0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

Vivliostyleの論文テーマで書いたHTMLをJATS XMLに変換する

0
Last updated at Posted at 2025-08-16

Vivliostyleの論文テーマ1を使って書いた論文Markdownから生成されたHTMLを、JATS XML2に変換するプログラム(長い…)を作りました3。「フロントエンドの技術で学術出版を回そう」という試みの一環です。JATS XMLに変換しても本文の情報が失われないように、工夫したポイントをいくつかシェアします…

…長〜〜い記事です。手っ取り早くは次の2つのPDFを見比べてみてください:

前提は次の通りです:

  • 想定する論文データはgihyo.jp掲載の記事1のサンプルです
  • 出力のJATS XMLは、JATSのDTDに対して妥当(valid)となるようにします
  • 組版結果(PDF)の再現を目標にします。ただし「なるべく」です。
    再現とは、変換結果のJATS XMLを、「JATS XML->HTML変換」記事4の変換プログラムで再びHTMLに変換して、それをVivliostyleでPDFに組んだとき、gihyo.jp掲載の記事1のサンプルのPDFと「なるべく」同じになるということです。前記2つのPDFと、下の図を参照してください
  • 書誌情報は手つかずです、著者の氏名の区別や文献の構造化です
  • このままでのJ-STAGEの全文XMLファイル対応は目指しません。おそらく対応してないと思います、「JATS XMLとして妥当 ≠ J-STAGEの全文XMLファイル対応」でしょう

「2つのPDFを同じにできる必要がある」かどうかや「なるべく」や「J-STAGEの全文XMLファイル対応」や「書誌は手つかず」については、長くなるので、最後に軽く考察します。

というわけで、位置づけをデータフローで示すと、次のようになります:

  • B雑誌投稿スタイルの、A論文のHTML: 著者がB雑誌に投稿したA論文のHTML版
  • B雑誌のHTML→JATS XML変換プログラム: 今回の変換プログラム
  • B雑誌出版用のCSS: 今回の変換の仕様と連動するCSS
  • A論文固有のCSSのJATS版: 著者が自分の論文A用に用意したCSSのJATS版。今回の変換の仕様と連動する
  • JATS XML→HTML変換プログラム: 「JATS XML->HTML変換」記事4の変換プログラム
  • gihyo.jpの記事: gihyo.jp掲載の記事1の範囲
  • JATS XML->HTML変換記事: 「JATS XML->HTML変換」記事4に相当する範囲

「B雑誌投稿スタイルの、A論文のPDF」と「B雑誌出版スタイルの、A論文のPDF」とが「なるべく」同じになるように、「B雑誌のHTML→JATS XML変換プログラム」を用意して「B雑誌出版用のCSS」や「A論文固有のCSSのJATS版」を頑張ろうという話しです。

名前空間と変換処理

名前空間(namespace)

変換元はHTML文書ですから名前空間5はxmlns="http://www.w3.org/1999/xhtml"で、次のように書いたりします:

<html xmlns="http://www.w3.org/1999/xhtml">

DOMのプログラムでは、"http://www.w3.org/1999/xhtml"がxmlns属性の既定値で、かつHTML文書(mime typeがtext/html)では任意なので、黙ってるとHTML文書として扱われます6し、普通は記述しません。

一方、変換先のJATS XMLの名前空間はHTMLではありません7。

JATSの要素にはtableやpなどHTMLと同じ要素名のものが多くありますが、名前空間が異なります。また、既存の要素の名前空間をプログラムで変えることはできません8。そこで、「要素名が同じ要素は元のHTML文書のものをそのまま流用する」という処理はできません。「できない」というのは、そのように処理すると、出力したとき(シリアライズしたとき)、例えばarticle要素にHTMLの名前空間宣言が付いてしまって、JATS XMLのDTDとのバリデーションでエラーになります9。次のXMLはバリデーションで「article要素にxmlnsなんていう属性は設定できません」というエラーになります:

<article xmlns="http://www.w3.org/1999/xhtml">

複数の文書(DOM)

変換元と変換先で名前空間が異なるので、変換処理では複数のDOMを扱うことになります。

Web UIの変換プログラムなら3つのDOMがあります:

  • 変換元のHTML文書のDOM
  • 変換先のJATS XML文書のDOM
  • 変換プログラムのUIのHTML文書のDOM

変換をNode.jsで行うなら2つですね:

  • 変換元のHTML文書のDOM
  • 変換先のJATS XML文書のDOM

属性

いくつかの属性は取り扱い注意です。

なお、JATSの仕様書を見ると、属性には@が付いて項目がたてられています。例えばid属性なら@idです。CSSのアットルール(@importや@pageなど)とは別物です。@を付けて属性であることを示すのはXPathの慣習を引き継いでるのだと思います。

id属性

JATS XMLのid属性の値はアルファベットで始まらなくてはなりません10。Markdownの世界では、見出しのテキストをid属性値にしがちですが、"1はじめに"といったid値をそのままJATS XML文書に持ち込むとエラーになります。

そこでid属性の値を設定し直します。id属性の値を変えるときには、それを参照してる他の要素の属性値も同時に変えます。href属性であれば、元のid値がoldId変数に設定されてるとすると、該当する要素をdocument.querySelectorAll(`[href="#${oldId}"]`)で取得できますね。

for (const ref of document.querySelectorAll(`[href="#${oldId}"]`)) {
    ref.setAttribute('href', `#${newId}`);
}

