Tema 2.- Texto.

Tema 2.-

Texto.

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 1/36

 Tema 2.- Texto.

ficheros, tablas de color, definición de estilos y marcas de revisión. La sintaxis del mismo
es de la forma:

• Area de Documento (Document), donde se encuentra la codificación de: grupos de

información, propiedades de formato del documento, texto y propiedades de la sección,
cabeceras y pies de páginas, párrafos y propiedades, sangrías, listas, bordes y sombras de
párrafos, posición de objetos y marcos, tablas, caracteres y propiedades de los mismos,
caracteres especiales, bokmarks, imágenes, objetos de Macintosh Edition Manager
Publisher, notas a pie de página, anotaciones, índice, tabla de contenido y bidirectional
language support. La sintaxis de este área es de la forma, siguiente

Adobe PostScript.

Es un lenguaje de programación desarrollado por Adobe Systems Inc. © para describir la apariencia
de una página (Page Description Language o lenguaje de descripción de páginas) a una impresora u otro
dispositivo de salida, incluyendo elementos como texto, gráficos e imágenes. Desde su introducción en
1985, el lenguaje PostScript ha sido utilizado en el campo de la edición profesional para realizar
impresiones de gran calidad. Es posible encontrar dispositivos de tecnología Adobe PostScript en un
amplio abanico de configuraciones de dispositivos de salida: impresoras en blanco y negro, impresoras
color, monitores y prensas digitales (direct digital presses) y de alta calidad (imagesetters, platesetters).
Además, esta tecnología está presente en los principales sistemas de control del color de alta calidad y
fiabilidad, en diferentes plataformas.

PostScript es un lenguaje orientado a objetos de carácter vectorial, que describe las páginas como
una serie de objetos geométricos abstractos, es decir, en base a coordenadas, formas, curvas y funciones
en lugar de describirlas a un nivel detallado enviando el valor de cada pixel de la página (mapa de bits).

Los tipos de letra PostScript se denominan outline fonts porque definen el contorno (outline) de
cada carácter. Son fuentes que se denominan escalables porque su tamaño puede modificarse con las
órdenes de PostScript. A partir de una sencilla definición de un tipo de letra (typeface), una impresora
PostScript puede producir un gran número de tipos de fuentes. Por contra, la mayoría de impresoras
que no son PostScript representan las fuentes como mapas de bits por lo que para poder imprimir un
estilo de fuente (de letra ó de un tamaño) diferente, necesitan realizar un mapa de bits nuevo para cada
tamaño.

La principal ventaja de los gráficos vectoriales sobre los mapas de bits es que la representación de
imágenes puede aprovechar las características de los dispositivos de salida de gran resolución mientras
que los mapas de bits no pueden.

Un dibujo en PostScript se ve mucho mejor cuando es impreso a 600 dpi que a 300 dpi. Un mapa
de bits se ve por igual en ambas impresoras. Cada impresora PostScript contiene un intérprete que
ejecuta las órdenes PostScript. Si la impresora no viene con soporte PostScript es posible adquirir el
correspondiente driver que realice esta labor.

Existen tres versiones básicas de PostScript: Level 1, Level 2 y PostScript 3. El Level 2, que apareció
en 1992, tiene un mejor soporte para impresión en color. PostScript 3 (1997), soporta un mayor número
de fuentes, mejor soporte de gráficos e incluye diferentes características para acelerar la impresión en
PostScript.

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 7/36

 Tema 2.- Texto.

Adobe PDF.

En la historia reciente de la informática se ha evidenciado que la compatibilidad de formatos en

los documentos es la piedra angular de la difusión de la información. Algunos problemas comunes son
los siguientes:
• Los receptores no pueden abrir los archivos porque no tienen las aplicaciones que se
usaron en la creación de los documentos.
• El formato, las fuentes y los gráficos se pierden debido a incompatibilidades entre
plataformas, software y versiones.
• Los documentos no se imprimen correctamente debido a limitaciones del software o
de la impresora.

Una nueva categoría de software (portable document applications) ofrece el mejor balance entre
todos estos factores. Combina el soporte multiplataforma con la calidad de formato de página de las
aplicaciones de DTP (desktop publishing), incluyendo también la calidad de fuentes del lenguaje
Postscript, el tamaño compacto del fichero (similar al de algunos formatos de imágenes comprimidos) y
un sencillo interfaz diseñado por y para usuarios típicos (no programadores) de sistemas informáticos.

