博客园期刊杂志格式规范（讨论稿）

跟本文相关的代码可以从这里下载

昨天发了一个关于博客园电子杂志格式设想，今天把我设计的一个实施方案放上来，并说说我的思路。

我做了三个文件，一个XML Schema，用来规范期刊上文章的格式，还有一个测试用的XML文件，以及我自己设计的一个样式XSL（大家可根据自己需要自行定制格式信息，包括XSL以及CSS规范）。如果大家安装了XMLSPY 2004的化，查看起来可能更方便一些。

XML Schema的内容如下：

其中大多数内容都不用我再解释，我只解释其中一部分：

CreativeCommons

CreativeCommons为创作共用标记，由一系列标记值组成，其Schema是：

  <xs:simpleType name="CreativeCommonsType">
    <xs:restriction base="xs:string">
      <xs:enumeration value="Attribution"/>
      <xs:enumeration value="Noncommercial"/>
      <xs:enumeration value="No Derivative Works"/>
      <xs:enumeration value="Share Alike"/>
    </xs:restriction>
  </xs:simpleType>

是一个枚举类型，其值可以是"Attribution"、"Noncommercial"、"No Derivative Works"和"Share Alike"中的一个或多个。

MainContent

MainContent是文章正文部分，为了能够解析正常，不要忘了在XML文件对应的MainContent节点下应用HTML的命名空间。例如：

<MainContent>
 <DIV xmlns="http://www.w3.org/TR/REC-html40">
 ......
 </DIV>
</MainContent>

这样DIV内部的所有元素默认命名空间都是HTML命名空间了，防止出现命名冲突。

Classification

Classification为文章分类节点。我的思路是：博客园可以定制多种分类方法，今后甚至允许个人定义自己的分类算法，某篇文章在这一系列分类中拥有自己的"坐标"和"权重（关联度）"。未来在检索时，我们可以用不同分类进行交叉检索，并依据权重排序。

例如：

我们设立如下两个分类：

按语言分（ClassifyMethodID：001）
 C#（ClassificationID：001001）
 VB.NET（ClassificationID：001002）
 VC++（ClassificationID：001002）

按技术分（ClassifyMethodID：002）
 开源技术（ClassificationID：002001）
  DNN 3.0（ClassificationID：002001001）
  NHibernate（ClassificationID：002001002）
 ASP.NET（ClassificationID：002002）
 ADO.NET（ClassificationID：002003）
 
假如有篇文章是关于ASP.NET网站开发的，用C#编写，用到了ADO.NET技术以及NHibernate技术，我们就可以在XML中如下描述其分类：

<Classification>
   <ClassifyMethod ClassifyMethodID="001">
      <Coordinate ClassificationID="001001" Weight="0.6"/>
   </ClassifyMethod>
   <ClassifyMethod ClassifyMethodID="002">
      <Coordinate ClassificationID="002001002" Weight="0.9"/>
      <Coordinate ClassificationID="002002" Weight="1"/>
      <Coordinate ClassificationID="002003" Weight="0.3"/>
   </ClassifyMethod>
</Classification>

可以从中看出，文章最贴近的技术是ASP.NET，与NHibernate也有很大关联。但ADO.NET技术应用不很多。未来想检索ASP.NET中应用NHibernate技术的文章，通过交叉定位就可以很容易找到相关内容。权重也可用来对结果排序（排序方案我还没有想好）。

分类方案一旦确定后，由博客园统一进行编码，并定期发布最新编码方案（也可以用XML格式）。这些编码一旦确立后，就不允许再进行修改。同时可以开放一个编码段，供用户自己设置编码。未来一旦期刊采用智能客户端技术，这些自己定义的分类方案可以附加在XML文章后，供自己参考（说得有些远了，而且这一点我还没有考虑好）。

XSL格式输出

XSL文件可以自己编写，我提供了一个方案，不太好看，但足以说明问题。这样文章就具有了换肤的功能。大家可以下载文件，用IE打开XML文件看看应用样式后的结果。自己也可以修改XSL文件和CSS样式表，提供新的界面效果。

其它

上篇随笔中我建议使用GUID作为图片名，后来我发现博客园每篇文章都有ID号（从地址栏中可以看出来）。如果这个ID号不重复的化，就可以作为期刊文章ID使用。另外，该文章的所有图片可以在文章ID后面添加"-1"、"-2"序号。这样可以很容易找到某文章所包含的图片。就像我在images目录下给出的两个图片的命名一样。

另外，目前我在Schema中设置的分类权重是从0.1～1。但我认为太细了。一个评阅人很难评阅出关联度到底是几。所以是否可以考虑1、0.6、0.3这三个档次，分别表示非常关联、很关联和有些关联。这样反而会提高分类准确度。因为每个评阅人的心理评价标准各不相同，如果一个人认为0.5，另外一个人可能认为0.6，这样的化还不如设置三个权重档次好。

既然是XML，那么要求所有文章的HTML必须遵循XML规范，这可以使用FrontPage 2003实现。将修正好的HTML放到MainContent节点下面（不要忘了命名空间的事）。