檢視宋高僧傳精校版 XML 轉 PDF 作業備忘的原始碼

=概述=
以 Python 程式將宋高僧傳 XML 轉為 OpenOffice Writer ODT 檔格式，再使用 doPDF 軟體，於 OpenOffice 中以「列印」功能產生 PDF 檔。

以下文件中會列出 ODT XML 碼供程式設計師參考，如果您不是程式設計師，可以忽略這些 XML 語法。


=頁首=

我們希望使用標題文字做為「頁首」，OpenOffice Writer 也有這個功能，但是當標題文字裡含有 footnote 的註標時，這個註標也會出現在頁首，這不是我們要的，Microsoft Word 沒有這種問題，感覺像是 OpenOffice Write 的 bug。

取巧的方式是使用「標題1」做為頁首，但是將「標題1」的 font-size 設為 1pt，顏色設為白色，也就是讓「標題1」不會在內文區裡面出現，語法如下：

<syntaxhighlight lang="XML">
<style:style style:name="Heading_20_1" style:display-name="Heading 1" style:family="paragraph"
  style:parent-style-name="Heading" style:next-style-name="Text_20_body"
  style:default-outline-level="1" style:class="text">
  <style:paragraph-properties fo:margin-top="0" fo:margin-bottom="0" fo:break-before="page"/>
  <style:text-properties fo:color="#ffffff"
    fo:font-size="1pt" style:font-size-asian="1pt" style:font-size-complex="1pt"/>
</style:style>
</syntaxhighlight>

=專名號 (底線)=

OpenOffice Writer 可以在人名、地名等專有名詞下加底線(專名號)，但是離文字太近，影響閱讀，底線也太粗，又沒有功能可以調整文字與底線之間的距離與底線的粗細。
目前找到的方法不是很理想，但是可以暫時解決這個問題。

方法是將整個段落的文字位置都設為「上標」，「相對的字型大小」設為 100%，「上昇/下降值」設為 15%，在 ODT 檔裡面的 style.xml 設定語法如下：

<syntaxhighlight lang="XML">
<style:text-properties style:text-position="15% 100%">
</syntaxhighlight>

這樣還不行，因為文字往上移了，但是底線也跟著往上移，沒有達成所要的效果。<br>
取巧的方式是在人名旁邊加一個空格，這個空格也有底線，但是它的「字元位置」不是「上標」而是「標準」，這樣一來，底線就會因為這個空白被固定在下方，而不是跟著上標文字上移。<br>
這樣文字與底線之間的距離就會拉開了，但是空格太大的話，視覺效果也不好，所以將這個空白的「寬度顯示比例」設為 10%，<br>
另外，底線我們也覺得太粗，而這個空格的 font-size 會影響底線的粗細，所以設為 6pt，語法如下：

<syntaxhighlight lang="XML">
<style:style style:name="underline_space" style:family="text">
  <style:text-properties 
    style:text-position="0% 100%" 
    fo:font-size="6pt" 
    style:text-underline-style="solid" 
    style:text-underline-width="auto" 
    style:text-underline-color="font-color" 
    style:font-size-asian="6pt" 
    style:font-size-complex="6pt" 
    style:text-scale="10%"/>
</style:style>    
</syntaxhighlight>

這樣已經接近完成了，如果人名或地名沒有跨行的話就沒問題，如果跨行的話，還是有問題。<br>
如果空白是加在人名的後面，那麼跨行後的人名底線是正確的，但是跨行前的人名底線又跟文字黏在一起了。<br>
所以在每個人名、地名的前後都加上空白，這樣即使人名、地名跨行也沒問題了。<br>
當然這是指人名、地名只跨兩行的情況，如果人名、地名跨三行，那就麻煩了，中間那一行因為沒有空格把底線固定在下方，文字就又會與底線黏在一起。<br>
目前只能希望不會有這樣跨三行的人名、地名了！

另外也考慮到 Adobe Indesign 有功能可以調整底線與文字之間的距離，或許由 XML 轉為 Adobe Indesign 可以接受的格式也是一種可能性，不過目前還沒有在這方面多做測試。

=缺字圖檔=

OpenOffice Writer 可以插入 SVG 圖檔，但是目前我們使用 Inkscape 0.48.2 製作的 SVG 缺字圖檔，某些字在各種 Browser 都可以正確呈現，但是插入 OpenOffice Writer 之後卻不能正確呈現。原因不明。