El PDF (Portable Document Format) es un formato de publicación electrónica diseñado y licenciado

por Adobe Systems Inc.© que se ha convertido en un estándar de facto en la distribución de documentos
electrónicos en todo el mundo. Es un formato de archivo universal que preserva todas las fuentes, el
formato, los colores y los gráficos (además de hipervínculos y controles ActiveX) de cualquier
documento fuente, sin que importe la aplicación ni la plataforma usadas en su creación.

Está basado en el lenguaje Postscript y como éste, describe los tipos de letras, imágenes y otros
elementos de una página como una serie de objetos y relaciones matemáticas. Por tanto, los ficheros
PDF son independientes de dispositivos y pueden adaptarse a la resolución que ofrece la tecnología en
cuanto a monitores o impresoras.

Los archivos PDF son compactos (más pequeños que sus archivos fuente y se descargan de
página en página para una visualización más rápida en la Web) y pueden compartirse, visualizarse e
imprimirse fielmente a su formato original con el único requisito de instalar en su sistema el Adobe
Acrobat © Reader, que Adobe licencia de forma gratuita. Los archivos PDF pueden publicarse y
distribuirse en todas partes: impresos, adjuntos en un mensaje de correo electrónico, en servidores
corporativos, en sitios web o en CD-ROM.

Aunque es posible crear documentos PDF utilizando los códigos de Postscript, el método
preferido es crear los documentos en una aplicación de desktop publishing, un procesador de texto, un
editor de gráficos u otro tipo de aplicaciones y reformatearlo a PDF con una de las herramientas de la
suite Acrobat. Una vez convertido en formato PDF, este software permite incluir marcadores, vínculos
entre documentos, vínculos en la Web, formularios activos, opciones de seguridad, sonido y vídeo.

En resumen, la ventaja de crear archivos en otras aplicaciones y convertirlos a PDF es que el

proceso es rápido y sencillo, el documento final en PDF mantiene el formato de página, las fuentes y la
calidad de imágenes del original y además, permite al usuario seguir utilizando las herramientas que le
son familiares.
PostScript vs PDF

Para finalizar este punto dedicado a Adobe PDF, lo haremos realizando una comparativa entre
este estándar y el PostScript, con la intención de despejar las diferencias entre Adobe® PostScript® y
PDF. Puesto que es posible leer que “PDF reemplazará a PostScript”, revisaremos cada uno desde un
nivel lo suficientemente técnico como para desvanecer el misterio.

Recordemos que PostScript es un lenguaje de descripción de páginas (un lenguaje de

programación, muy similar a los que utilizan los ingenieros para construir aplicaciones, como por
ejemplo Pascal o C). Hecho que es posible comprobar examinando el contenido de un fichero en

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 8/36

 Tema 2.- Texto.

formato PS: se puede ver un "programa" escrito en lenguaje PostScript. Este, en sus orígenes se utilizaba
de forma directa: después de estudiarse el manual de referencia, era posible empezar a introducir
“código” PostScript en un fichero de texto, que después se debía enviar a la impresora para ver el
resultado.

A diferencia de los lenguajes de programación, PostScript está diseñado para una única cosa:
describir de forma precisa lo que debe aparecer en una página. Pero como aquellos, necesita ser
procesado o ejecutado, esto lo realiza una combinación de software y hardware (que típicamente reside
en una impresora) y que se llama RIP (Raster Image Processor). Un RIP toma el código PostScript y lo
traduce a puntos en una página. Es por esto que un dispositivo PostScript se dice que lee e interpreta
PostScript, produciendo información gráfica que forma una imagen sobre un determinado soporte
(pantalla, papel, película o molde de impresión). También es posible trabajar con ficheros EPS
(Encapsulated PostScript) que, simplemente, son un programa PostScript, guardado en forma de fichero
que incluye una versión de menor resolución visualizable "encapsulada" en su interior, permitiendo de
esta forma que existan aplicaciones capaces de mostrar su contenido en pantalla. Para distribuir un
archivo en formato PostScript hay que crear un fichero en disco, que puede ahora ser distribuido
independientemente de su origen o como un archivo EPS para el caso de gráficos.