HTMLのhref属性とJATS XMLのrid属性

id属性の値を使って要素を参照するとき、HTMLではhref属性ですが、JATS XMLではrid属性を使って、id値の前に"#"は付けません。JATS XMLではhref属性を設定できません。「できない」というのは、href属性を放置するとDTDとのバリエーションでエラーになったりします。

lang属性、xml:lang属性

JATSはxml:lang属性を使い、lang属性を使いません。HTML->JATS XML変換では、lang属性をxml:lang属性に置き換えます。

なお、JATS XML->HTML変換では、lang属性が再び必要になるでしょう。CSSが、和文タイトルと英文タイトル、あるいは和文アブストラクトと英文アブストラクトをlang属性で区別してるかもしれません。

.abstract:lang(ja) {
    /* 和文アブストラクト */
}
.abstract:lange(en) {
    /* 英文アブストラクト */
}

こうすることで、英文abstractのフォントを欧文フォントにしたり、ハイフネーションを有効にしたりして、PDFを再現できます。

HTMLのclass属性

JATS XMLの要素にclass属性を設定できません。とはいえ、HTMLのDOMにはDocument.querySelectorAll()メソッドやElement.classListプロパティなど、文書操作のための便利な仕組みがclass属性を前提に用意されてます。そこで、class属性を削除するタイミングは考えどころです。journal-metaなどHTMLにはない要素であっても、その名前の要素をHTML文書に挿入してしまい、HTML文書のまま構造変換を進めて、最後にJATS XMLの要素に置き換えるという処理をしてます。

CSSのcontentプロパティによる自動生成とJATS XMLのlabel要素

CSSではcontentプロパティによってセクション番号や図表番号などを自動生成できます。また、ブラウザーはまだサポートしてませんが、本文中から図表を参照するとき、本文側でも同じ番号を自動生成できます11。

JATS XMLは、title要素などの前にlable要素が用意してあって、そこにセクション番号や図表番号などを書きます12。本文中から図表を参照するときxref要素を使うのですが13、これのテキストに参照先のlabel要素のテキストを設定しておけば、自動生成を使わずに参照関係を示すテキストを組めます。「本文中から図表を参照するとき、同じ番号を自動生成」する機能をブラウザーはサポートしてないので、JATS XMLのこの仕組みは役に立ちますね。

次のコードは、図1の図番号をlabel要素に設定して、その図を本文からxref要素で参照してる例です:

<fig id="fig-01">
    <label>図1</label>
    <caption><title>HTMLで挿入した図</title></caption>
    <graphic xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="process.svg"/>
</fig>
<p><xref ref-type="fig" rid="fig-01">図1</xref>はHTMLを直接書いて挿入した図です。</p>

データ的にはid属性の値"fig-01"によって関係付けられて、人間向けには"図1"というテキストで関係を可視化しています。

ということで、変換処理では、CSSのcontentプロパティに任せる自動生成を自分で行うことで、PDFを再現できます。「文書全体で通し番号」はシンプルですが、セクション番号の階層構造は、それよりも複雑です。

著者-所属などの対応関係と階層構造やid参照

JATS XMLのarticle-meta内部の著者(contrib、contributor、貢献者)と所属(affやaff-alternatives)などとの対応関係は、表現に一定の自由度があります14:

  • 同一要素内に配置することで著者名と所属を対応付ける。複数の著者の所属が同じ場合は、同じ所属の記述を繰り返す
  • 所属にidを付けて、そのid値を著者名から参照することで対応付ける

構造に自由度があがると紙面上の配置の自由度が増します。CSSのグリッドレイアウトやフレックスボックスは要素の親子関係を前提とします。また、ページ先頭にfloatしたい要素とカラム下部にfloatしたい要素とが親子関係にあると面倒です。

うまくいく例と、いかない例をあげます。

著者contribと所属aff

次のコードは、同一contrib要素内に配置することで著者名と所属aff要素とを対応付けた例です。山田太郎さんの所属は◯◯大学、Jane Smithさんの所属も◯◯大学です。

<contrib-group>
  <contrib contrib-type="author">
    <name xml:lang="ja" name-style="eastern">
      <surname>山田</surname>
      <given-names>太郎</given-names>
    </name>
    <aff>◯◯大学</aff>
  </contrib>
  <contrib contrib-type="author">
    <name xml:lang="en" name-style="western">
      <surname>Smith</surname>
      <given-names>Jane</given-names>
    </name>
    <aff>◯◯大学</aff>
  </contrib>
</contrib-group>

次のコードは、aff要素をcontrib要素の外に置いた例です。山田太郎さんの所属は◯◯大学です。

<contrib-group>
  <contrib contrib-type="author">
    <name xml:lang="ja" name-style="eastern">
      <surname>山田</surname>
      <given-names>太郎</given-names>
    </name>
    <xref ref-type="aff" rid="affi1">1</xref>
  </contrib>
  <congrib>
      <!-- 別の著者 -->
  </contrib>
</contrib-group>
<aff-alternatives id="affi1">
  <aff xml:lang="ja">
    <label>1</label>
    <institution-wrap>
      <institution>◯◯大学</institution>
    </institution-wrap>
  </aff>
</aff-alternatives>

aff要素にidを付けて、contrib内のxref要素のrid属性で参照しています。xrefのref-type属性の値affは「所属先」を示すもので15、JATS XMLのDTDで規定され標準化された値の1つです。前記のlabel要素を使って、対応関係を1で可視化します:

