编号（篇章条编号定义说明见附录B.1.1）。

数据类型：字符串

值域：见附录B.1.2

约束/条件：O

最大出现次数：1

6.7篇章条名称

中文名称：篇章条名称

英文名称：chaptername

缩写名：chapNm

定义：标准中篇章条的标题名称。

数据类型：字符串

值域：自由文本

约束/条件：M

最大出现次数：1

6.8篇章条内容

中文名称：篇章条内容

英文名称：CharpterContent

缩写名：ChapCont

定义：标准中篇章条的段落内容。

数据类型：复合型

值域：自由文本

约束/条件：M

最大出现次数：1

6.9篇章条类型

中文名称：篇章条类型

英文名称：chaptertype

缩写名：chapTyp

定义：描述篇章条类别。

数据类型：字符串

值域：字典(篇章条类型代码见附录表A.2)。

约束/条件：O

最大出现次数：N

6.10篇章条所在页码

中文名称：篇章条所在页码

英文名称：charpterpagenumber

缩写名：chapPNo

定义：同一标准篇章条首次出现所在的页码。

数据类型：数值型

值域：正整数

5

DB13/T2351.1—2016

约束/条件：M

最大出现次数：1

6.11篇章条父章节

中文名称：篇章条父章节

英文名称：parentchapternumber

缩写名：parChpNo

定义：当前篇章条的上一级章节的编号。

数据类型：字符串

值域：条层级最多4层的篇章条编号

约束/条件：C

最大出现次数：1

6.12篇章条顺序号

中文名称：篇章条顺序号

英文名称：charpterordernumber

缩写名：chpOrdNo

定义：篇章条的顺序号

数据类型：数值型

值域：正整数

约束/条件：M

最大出现次数：1

6.13文字

中文名称：文字

英文名称：word

缩写名：wrd

定义：以文字形式描述的标准内容。

数据类型：自由文本

约束/条件：O

最大出现次数：1

6.14表格

中文名称：表格

英文名称：Table

缩写名：Tab

定义：以表格形式描述的标准内容。

数据类型：复合型

约束/条件：O

最大出现次数：N

6.15表号

中文名称：表号

6

DB13/T2351.1—2016

英文名称：tablenumber

缩写名：tabNo

定义：标准内容中表格按特定规则的顺序编号。（表号定义说明见附录B.2.1）。

数据类型：字符串

值域：见附录B.2.2

约束/条件：O

最大出现次数：1

6.16表名

中文名称：表名

英文名称：tablename

缩写名：tabNm

定义：描述表格主题的名称。

数据类型：字符串

值域：自由文本

约束/条件：M

最大出现次数：1

6.17表格图像路径

中文名称：表格图像路径

英文名称：tableimagepath

缩写名：tabImgPath

定义：表格图像文件存储的路径。

数据类型：字符串

值域：自由文本

约束/条件：M

最大出现次数：1

6.18表注

中文名称：表注

英文名称：tablenote

缩写名：tabNote

定义：标准内容中表格的注释。

数据类型：字符串

值域：自由文本

约束/条件：O

最大出现次数：1

6.19表格所在页码

中文名称：表格所在页码

英文名称：tablepagenumber

缩写名：tabPNo

定义：标准内容中同一表格首次出现所在页码。

7

DB13/T2351.1—2016

数据类型：数值型

值域：正整数

约束/条件：M

最大出现次数：1

6.20同一表格顺序号

中文名称：同一表格顺序号

英文名称：sametableordernumber

缩写名：tabOrdNo

定义：跨页表格图像文件的顺序号。

数据类型：数值型

值域：正整数

约束/条件：M

最大出现次数：1

6.21表格HTML格式

中文名称：表格HTML格式

英文名称：tableHTMLcode

缩写名：tabHTML

定义：用HTML描述的表格信息。

数据类型：字符串

值域：自由文本

约束/条件：C

最大出现次数：1

6.22图像

中文名称：图像

英文名称：Image

缩写名：Img

定义：以图形式描述的标准内容。

数据类型：复合型

约束/条件：O

最大出现次数：N

6.23图号

中文名称：图号

英文名称：imagenumber

缩写名：imgNo

定义：标准内容中图像按特定规则的顺序编号。（图号定义说明见附录B.3.1）。

数据类型：字符串

值域：见附录B.3.2

约束/条件：O

最大出现次数：1

8

DB13/T2351.1—2016

6.24图名

中文名称：图名

英文名称：imagename

缩写名：imgNm

定义：描述图的主题的名称。

数据类型：字符串

值域：自由文本

约束/条件：M

最大出现次数：1

6.25图像路径

中文名称：图像路径

英文名称：imagepath

缩写名：imgPath

定义：图像文件存储的路径。

数据类型：字符串

值域：自由