DocuWorks^™ Text Filter (for UNIX^®) 6.0 リリースノート

 本書の内容を正しく表示できない場合は、新しいバージョンのWebブラウザーでごらんください。

DocuWorks^™Text Filter (for UNIX^®)6.0(以降、DocuWorks Text Filter)のご使用に関する補足情報、および制限事項を説明します。

1．DocuWorks Text Filterの概要

2．動作環境

3．対象になるDocuWorksファイル

4．インストールについて

5．コマンドインターフェイス

6．注意と制限

7．ソフトウエア使用許諾契約書

8．その他

DocuWorks Text Filterは、DocuWorks文書からテキスト情報を抽出して、テキストファイルを作成するテキストフィルタプログラムです。

DocuWorks Text Filterは、次の環境に対応しています。

• Sun^™ Solaris^™ 2.6以降 ( SPARC版)
• Sun^™ Solaris^™ 8以降 (x86版)
• Linux^™ x86プラットフォーム、カーネル2.4または2.6、glibc 2.3以降

Linux^™では、次のディストリビューションで動作を確認しています。

• Red Hat^® Linux 8
• Novell^® SUSE^® LINUX Professional 9.2

Linux^™では、共有ライブラリlibstdc++.so.5がインストールされていることが必要です。

対象になるDocuWorksファイル

• DocuWorks文書
• DocuWorksバインダー

DocuWorks Text Filterは、DocuWorks Ver. 6 文書と、それ以前のDocuWorksファイルに対応しています。
ただし、保護されているDocuWorksファイル(セキュリティ設定されている文書)は対象外です。

テキストの抽出範囲

DocuWorksファイルから次のテキストを抽出します。

• 本文テキスト
• OCR(文字認識)済みページのテキスト
• テキストアノテーションのテキスト/付箋上のテキストアノテーション

テキストを抽出する順番

1ページめから最後のページまで順に本文テキストとOCR(文字認識)済みページのテキストを抽出します。
その後、1ページめに戻ってテキストアノテーションのテキストを抽出します。

DocuWorks Text Filterのインストールについて説明します。

1．入手したtar形式ファイルを展開します。
　　以下のファイルが展開されます。

• readme.txt　　　　　　　　　　リリースノート
• intel_linux/xdw2text　　　　フィルタ本体(Linux x86用)
• intel_sol/xdw2text　　　　　フィルタ本体(Solaris x86用)
• sparc_sol/xdw2text　　　　フィルタ本体(Solaris SPARC用)
• sample/namazu.txt　　　　namazuフィルタのサンプル説明
• sample/docuworks.pl　 　namazuフィルタのサンプルプログラム
  
  補足： intel_linux、intel_sol、sparc_solが、動作環境ディレクトリです。

2．動作環境に対応する xdw2text を任意のディレクトリにコピーします。
　　(例) cp (動作環境ディレクトリ)/xdw2text /usr/local/bin/xdw2text

名前

xdw2text - DocuWorksファイルのテキストを抽出

形式

xdw2text [オプション] input_file output_file

機能説明

xdw2text は、input_file で指定されたDocuWorksファイルから文字列を抽出して、output_file で指定されたファイルに出力します。
作成されるテキストファイルの日本語文字コードはShiftJISになります。
出力を実行したときに、指定したファイルがすでに存在していると、エラーとなり正しく処理されません。

オプション

-s : サイレントモード
　　 エラーメッセージを含めてエラー出力、標準出力に何も表示しません。
-v : 著作権、ヘルプ等を表示します。
-p : 出力を標準出力に切り替えます。テキストファイルは作成されません。

使用例

% xdw2text source.xdw destination.txt

リターン値

0
　　正常に変換が終了しました。

1
　　入力ファイルの指定がありません。

2
　　オプションの指定が正しくありません。

3
　　"DocuWorks文書ファイルではありません"