こうすることで、ページ先頭に著者一覧contrib-groupをfloatし、所属aff-alternativesたちをカラム下部にfloatして、PDFを再現できます。

ちなみに、この構造は、JATS XMLのDTDには合ってますが、J-STAGEのガイドラインには沿ってないと思います。全文XML作成手順書16p.34にあるarticle-meta要素の子要素構成にaff-alternatives要素がありません。

著者contribとemail

著者contribとメールアドレスemailの関係は悩ましいです。

次のコードは、同一contrib要素内に配置することで著者名とemail要素とを対応付けた例です。山田太郎さんのemailはaddress-1@example.comです。

<contrib-group>
  <contrib contrib-type="author">
    <name xml:lang="ja" name-style="eastern">
      <surname>山田</surname>
      <given-names>太郎</given-names>
    </name>
    <address>
      <email>address-1@example.com</email>
    </address>
  </contrib>
  <congrib>
      <!-- 別の著者 -->
  </contrib>
</contrib-group>

次のコードは、email要素をcontrib要素の外に置いた例です。山田太郎さんのemailはaddress-1@example.comです。email要素にidを付けて、contrib内のxref要素で参照しています。

ここまではaffと同様です…

<contrib-group>
  <contrib contrib-type="author">
    <name xml:lang="ja" name-style="eastern">
      <surname>山田</surname>
      <given-names>太郎</given-names>
    </name>
    <xref ref-type="other" specific-use="email" rid="email-1"/>
  </contrib>
  <congrib>
      <!-- 別の著者 -->
  </contrib>
</contrib-group>
<email id="email-1">address-1@example.com</email>

…しかし:

  • xref要素のref-type属性の値に、emailを意味するものが用意されていません15。「その他」を意味するotherが用意されてます。また、xrefには後述のspecific-use属性を設定できます
  • email要素にはlabel要素がありません

emailの下にlabel要素がないので、著者とemailとの関係を可視化するためにCSSのcontentプロパティを使うことになります。「label要素によってcontentプロパティによる自動生成から逃れられる…」と思ったのですが、そうはいきませんでした。

xrefによる参照関係がemailであることを明示するためにspecific-use属性を使います。そうすれば、email固有の記号で対応関係を可視化するのが簡単です。

こうして、著者一覧contrib-groupをページ先頭にfloatして、著者のemailemailをカラム下部にfloatするという配置を再現できました。

なお、specific-use属性の値emailは標準ではない、この論文/変換に固有のものとなります。

和文著者名と英文著者名

日本語の論文で著者名を和文と英文の2通り書く場合があります。この場合、JATS XMLでは1つのname-alternatives要素の中に何通りかのname要素を書きます17:

<contrib-group>
  <contrib contrib-type="author">
    <name-alternatives>
      <name xml:lang="ja" name-style="eastern">
        <surname>山田</surname>
        <given-names>太郎</given-names>
      </name>
      <name xml:lang="en" name-style="western">
        <surname>Yamada</surname>
        <given-names>Taro</given-names>
      </name>
    </name-alternatives>
  </contrib>
  <congrib>
      <!-- 別の著者 -->
  </contrib>
</contrib-group>

同一のname-alternatives要素の下にある、あるいは同一のcontrib要素の下にあることで、「同一人物の名前に複数の版がある」ことを示します。

この表現にid属性を使う代替はありません。和文表記と英文表記を別枠で表示する雑誌があります: 例えば、ページ上から順に、和文著者名一覧、和文概要、英文著者名一覧、英文概要という順番で表示する組み方です。このままの構造で和文著者名一覧と英文著者名一覧の間に和文概要を挟むのは、CSSだけでは難しいですね。CSSで組む前に構造変換するのがよいと思います。

和文著者名一覧、和文概要、英文著者名一覧、英文概要の配置は再現できませんでした。和文著者名と英文著者名は、各著者contribごとにまとめて、それらをフレックスボックスで横に並べてます。

HTMLのclass属性やstyle属性と、特別な意味やスタイルの導入

HTMLのclass属性は、いろいろな用途で使われます。

  • 著者名を書いた要素にauthorクラスを設定して要素の意味を示したり、
  • 段通しの図にcol-span-2クラスを設定して要素のスタイルを指定したりします。
  • 要素のスタイルはstyle属性で直接指定することもあります。

HTMLのclass属性やstyle属性

Markdownで次のように書いて、山田 太郎が著者であることを示すと

## 著者{.author}

山田 太郎

VFMは次のようなHTMLを生成するので、山田 太郎がauthorであることが分かります。

<section>
  <h2 class="author" id="著者">著者</h2>
  <p>山田 太郎</p>
</section>

段通しの図は、Markdown内にHTMLを直接書いて、col-span-2クラスを設定したりします。

<figure class="fig col-span-2" id="fig-03">
  <img src="flow.svg">
  <figcaption>
    <div>2段にまたがる図</div>
    <div lang="en">Wide firgure spanning two columns.</div>
  </figcaption>
</figure>