En este sentido sí que es cierto que PDF puede considerarse como un “reemplazo” para
PostScript. PDF no es el fututo del lenguaje PostScript o de los intérpretes de PostScript de impresoras y
otros dispositivos de salida.

Ahora que se ha aclarado lo que es PostScript, volvamos sobre PDF. Este, es un formato de
fichero, como EPS. Lo que sucede es que PDF está construido sobre el lenguaje PostScript, pero lo ha
llevado un paso más allá. PostScript, se diseñó para describir el contenido de una página, lo cual hace
también PDF, pero además recoge la información acerca de no sólo como debe parecer una página, sino
también como se comporta y qué tipo de información está contenida en el fichero. Por lo que PDF es un
formato de fichero más “inteligente” que EPS. Un archivo PDF puede contener fuentes de letras,
imágenes, instrucciones de impresión, palabras clave para realizar búsquedas y catalogaciones,
marcadores, enlaces interactivos, vídeos, mecanismos de protección, etc.

Un fichero PDF es, realmente, un fichero PostScript que ya ha sido interpretado y descompuesto
en objetos claramente definidos. Estos objetos son visibles en pantalla, no como código, sino como la
apariencia final de tales objetos que cualquiera puede ver. Puesto que ya han sido interpretados son
más fiables que un archivo EPS o PS y puesto que estos pueden ser convertidos a formato PDF y
visualizados en pantalla es posible descubrir posibles errores en la operación de impresión

Para imprimir un fichero PDF, sin embargo, aún hay que reconstruir los objetos PDF a la página y
una impresora PostScript sigue siendo la forma más fiable de hacer este proceso. De hecho, existen
impresoras que reconocen el lenguaje PostScript y el PDF. Y algunas utilizan una tecnología para
convertir los trabajos a imprimir en PDFs.

Para concluir, PDF puede reemplazar a EPS y ser utilizado como formato de distribución para
envío de publicaciones completas a la imprenta, comprobación de resultados en maquetación,
distribución en Internet y almacenamiento de ficheros puesto que es totalmente autocontenido. Pero,
para imprimir PDF con la mayor calidad se precisa de un dispositivo, al menos compatible, Adobe
PostScript para obtener una buena calidad.

2.3. Estándares orientados a contenidos web

Para entender mejor los estándares que se describen en este punto y en particular, el SGML
(Standard Generalized Markup Language), haremos primero una breve reseña histórica de las diferentes
aproximaciones empleadas en la definición del formato electrónico de un texto: desde el procedural
(procedural markup), pasando por el genérico (generic coding) hasta el generalizado (generalized markup).

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 9/36

 Tema 2.- Texto.

El término empleado “markup” (marcado) proviene del vocablo “mark-up”, empleado

típicamente en el campo de la impresión tradicional, donde junto al manuscrito original se anotaban a
mano detalles de formato para el tipógrafo (tipos de fuente, tamaños, atributos,...) que permitían
mejorar la apariencia final del documento impreso. En un documento electrónico, la acción de marcado
se relaciona con la inclusión de códigos, junto al propio texto del documento, que almacenan la
información necesaria para el posterior procesado electrónico. Nos estamos refiriendo por ejemplo a
tipos de letra, tamaño, márgenes, sangrías, ..., o en el caso de SGML, a detalles sobre la propia estructura
del documento.

Inicialmente, estas operaciones de inclusión de códigos se realizaban de forma procedural. En

este caso, tal como se hacía en los primeros procesadores de texto (Wordstar, WordPerfect, Olitext, etc.)
era necesario realizar una especificación pormenorizada de todos los detalles relacionados con la
apariencia final del texto. A la información añadida se le denominaba “marca” (de markup) y se
almacenaba en forma de códigos especiales junto con el texto. Este enfoque se denomina procedural
porque es una especie de procesado que realiza el dispositivo de salida.

No obstante, esta primera aproximación tenía sus limitaciones:

• La información acerca de la estructura del documento se pierde. El usuario diseña la
apariencia del documento a partir de su estructura, pero sólo almacena el formato.
• No es ni portable ni flexible. Cualquier deseo de cambio en la apariencia final del
documento, supone modificar manualmente cada uno de los códigos de control aplicados
(supóngase por ejemplo, que se desea cambiar los atributos aplicados a los títulos).
Además, los códigos suelen ser dependientes de la aplicación, lo que reduce su
portabilidad.
• Su aplicación requiere mucho tiempo y son frecuentes los errores.