4
　　"データが読めません"
　　指定のファイルの内容が壊れていて、文書ファイルとして扱えません。
　　または、セキュリティで保護された文書です。

5
　　 "テキストファイルが作成できません。"
　　出力ファイル名が不正、出力ファイル名と同名のファイルがすでに存在する、
　　ルートディレクトリがいっぱい、出力先のディレクトリに書きこみ権がない、
　　などが原因で、出力ファイルの作成に失敗しました。

6
　　"データが書けません"
　　空き領域不足などで、出力テキストファイルへの書き込みに失敗しました。

テキスト抽出結果に関する制限事項について説明します。

6-1．DocuWorksの一般的な制限

• テキスト抽出対象外のテキストデータ
  DocuWorks Text Filterでテキスト抽出できるのは、本文テキスト、テキストアノテーション、およびOCRテキストの3種類だけです。
  これ以外の文字は、表示上は文字に見えていてもテキスト抽出の対象にはなりません。
  たとえば、次のような文字は抽出されません。
  ・DocuWorks Viewerの上見出し/下見出しの設定で入力された文字
  ・ページにOLEオブジェクトを貼り付けた場合のOLEオブジェクト内の文字
  ・その他のアノテーション(ビットマップやデート印など)内の文字
  
  
• 出力先のテキストファイルが存在しないことを確認してください。
  ファイルが存在した場合、エラー復帰します。
  
  

6-2．アプリケーションから生成したデータで起こる制限

アプリケーションから生成したDocuWorksファイルで発生する現象について記述します。
これらの現象は、DocuWorksファイルを作成する際に、アプリケーションが出力する情報に依存します。

• データにMicrosoft^® Windows^®の外字・機種依存文字がある
  テキスト情報には、アプリケーションが出力した文字コードに依存して、JIS第1/2水準の他に外字、および機種依存文字のコードが含まれることがあります。
  
  
• 改行が入らない
  元のアプリケーションデータに改行が入っていても、変換したDocuWorksファイルの本文テキストには改行コードが入りません。
  ※テキストアノテーションでユーザーが入力した改行コードやOCRテキストは、改行が含まれます。
  
  
• 空白が入らない
  アプリケーションによっては、空白を文字コード（いわゆるスペース）でなく座標で指定する場合があります。
  この場合、DocuWorksファイルの本文テキストの表示上の文字列に空白があっても、抽出したテキストには空白コードが入らないことがあります。
  
  
• 表のセル間にも改行、空白が入らない
  表などを変換したデータの場合、表中(セル内)のテキスト情報も抽出できますが、抽出したテキストの各セル間に空白や改行が入りません。隣り合ったセルの文字データが連続したテキスト情報になります。
  
  
• ビットマップ化されている文字が抽出されない
  アプリケーションによっては、一部、または全部の文字を文字コードでなくビットマップとして印刷出力するものがあります。
  この場合、変換されたDocuWorksファイルは該当する文字コードをテキスト情報として持っていないため、表示上は文字として見えてもテキスト抽出できません。
  
  
• 文字の抽出順が表示と違う
  アプリケーションによっては、変換後のDocuWorksファイルの1ページ内から抽出される本文テキストの順番が、ページの表示の順番（用紙の上からの順序）と違うことがあります。
  この場合、テキスト抽出の順番は表示の順番ではなく、印刷の描画命令の順番と同じになります。
  
  
• 同じ文字が二重に抽出される
  アプリケーションによっては、影付き文字を表現するために、同じ文字をずらして二重に描画することがあります。
  この場合、変換したDocuWorksファイルからテキスト抽出すると、同じテキストが二重に抽出されます。

ソフトウエア名 ：　DocuWorks Text Filter (for UNIX^®) 6.0

本契約は、上記に示されたソフトウエアおよびこれに関する資料等(以下「本ソフトウエア」という)に付属するものです。
本ソフトウエアをインストールした時点で、以下に定める本契約の全条項についてご承諾いただいたものとします。本契約にご承諾いただけない場合、お客様は、本ソフトウエアを使用することができません。本契約の全条項についてご承諾いただくことを条件として、弊社は、お客様に本ソフトウエアを使用する非独占的権利を許諾します。