Markdownで、次のように、図の幅をstyle属性で指定したりもします。

![小さな図#2](circle.svg){style="width: 40%;"}

JATS XMLの場合

一方、JATSにclass属性はありませんが、named-content要素18、content-type属性19、specific-use属性20、styled-content要素21、style属性22やstyle-type属性23があります。そこで、HTMLならclass属性やstyle属性で実現していたことを、JATS XMLの仕様書とにらめっこしながら、これら要素や属性を使い分けて実現することになります。

<要素> / @属性 概要
<named-content> 単語もしくは語句で、その内容もしくは主題が明瞭な意味づけかコンテンツに即した重要性を持つもの。
@content-type JATS XMLの要素では直接記録できない意味的なタグ付けを示す。
@specific-use 個々の要素がどのように使われるのかを特定します。
<styled-content> 装飾上では区別されるが、組版上の使い分けに関する意味的理由が不明または不明確なために、<named-content> がうまく適用できないもの。
@style-type 装飾上の種別の名称または説明
@style 要素に適用される具体的スタイルまたはレンダリング結果を示します。

なるほど、つまり次のようにすればよいように思えます……

  • 例えば<trans-caption>要素が欲しいけどJATS XMLにはない場合、<named-content content-type="trans-content>とする
  • 例えばclass="column-span-2"でスタイルを指定したくなるような場合、<styled-content style-type="column-span-2">とする
  • 図の幅を指定したかったら<fig style="width: 40%;">とする

……ところが、これら要素と属性の組み合わせは限定されています:

  • styled-contentといった要素は、HTMLのdiv要素やspan要素のように自由な場所には置けない。例えば、styled-contentをsecの直下に置けない
  • styleといった属性は、HTMLのclass属性やstyle属性のように自由な要素には設定できない。下の表を参照
  • J-STAGEの仕様書では出現位置がJATS XMLよりも限定的、あるいは載ってない。載ってないものはおそらく、J-STAGEの全文XMLファイルで使えません
属性 \ 要素 named-content styled-content 他の要素
@content-type ✓ pなど多数だが
特定の要素
@style-type ✓ 指定不可
@style ✓ caption, table,
td, th, など
table系のみ
@specific-use ✓ ✓ disp-formula,
fig, fig-group,
graphic, p,
table, xref,
など多数だが
特定の要素

というわけで、JATS XMLの仕様書とにらめっこしながらこれら要素や属性を使い分ける例を、以下にあげます。

段通しの図とspecific-use属性

HTMLでは、classを使って要素を特定するCSSの記法はシンプルです。col-span-2クラスで図を「段通しでページ上詰」にする指定するなら次のようにするでしょう:

<figure class="fig col-span-2" id="fig-03">
  <img src="flow.svg">
  <figcaption>2段にまたがる大きな図</figcaption>
</figure>
figure.col-span-2  {
    float: block-start;
    float-reference: page;
}

このHTMLをJATS XMLに変換して「段通しページ上詰」を再現するなら、次のように変換できればよいでしょう:

<fig specific-use="col-span-2" id="fig-03">
  <label>図3</label>
  <caption><title>2段にまたがる大きな図</title></caption>
  <graphic xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="flow.svg"/>
</fig>

これを組むCSSは次の通り。JATS XMLのspecific-use属性そのものに「値は空白区切りの語のリスト」という定義はありませんが、そのような使い方を前提とすると、属性セレクターの[attr~=value]構文を使えます:

fig[specific-use~="col-span-2"] {
    float: block-start;
    float-reference: page;
}

段通しの図をページ上詰にする組み方は再現できました。

pre要素とcode要素、およびpreformat要素とcontent-type属性

JATSにpreformat要素があって24HTMLのpreとほぼ同じ用途です。またcode要素があって25、HTMLのcodeとほぼ同じ用途です。HTMLでは、preの配下にcodeを置けます2627。JATSではpreformat配下にcode要素を置けません……!

「codeが配下にある場合、ない場合…」といった複雑な変換処理を避けたいので、preformat要素を使うのはあきらめて、HTMLのpre要素は、JATS XMLのp要素に変換して、content-type="preformat"を設定しました。なお、JATS XMLのp要素は、HTMLよりも広い用途を想定してます28。HTMLのdiv要素くらいの勢いで使えるのかも。

preとcodeの例: Markdownのコードブロック

Markdownの次のようなコードブロックは…

```html
<figure class="table"
  id="table-appendix-01"
  style="float: none;">
```

次のようなHTMLに変換されることがあり、preの直下にcodeがあります。QiitaやVivliostyleのVFMはこのようなHTMLを生成します。GitHubは異なります。

<pre class="language-HTML"><code class="language-HTML">&lt;figure class="table"
  id="table-appendix-01"
  style="float: none;"&gt;</code></pre>

それを、次の構造のJATS XMLに変換することにしました:

<p content-type="preformat" 
  specific-use="language-HTML"><code 
  language="html">&lt;figure class="table"
  id="table-appendix-01"
  style="float: none;"&gt;</code></p>