Como evolución de este sistema, la introducción de macros dio origen a la “codificación

genérica” (generic coding).

Las macros reemplazan a los controles con llamadas a procesos de formato externos. Un
identificador genérico o etiqueta (tag) se asocia a cada estilo de texto que a su vez, tienen unas reglas de
formato predefinidas para cada uno de ellos. El proceso encargado de dar formato al texto, da
finalmente la apariencia a los documentos para ser reconocidos por el dispositivo de salida
correspondiente.

Las ventajas de este enfoque sobre el anterior son:

• Consigue mayor portabilidad y es más flexible. Para cambiar la apariencia final del
documento basta con cambiar las reglas asociadas a los estilos correspondientes y las
modificaciones se relizan die forma automática en todo el documento (recuérdese el
ejemplo de los títulos).
• El proceso de marcado está más relacionado con la descripción de estructura del
documento que con los atributos en sí mismo, quie como hemos razonado en el punto
anterior, son modificables. Típicamente se asignan etiquetas que corroboran este hecho:
título, cita, cuerpo del texto,...Por tanto, realizar procesos automáticos en el texto es
posible, piénsese por ejemplo en la elaboración de un índice a partir de los títulos.

La extensión del enfoque anterior (generic coding) da lugar a la definición de un lenguaje de

marcado generalizado (Generalized Markup Language o GML) que supone incorporar dos nuevas
características en el marcado:
• Debería describir la estructura del documento más que especificar las reglas de formato a
aplicar sobre el texto. Como en el caso anterior, este tipo de marcado sólo es necesario
hacerlo una vez y será suficiente para cualquier tipo de procesos aplicados.
• Debería ser definido formalmente, de modo que las técnicas disponibles para procesar
objetos como programas o bases de datos, fueran aplicables para procesar documentos.

En el próximo punto, abordaremos este último enfoque describiendo los fundamentos del
estándar correspondiente.

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 10/36

 Tema 2.- Texto.

2.3.1. SGML (Standard Generalized Markup Language).

SGML fue desarrollado en 1986 por ISO (ISO 8879) como estándar de lenguaje de marcado
generalizado para el intercambio de documentos en soporte electrónico, su almacenamiento y
procesado. El desarrollo de SGML empieza en la década de los 80, convirtiéndose en uno de los
estándares de ISO más populares. Muchas instituciones y empresas importantes, especialmente aquéllas
que tienen necesidades complejas de proceso de documentos, contribuyen a darle un fuerte impulso: el
DoD (US Department of Defense), AAP (Association of American Publishers), Hewlett-Packard y Kodak.

SGML es la base de dos estándares esenciales en Internet:

• HTML, el estándar más usado en la realización de páginas Web.
• XML, una solución más flexible para la publicación de documentos on-line y para
aplicaciones de comercio electrónico.

SGML está especialmente indicado en contextos donde se trabaja con documentos extensos que
sufren revisiones frecuentemente y de los que además, es necesario ofrecer diferentes formatos finales
(visual appearance). Por su complejidad, su difusión no ha alcanzado directamente a los usuarios de los
computadores personales. Sin embargo, el crecimiento de Internet y especialmente el de la World Wide
Web, ha hecho florecer el interés en SGML puesto que la Web utiliza HTML, que es una forma de definir
e interpretar marcas de formato de acuerdo a las reglas de SGML.

SGML se utiliza para escribir Definiciones de Tipos de Documentos (Document Type Definitions
o DTDs), que son descripciones de clases de información estructurada. Podemos verlas como un
conjunto de reglas que describen las cosas que están permitidas y las que no, en un tipo de documento
SGML, de forma que éstos son formateados de acuerdo a un DTD. Los DTDs no dicen cómo se deben
procesar los documentos, esto es, cómo aparecerán por ejemplo en la versión impresa, puesto que ello
dependerá finalmente de otras aplicaciones / dispositivos. Por tanto, SGML no especifica ningún
formato en particular, sino que sólo dicta las reglas de cómo marcar los diferentes elementos.
Finalmente, estas marcas pueden interpretarse de diferentes formas.