1. 本ソフトウエアの使用権

1. お客様は本ソフトウエアをパーソナルコンピューター等の機械にインストールし、使用することができます。
2. お客様は本ソフトウエアをバックアップの目的のために1部に限って複製できるものとします。ただし、当該複製は本ソフトウエアに表示されている弊社の著作権表示を含んで行なうものとします。

2. 権利の帰属

本ソフトウエアおよびバックアップのための複製されたソフトウエアに関する著作権等を含むすべての無体財産権は弊社および弊社への供給者に帰属します。本ソフトウエアは、著作権法および国際条約によって保護されています。

3. お客様の義務

お客様は、本ソフトウエアが著作権法等によって保護される無体財産権を含む機密情報または財産的情報を有することを認識するとともに、次の行為をしないものとします。

1. 本契約条項に定める条件以外の条件により、本ソフトウエアを使用、複製する行為
2. 本ソフトウエアを改変、翻訳、リバースエンジニアリング、逆コンパイル、逆アセンブルする行為
3. 本ソフトウエアを第三者へ譲渡、販売、賃貸、使用許諾、再使用許諾する行為
4. 本ソフトウエアに記録または表示されている所有権および無体財産権の権利表示を除去、削除または変更する行為

4. 無保証

弊社は、本ソフトウエアを原状のまま提供します。弊社は、法律上の瑕疵担保責任を含むすべての明示または黙示の保証責任および本ソフトウエアに起因するお客様の逸失利益、特別な事情から生じた損害、データ等に対する損害および無体財産権に関し第三者からお客様に対してなされた損害賠償請求にもとづく賠償責任等の一切の責任を負いません。

5. 使用権の消滅

1. お客様はいつでも本ソフトウエアの使用権を消滅させることができます。
2. お客様が次の事由に該当した場合、本ソフトウエアの使用権は自動的に消滅します。
   （a)　お客様が本契約条項に違反した場合
   （b)　お客様が異なる版の本ソフトウエアの使用権を取得した場合

6. 使用権消滅時の措置

お客様の本ソフトウエアの使用権が消滅した場合、お客様は本ソフトウエアおよびそれらの複製物すべてを抹消または破壊するものとします。

7. 雑則

1. 本契約は、日本国の法律に準拠するものとします。
2. 本ソフトウエアが外国為替および外国貿易法およびこれに付随する法令等ならびにアメリカ合衆国輸出規制管理規則の規制対象品となる場合、お客様は当該法令および規制を遵守するものとします。

[本ソフトウエアの権利]
本ソフトウエア(本書を含む)およびバックアップのために複製されたソフトウエアに関する著作権等を含む一切の無体財産権は、弊社および弊社への供給者に帰属します。

「Sun」「Sun Microsystems」「Ultra」「Solaris」は、米国Sun Microsystems, Inc. の商標、または登録商標です。
すべてのSPARC商標は、米国SPARC International, Inc.のライセンスを受けて使用している同社の米国、およびその他の国における商標、または登録商標です。SPARC商標が付いた製品は米国Sun Microsystems 社が開発したアーキテクチャに基づくものです。
「UNIX」は、The Open Groupの米国ならびに他の国における登録商標です。
「Red Hat」ならびにShadow Manロゴは、米国およびその他の国でRed Hat, Inc.の登録商標若しくは商標です。
「Linux」は、Linus Torvalds氏の米国およびその他の国における登録商標または商標です。
「Novell」は、米国Novell, Inc.の登録商標です。
「SUSE」は、米国Novell, Inc.の一部門であるSUSE LINUX AG.の登録商標です。
「Microsoft」「Windows」は、米国Microsoft Corporation(米国マイクロソフト社)の登録商標です。
本ソフトウエアは、the Independent JPEG Groupで作成されたコードの一部を利用しています。
本リリースノートに記述されている上記以外の製品に関する商標はすべて、それを保有する各社に帰属します。
また、本リリースノートの内容は、予告なく変更することがありますことをご了承願います。

Copyright(C)1996-2005 Fuji Xerox Co.,Ltd. All rights reserved.