Markdownのコードブロックは再現できました。うっかり整形(prettify)してpとcodeの間に改行が入ったりしないよう注意します。

preとcodeの例: ChatGPTとの会話履歴

ChatGPTとの会話履歴を論文に載せるとしましょう。履歴をMarkdown形式で簡単にコピーできるのは便利です。ですが、自分がMarkdown形式でプロンプトを入力していると、その部分がコードブロックで表現されて、HTMLになったときにpre要素とcode要素の組み合わせになってしまいます:

<pre>
<code>const sort = (population) => {</code>
</pre>

これの扱い方も前の例と同様です。

現在の所属とxref要素のspecific-use属性

JATS XMLには現在の所属(present affiliation)を表現するする要素や属性値が見当たりませんでした。そこで工夫します。ちなみに、現在の所属というのは、研究したときと現在とで所属が異なるということです。

「現在の所属」は、所属先の性質ではなく、著者と所属との関係の性質でしょう。そこで、所属aff要素やaff-alternatives要素に相当する別の要素を導入したり、これらの属性直で示すより、著者と所属の関係を示すxref要素の属性で示すのが妥当でしょう29。そのような性質は関係の「意味」なのでcontent-type属性を使うのが適切でしょう……が、しかし、xref要素にはcontent-type属性を設定できません……!そこで、specific-use属性を使いました。

次の例では、著者contribの「山田太郎」さんの、研究当時の所属は「◯◯大学」、現在の所属は「△△大学院大学」です。当時の所属を示す記法は数字だけ、現在の所属を示す記法は数字の前に「現在」と、記法を変えてxref要素のテキストに設定しています。この区別は「関係の性質」なので、aff-alternative要素を見ても違いは分かりません。

<contrib-group>
  <contrib contrib-type="author">
    <name xml:lang="ja" name-style="eastern">
      <surname>山田</surname>
      <given-names>太郎</given-names>
    </name>
    <xref ref-type="aff" rid="affi1">1</xref>
    <xref ref-type="aff" rid="paffi3" 
      specific-use="present-affiliation">現在3</xref>
  </contrib>
</contrib-group>
<aff-alternatives id="affi1">
  <aff xml:lang="ja">
    <label>1</label>
    <institution-wrap>
      <institution>◯◯大学</institution>
    </institution-wrap>
  </aff>
</aff-alternatives>
<aff-alternatives>
  <!-- 別の所属 -->
</aff-alternatives>
<aff-alternatives id="paffi3">
  <aff xml:lang="ja" lang="ja">
    <label>3</label>
    <institution-wrap>
      <institution>△△大学院大学</institution>
    </institution-wrap>
  </aff>
</aff-alternatives>

specific-use属性の値"present-affiliation"が「現在の所属」を表すというのは、この変換固有の意味です。

gihyo.jpの記事の方では1、所属の方の先頭に「現在,」や「Presently with 」を挿入・表示する方式なので、これは再現できていません。

なお、この区別を所属先の性質としてJATS XMLで表現しようとすると厄介です。

次の表記よりは…

山田 太郎 1,現在3
1 ◯◯大学
3 △△大学院大学

次の方が読みやすいよね、というのは分かります、「英文所属はどう表示するの?」とか。

山田 太郎 1,3
1 ◯◯大学
3 現在、△△大学院大学

aff-alternatives要素にはcontent-type属性もspecific-use属性もないのです。aff要素にはあるのですが、これは所属先の性質を表すのではなく、aff-alternatives内での表記の位置づけを表すものでしょう。

こうなると、そのaff-alternativesを参照しているxref側のspecific-use属性の値に応じて間接的に、aff内のlabelやaffそのもののテキストを変えることになるでしょう。データ構造的には複数のxrefから参照される可能性があり、それらのspecific-use属性値が異なる可能性があります。論文の原稿Markdownの執筆者が上手く使い分けてくれないと変換でエラーになるかもしれない、バグを作り込みやすい危うい仕組みとなってしまうのではないか。これは、J-STAGEのガイドラインのようにaff-alternativesやaffを各著者contrib内に置いても同様でしょう。

「複数の著者が同じ所属先を共有することがあるが、現在の所属の場合は別の所属先である」という事態をJATS XMLがどう整理してるのか、もっと調べてみないと分かりません。

table要素やtd要素と、align属性やstyle属性やspecific-use属性

HTMLではtd要素のalign属性が非推奨となって久しいのですが、JATS XMLでは使われてますし、Markdownの表のセルの揃えはalign属性に変換されますし、ブラウザーも対応してます。

また、JATS XMLのtable要素にはspecific-use属性を設定できるので、HTML側のclassの設定を引き継げます。さらにstyle属性も設定できるので、HTML側でstyle属性が設定されてたら、そのまま引き継げます。

tableの揃えや罫線(border)は、けっこう再現できます。

前記のstyle属性などの設定の制限を思い出すと、JATS XMLは表のスタイル設定に寛容に思えます。「表からスタイルを切り離すのは難しい」ということでしょう。

図表の英文キャプションとnamed-content要素やcontent-type属性

図表に和英2つのタイトルを付ける雑誌がありますし、元のPDFもそうです。

JATS XMLのtable要素はHTMLのそれと似てるのですが、caption要素がありません。tableの上位にtable-wrap要素が導入されて、キャプションはその直下に移動してます。キャプションcaption以外にもlabelやabstractなど様々な要素がtable-wrap要素に含まれます30。