El objetivo principal de SGML es especificar la estructura de un documento. A diferencia de otros

estándares para documentos electrónicos, SGML ignora las páginas o su apariencia y se concentra
únicamente en su estructura, lo que le proporciona toda su flexibilidad y potencia. SGML busca
describir la estructura de un documento, basado en el hecho de que el proceso que se haga sobre él
(formato final, impresión, búsquedas, etc.) dependerá en gran medida de dicha estructura

Desde un punto de vista no demasido formal, la estructura del documento hace referencia al
conjunto de elementos incluidos en el mismo y a las relaciones entre ellos. Por ejemplo, un título, un
resumen, las palabras clave, secciones y párrafos son elementos típicos de un artículo de investigación.
Estos elementos responden a una jerarquía donde los elementos raíz, como por ejemplo las secciones,
están realizadas a partir de elementos más simples como títulos y párrafos. Por supuesto que otras
muchas variantes son posibles en esta estructura, de hecho, podemos encontrar artículos con una
estructura más compleja.

No obstante, debe quedar claro que SGML no impone una estructura a los documentos sino que
se adapta a ellos. Esta capacidad es su principal ventaja, ya que partir de la estructura se pueden
automatizar un gran número de diferentes tratamientos, entre otros:
• Dar formato: es la más trivial, a partir de la estructura se pueden decidir los atributos
correspondientes. Por ejemplo, los títulos en un tipo de letra más grande y en negrita,
mientras que el nombre del autor puede tener un tamaño más pequeño y su filiación
(institución a la que pertenecen), en el mismo tamaño de letra y cursiva...
• Indizar: es simplemente cuestión de extraer los elementos relevantes. Por ejemplo, puede
bastar con utilizar las palabras clave propuestas por el autor en el caso de los artículos (o
a partir de esa propuesta buscar correspondencias con una lista estructurada de términos
o “tesauros”).

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 11/36

 Tema 2.- Texto.

• Hacer conversiones sobre la estructura, puesto que ésta es una información de gran
contenido semántico. Además siempre se realizan a partir de la forma original, con lo que
no se pierde información, ni se precisa de un excesivo consumo de recursos para su
almacenamiento.
• Adaptar el documento a diferentes dispositivos de salida (impresoras y/o pantallas): este
es un campo muy utilizado, puesto que SGML permite adaptarse a las características de
cada dispositivo (por ejemplo, utilizar colores cuando sea posible u otros)

La idea detrás de SGML es crear los documentos una vez y utilizarlos tantas veces como sea
posible sin rehacerlos. Las tecnologías de la información que se aplican hoy en día a datos altamente
estructurados (bases de datos relacionales, EDI tradicional, etc.) representan una parte relativamente
pequeña de la información de una compañía. El resto de la información podría también aprovechar sus
beneficios, mediante el uso de técnicas formales sobre todo tipo de documentos (información).

SGML ha sido utilizado para la redacción de libros, artículos, informes técnicos y documentos
hipermedia, tanto en formato electrónico como en el tradicional papel (documentos como los HOW-TO
de Linux son un buen ejemplo). SGML no se limita a aplicaciones de carácter textual, sino que también
se ha utilizado con éxito en aplicaciones de EDI y otras formas estructuradas de intercambio electrónico.

2.3.2. HTML ( HyperText Markup Language).

Es un formato no propietario basado en SGML (Standard Generalized Markup Language) y como se

detallará en la sección siguiente, es un ejemplo de DTD (Document Type Definitions) utilizado en la
World Wide Web. En HTML, los títulos, cabeceras, párrafos, etc. están indicados como tales en el
documento, siendo posible también la inclusión de enlaces, gracias a las posibilidades hipermedia de
este lenguaje. Sin embargo, hay que hacer notar que, dependiendo del visualizador utilizado (Mosaic,
Cello, Lynx, Minuet, kfm, Netscape, IE,...), el aspecto final de los diferentes elementos incluidos en el
documento, puede ser diferente.

Un documento en HTML está codificado en "texto plano" (plain-text o ASCII) por lo que puede ser
generado con casi cualquier editor de texto: desde el vi o emacs en sistemas UNIX; pasando por
SimpleText en un Macintosh; con el bloc de notas o el WordPad en un sistema Windows y por supuesto,
con cualquier editor “WYSIWYG”. En general, con cualquier procesador de texto que permita guardar
los documentos en formato de texto.