目前暫時的解法是使用 Indesign 讀入該 SVG 缺字圖檔，再另存成 SVG，插入 OpenOffice Writer 就沒問題了。


=在 margin 顯示文字=

我們希望在 PDF 的 margin 顯示《宋高僧傳》的大正藏頁碼，方法是在 margin 插入一個文字方塊，然後在這個文字方塊裡填入頁碼(來自宋高僧傳 XML 檔)，語法如下：

<syntaxhighlight lang="XML">
<draw:frame text:anchor-type="char" draw:z-index="0"
    draw:style-name="gr1" draw:text-style-name="P1"
    svg:width="2cm" svg:height="0.5cm" 
    svg:x="0cm" svg:y="0cm">
  <draw:text-box>
    <text:p text:style-name="P1"><text:span text:style-name="T1">這裡放大正藏頁碼</text:span></text:p>
  </draw:text-box>
</draw:frame>
</syntaxhighlight>

=人名、地名索引=

OpenOffice Writer 有製作索引的功能，如果要將某個人名加入索引，方法是在內文區選取人名後，選功能表「插入」=> 「目錄與表格」=> 「項目」，並設定一個自訂目錄名稱，例如「persName」。

然後在檔案最後要放索引的地方選功能表「插入」=> 「目錄與表格」=> 「目錄與表格」=> 目錄 => 類型選剛自訂的目錄名稱「persName」。

但是它的格式還不夠我們的需求：
* 我們希望索引能按漢語拼音排序；
* 同一個人名如果出現多次，只列一次人名，然後將多個頁碼列在一起；
* 根據該人名或地名的 ID 從 DDBC Authority Database 讀取相關資料顯示在索引裡；
* 文本裡的人名如果與 Authority DB 的常名不同，則另立常名索引條目，並於別名索引條目顯示參照常名條目。

為了達成以上功能，作業要分多階段進行：
# 執行 x2odt.py 產生第一階段的 ODT 檔
# 以 OpenOffice Writer 開啟該 ODT 檔，更新目錄、索引，取得索引條目在內文裡出現的頁碼，另存新檔。
# 執行 odt-phase2.py 處理新的 ODT 檔，進行索引排序、加入 Authoriy DB 資料等工作。
# 再次以 OpenOffice Writer 開啟 ODT 檔，更新目錄，列印成 PDF。

=Endnotes=

宋高僧傳精校版加入許多珍貴的註解，這些註解在 PDF 是以 Endnotes 形式呈現在書末。OpenOffice Writer 雖然也有 endnotes 功能，但是我們加的註解有個特別的地方，同一條註解可能會在內文裡被多次參考到。例如 [01] 這條註解，通常在內文裡的註標 [01] 只會出現一次，但是在宋高僧傳精校版內文裡可能會出現多次，因為是解釋相同的事情。

所以就不能使用 OpenOffice 的 endnotes 功能了，而是由程式自己產生註標、註解。

= 5碼 Unicode (Surrogate) =

== 「匯出成 PDF」問題 ==
目前在 MS Windows 7 + OpenOffice 3.4.1 環境下，如果使用 OpenOffice「匯出成 PDF」的功能來產生 PDF 檔，含有 Surrogate 字元的 5碼 Unicode 不會正確呈現，所以退而求其次，使用「列印」功能。

== 一行之中兩個 5碼Unicode ==
如果一行之中有兩個5碼Unicode，第二個字會呈現不出來，必須指定「新細明體-ExtB」字型才出得來。

== 重音符號 ==
如果要設定某一個5碼Unicode字元的重音符號，雖僅設定一個字，但是連該字元後面的字元也會出現重音符號。
= 使用 OpenOffice 排版出書的問題 =
== ODT 不支援巢狀樣式繼承 ==
子元素不會繼承父元素的樣式, 這是個麻煩的問題, 像這樣的 HTML:
<syntaxhighlight lang="XML">
<span class="style1">aaa</span>
<span class="style2">aaa</span>
<span class="style1">
  aaa<span class="style2">bbb</span>ccc
</span>
</syntaxhighlight>

在 HTML 只要定義 style1, style2 這兩種樣式.
在 ODT 中就要三種樣式:
<syntaxhighlight lang="XML">
<text:span text:style-name="style1">aaa</text:span>
<text:span text:style-name="style2">bbb</text:span>
<text:span text:style-name="style1">aaa</text:span>
<text:span text:style-name="style3">bbb</text:span>
<text:span text:style-name="style1">ccc</text:span>
</syntaxhighlight>

其中的 style3 要定義成同時包含 style1, style2.
這只是兩種樣式, 樣式一多就複雜很多!!

讚歎設計 CSS 樣式巢狀套疊的人, 你們真是太有智慧了!

== OpenOffice 做不到的事 ==
* 控制底線與文字的距離
* 控制底線的粗細