さて、次の事情があります:

  • 図figや表table-wrapの直下でcaptionの前にlabel要素があって最大1つです
    label要素には図表番号を入れて<label>図1</label>などとするのでした
  • 図表のcaption要素は次の構造になってて、つまりtitleは最大1つです。titleの下にlabelはありません
<!ELEMENT caption (title?, (p)*) >

となると、titleに続くp要素に英文タイトルの役割を担ってもらうしかなさそうです。英文タイトルにもlabelが欲しいのですが、pの下にlabelはありません。named-content要素はあるので、これにラベルの役割を担ってもらいます。

画像の場合は次のようにします:

<fig id="fig-01">
  <label>図1</label>
  <caption>
    <title>和文キャプション</title>
    <p content-type="title" xml:lang="en"><named-content 
      content-type="label" 
      xml:lang="en">Figure 1</named-content>English caption</p>
  </caption>
  <graphic xmlns:xlink="http://www.w3.org/1999/xlink"
    xlink:href="figure01.svg"/>
</fig>

表の場合は次のようにします:

<table-wrap id="table-small">
  <label>表4</label>
  <caption>
    <title>和文キャプション</title>
    <p content-type="title" xml:lang="en"><named-content 
      content-type="label" 
      xml:lang="en">Table 4</named-content>English caption</p>
  </caption>
  <table>
    <thead>
      <tr>
        <th align="left">品目</th>
        <th align="right">数量</th>
      </tr>
    </thead>
    <tbody>
      <tr>
        <td align="left">パイナップル</td>
        <td align="right">300</td>
      </tr>
      <tr>
        <td align="left">ぶどう</td>
        <td align="right">4</td>
      </tr>
    </tbody>
  </table>
</table-wrap>

こうして図表の和英キャプションを再現できました。

content-type属性の"title"や"label"という値の意味は、この変換に固有のものです。p要素はmixed contentなので、named-content要素の前などにうっかり改行など入れないようにします。

横並びの図

小さな2つの図を--「図番号で区別される2つの図」であって、「2つの画像からなる1つの図」ではありません--を横並びに配置することがあります。

<div class="minipage">

![小さな図#1](circle.svg)

| 品目 | 数量 |
| :--- | ---: |
| パイナップル | 300 |
| ぶどう | 4 |

</div>

fig-group要素で複数のfigを組み合わせられます。table-wrapをfig-group直下に置けないのですが、fig直下には置けます。

<fig-group specific-use="minipage">
  <fig id="fig-small">
    <label>図6</label>
    <caption>
      <title>小さな図#1</title>
    </caption>
    <graphic xmlns:xlink="http://www.w3.org/1999/xlink" 
      xlink:href="circle.svg">
      <alt-text>小さな図#1</alt-text>
    </graphic>
  </fig>
  <fig>
    <table-wrap id="table-small">
      <label>表4</label>
      <caption>
        <title>小さな表</title>
        <p content-type="title" xml:lang="en"><named-content 
          content-type="label" 
          xml:lang="en">Table 4</named-content>Small table</p>
      </caption>
      <table>
        <thead>
          <tr>
            <th align="left">品目</th>
            <th align="right">数量</th>
          </tr>
        </thead>
        <tbody>
          <tr>
            <td align="left">パイナップル</td>
            <td align="right">300</td>
          </tr>
          <tr>
            <td align="left">ぶどう</td>
            <td align="right">4</td>
          </tr>
        </tbody>
      </table>
    </table-wrap>
  </fig>
</fig-group>

こうすることで小さな図表を横に並べる組み方を再現できました。

画像のスタイル

画像のサイズを設定できるMarkdownは多いですね。次のようなMarkdownは…

![小さな図#2](circle.svg){style="width: 40%;"}

…次のようなHTMLに変換されたりします:

<img src="circle.svg" 
  alt="小さな図#2" style="width: 40%;">

JATS XMLではwidth: 40%;をstyle属性に設定して使えます。style属性はstyled-content要素とtable系要素に設定できるので、styled-content要素を導入します。styled-content要素はsec要素の直下に置けません……!そこで、さらにp要素で囲みます:

<p specific-use="contents">
  <styled-content style="width: 40%;">
    <graphic xmlns:xlink="http://www.w3.org/1999/xlink" 
      xlink:href="circle.svg">
      <alt-text>小さな図#2</alt-text>
    </graphic>
  </styled-content>
</p>

こうして、元の画像に付いてたwidth: 40%;を残せて、図のサイズを再現できました。

p要素はDTDの制限でしかたなく挿入した要素と分かるように、specific-use属性に"contents"と設定しておきました。CSSのdisplay: contents;の命名にならっています。

脚注fnと脚注グループfn-group

JATS XMLでは、脚注は章末secの最後や文末backにまとめます。参照された直後にfnを置いたり、secの途中にfn-groupを置いたりできません。そのままの構造で、CSSだけで参照された段やページに下寄せに配置するのは困難で、そのような組み方は再現できていません。そのように組むならば、さらに構造変換するのがよいでしょう。

考察

…疲れてきたので、各論はここまで。

「なるべく」「再現」

次のような記述を見ると、JATS XMLは「アーカイブのための標準化」と「出版社の組版の再現」との間でバランスを取ろうとしていると読み取れます。

この要素はアーカイブの際に、元の出版者が記述したすべての差異を保存するために (たとえそのような区別の意図が不明確であったり、必ずしも意味論的ではない場合でも)、また出版者や著者が意味はともかく、書式を重視している場合のために設けられました。
<styled-content> Styled Special (Subject) Content
https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/styled-content.html
(強調は筆者による。「この要素」とは<styled-content>のこと)

過去の版との相違点: NISO JATS につながったこのタグセットの再設計では、@content-type属性が 60 以上の要素に追加されました。これは、“type” 属性が、タグセットを拡張せずに出版者のセマンティクスを保持するために有用なツールと考えられたためです。
@content-type Type of Content
https://jats.nlm.nih.gov/publishing/tag-library/1.1/attribute/content-type.html
(強調は筆者による)

Publishing is a moderately prescriptive tag set, optimized for archives that wish to regularize and control their content, not to accept the sequence and arrangement presented to them by any particular publisher. The Tag Set is also intended for use by publishers for the initial XML tagging of journal material, usually as converted from an authoring form like Microsoft Word.
Introduction to the Journal Publishing Tag Set > Rationale
https://xml-sch.com/jats/tag-library/ver2/1.1-J/chapter/gen-intro.html
(強調は筆者による)

"Publishing"というのは"Journal Publishing Tag Set"のこと、"archives"というのは、本件でいえばJ-STAGEが該当するでしょう。

これらJATS XMLのおそらく"non-normative"な記述を考えると、今回の「なるべく」「再現」する試みは、"initial XML tagging of journal material"への変換として有益と思えます。「JATS XML->HTML変換」記事4の変換は、CSSとVivliostyleで組むための補正にとどめているので、それを前提に「再現」することで、JATS XMLのバランス・ポイントを具体的に可視化できるのではないでしょうか。

J-STAGEの全文XMLファイル対応

J-STAGEの全文XMLファイルの仕様とJATS XMLのDTDとは一致してないと思います。この変換の出力もしかりで、affの例を前にあげました。

今回の変換は"initial XML tagging of journal material"への変換として位置づけて、J-STAGE搭載用のものは、ここからさらに機械的に変換するのでしょう。この観点については、こちらの記事が参考になりました:

ともあれ、JATSがXMLベースであり続けるなら、J-STAGEの仕様に合致するDTDやXSD (W3C XML Schema)やRNG (Relax NG Schema)の一式が、一括ダウンロードできると嬉しいですね。ローカルで機械的に検証(validate)できますから。

書誌情報は手つかず

論文にとって、というか研究者にとって書誌情報は命です31が、それにもかかわらず今回は手つかずです。そもそも元のMarkdownの段階1で、これらを構造化してません。

著者の氏名などメタ情報

氏名は、空白を区切り文字とみなして姓と名に分解してます。所属の和文名と欧文名とは改行brを手がかりに分解してます。このような氏名や所属機関といったメタ情報の構造化については、元のMarkdownに何らかの手がかりを入力しないかぎり、変換後に手作業が発生します。

メタ情報の構造化については、学術出版ワークフロー全体のDXに期待したいです。例えば、こういったメタ情報は投稿時に別途、エントリー・フォームで入力したりします。そうならば、同じ内容をフォームと論文と2回入力してるわけで、かつ、フォームの方が構造の解像度が高くてチェックや入力支援もやりやすいです。この入力をいかせないでしょうか。

参考文献

参考文献本体のスタイル、および本文から参照するアンカーのスタイルは避けて通れない手間です。これらもメタ情報であり、やはり学術出版ワークフロー全体のDXに期待したいです。なんのためのDOI、文献へのパーマリンク、文献発行元が公開するBibTeX…なのか

論文誌ごとに異なる変換

このような変換プログラムは、論文の種類(いわばVivliostyleのテーマ、CSS)ごとに必要となると思います。論文の種類ごとに誰かが作るのです。なぜなら:

  • 論文CSSを作る人が異なればCSSのクラス名が違ったりするでしょう:
    謝辞を.acknowledgmentとする人もいれば.acknowledgementとする人もいるでしょう
  • 特にトップページの著者、所属、英文タイトルなどの紙面上の配置は論文ごとに異なります。そうなると、これらを整理したsectionなどの構造も異なる可能性があります。CSSは散らばったモノを集めるなど構造変換は不得意なので(XSLTの得意技です)、まとめて表示するものは最初からsection要素を使ってまとめて書いておくことになりがちです

とはいえ変換プログラムの考え方には共通するものがあって、処理そのものは単純です。そこで、参考になるように要点をシェアしよう…という次第でした。

著者によるカスタム・スタイル

今回の変換は、いわば学会が用意したスタイルの範囲での変換です。論文の著者は、学会提供CSSとは別に、Markdownの中にHTMLのタグを書いてCSSを用意することで、自分のスタイルを導入できます。それらカスタム・スタイルに、styled-content要素やspecific-use属性などを使うことで、どこまで汎用的に対処できるかは未知数です。個々の論文を処理する場面で、CSSやJATS XML構造の知識が必要となるんじゃなかろうか。

ワークフロー

冒頭のデータフローには「誰が」が出てきません。「誰がCSSを用意するんだ?」とか「誰が、いくつ変換プログラムをメンテするんだ?」は重要ですが、別の機会があれば考えてみたいと思います。

以上です

  1. VFMで学会論文を書いてVivliostyleで組んで投稿する https://gihyo.jp/article/2025/02/vivliostyle-05 ↩ ↩2 ↩3 ↩4 ↩5 ↩6

  2. Journal Article Tag Suite、学術情報XML。JATS XMLとは - 学術情報XMLとは - 学術情報XML推進協議会 https://xspa.jp/what/jats/ ↩

  3. 論文ThemeのHTMLファイルをJATSに変換 https://yamahige.github.io/study/vivliostyle-theme-ipsj-tech-2-jats/index-google-xml-formatter.html ↩

  4. JATS XML文書をHTMLに変換してVivliostyleでページ組版する https://qiita.com/yamahige/items/8b02b4493c03f9e8c12c ↩ ↩2 ↩3 ↩4

  5. XML名前空間の簡単な説明 - The Web KANZAKI https://www.kanzaki.com/docs/sw/names.html ↩

  6. : HTML 文書 / ルート要素 https://developer.mozilla.org/ja/docs/Web/HTML/Reference/Elements/html ↩
  7. しかも、後方互換のために、JATS自身には名前空間の記法を使わなくてよいことになってるようです。J-STAGEとはJATSのバージョンが異なりますが次を参照してください-> About a JATS Namespace - Journal Publishing Tag Library NISO JATS Version 1.3 (ANSI/NISO Z39.96-2021) ↩

  8. Element: namespaceURI プロパティ https://developer.mozilla.org/ja/docs/Web/API/Element/namespaceURI ↩

  9. 変換の最後に名前空間宣言の1行を削除するという手もなくはない…(^_^;) ↩

  10. @id Document Internal Identifier (文書の内部識別子) https://xml-sch.com/jats/tag-library/ver2/1.1-J/attribute/id.html ↩

  11. 章節⁠、図表⁠、参考文献⁠、所属などの番号を参照する⁠。 - VFMで学会論文を書いてVivliostyleで組んで投稿する[後編] https://gihyo.jp/article/2025/02/vivliostyle-05-2#gh2Xq8vaNb ↩

  12. Label (of an Equation, Figure, Reference, etc.) ((等式、図、参考文献などの) ラベル) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/label.html ↩

  13. X (cross) Reference (相互参照) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/xref.html ↩

  14. Tagging Affiliations https://xml-sch.com/jats/tag-library/ver2/1.1-J/chapter/tag-affiliations.html ↩

  15. @ref-type Type of Cross-Reference (相互参照の種別) https://xml-sch.com/jats/tag-library/ver2/1.1-J/attribute/ref-type.html ↩ ↩2

  16. 全文XML利用者向けマニュアル 全文XML作成手順書(JATS1.1 版)第2.1版 (PDF) https://www.jstage.jst.go.jp/static/files/ja/zenbun-xml-jats1_1-manual.pdf ↩

  17. <name-alternatives> Name Alternatives (個人名複数併記) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/name-alternatives.html ↩

  18. <named-content> Named Special (Subject) Content (名前付特別 (主題) コンテンツ) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/named-content.html ↩

  19. @content-type Type of Content (コンテンツ種別) https://xml-sch.com/jats/tag-library/ver2/1.1-J/attribute/content-type.html ↩

  20. @specific-use Specific Use (特定用途) https://xml-sch.com/jats/tag-library/ver2/1.1-J/attribute/specific-use.html ↩

  21. <styled-content> Styled Special (Subject) Content (装飾された特別(主題)コンテンツ) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/styled-content.html ↩

  22. @style Style (NISO JATS table model; MathML Tag Set) (様式 (NISO JATS 表モデル; MathML タグセット)) https://xml-sch.com/jats/tag-library/ver2/1.1-J/attribute/style.html ↩

  23. @style-type Style Type (スタイルの種別) https://xml-sch.com/jats/tag-library/ver2/1.1-J/attribute/style-type.html ↩

  24. <preformat> Preformatted Text (フォーマット済テキスト) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/preformat.html ↩

  25. <code> Code (コード) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/code.html ↩

  26. <pre>: 整形済みテキスト要素 https://developer.mozilla.org/ja/docs/Web/HTML/Reference/Elements/pre ↩

  27. 4.4.3 The pre element - HTML Living Standard https://html.spec.whatwg.org/multipage/grouping-content.html#the-pre-element ↩

  28. <p> Paragraph (段落) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/p.html ↩

  29. 学会によってはLaTeXスタイルファイルで、「所属」と「現在の所属」とでLaTeXのコマンドを変えている例もあります。ページに組んだときに現在の所属先に「現在」と表示しようとすると、そのようにコマンドを設計するでしょう。 ↩

  30. <table-wrap> Table Wrapper (表ラッパー) https://xml-sch.com/jats/tag-library/ver2/1.1-J/element/table-wrap.html ↩

  31. 参照 (書誌学) - Wikipedia https://ja.wikipedia.org/wiki/%E5%8F%82%E7%85%A7_(%E6%9B%B8%E8%AA%8C%E5%AD%A6) ↩

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?