El formato del documento se especifica mediante pares de códigos de control (también

denominados marcadores o tags) que indican el inicio y el fin de determinada opción de formato
aplicable al texto situada entre ambos. Los códigos de control comienzan con el símbolo "<" y terminan
con el símbolo ">". La mayoría tienen su correspondiente marcador de final, que en este caso serán
similares al inicial, pero incluyendo el carácter "/", por ejemplo <title> texto del título </title>.

De acuerdo con el estándar, para que un fichero sea reconocido como documento HTML deberá
incorporar la identificación del tipo de documento (mediante el marcador <html> al principio y </html>
al final del fichero) y tendrá una estructura básica que consta de la cabecera (<head>) donde se incluye el
título (<title>) y el cuerpo del documento (<body>) que incluye los contenidos del documento. El fichero
debe tener además la extensión ".html" (ó ".htm").

[Link]. PDF vs HTML.

Para finalizar este punto, vamos a realizar una comparación entre PDF y HTML, señalando las
ventajas e inconvenientes de cada uno de estos estándares. Este estudio puede servir de ayuda para
decidir cuál de ellos utilizar en función del contexto. Acrobat PDF puede, bajo las circunstancias
adecuadas, ser considerado como una alternativa a la distribución de documentos en formato HTML. Si
bien ambos formatos pueden ser equivalentes en cuanto a opciones de portabilidad, búsquedas y
enlaces, cabe recordar que los puntos fuertes de PDF son los referidos a la definición de la apariencia

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 12/36

 Tema 2.- Texto.

final (layout) del documento, que no pueden asegurarse con HTML. Mientras los documentos PDF están
estructurados en páginas y por tanto, son visualizables e imprimibles página a página, los documentos
HTML son “continuos” (scrollable), por lo que no permiten ese tipo de control ni en la visualización ni
en la impresión (dependerán siempre de los dispositivos utilizados). Sin embargo, los documentos
HTML son más fácilmente modificables (si se piensa en una actualización continua para uso en la web).

Por otro lado, PDF no puede rivalizar en el tamaño de los ficheros (mucho más pequeño en el
caso del “texto plano” de HTML), por lo que su transmisión será más lenta. Y por último, PDF es un
formato propietario que requiere de un software de edición y visualización de un determinado
fabricante (el visor se distribuye gratuitamente), mientras que HTML, al ser un estándar abierto,
permite múltiples posibilidades de edición y visualización. El éxito de la WWW ilustra la fuerza y los
beneficios de distribuir documentos en un formato de fichero multiplataforma (de gran
compatibilidad). Los documentos codificados en el sencillo HTML pueden ser visualizados en gran
variedad de entornos (sistemas informáticos basados en, por ejemplo, Unix, DOS, Windows, NT, o
Macintosh).

Sobre este formato quedan dos cuestiones por resolver: el coste de convertir documentos de otros
formatos a HTML y la pérdida de control que el autor del documento tiene sobre el formato final del
mismo (tipos de letras y formato de la página).

2.3.3. XML ( eXtensible Markup Language).

XML es un nuevo estándar para Web publicado por el W3C (World Wide Web Consortium), la
organización encargada de desarrollar y promover la Web. XML es un estándar para crear documentos
electrónicos en Internet. La primera aplicación de XML es crear páginas Web similares a las ya
existentes, pero más "inteligentes". Otros marcos potenciales de aplicación de XML son: mensajes EDI
messages, definición de canales (channel definition for push technology), descripción de aplicaciones,
intercambio de datos entre aplicaciones, etc.

Para entender XML es útil conocer HTML primero. HTML define todos los marcadores que
constituyen la jerga de los elementos que pueden aparecer en un documento y que componen las
páginas Web. Estos incluyen títulos, párrafos, hiperenlaces, listas, tablas, imágenes, applets de Java, etc.
Sin duda, que constituyen una larga lista de códigos, pero también constituye un límite a la definición
de nuevas necesidades no especificadas por el estándar.

Sin embargo, en la práctica, HTML nunca define suficientes códigos de marcado. Incluso a pesar
de que la competición entre Netscape y Microsoft ha dado como resultado un buen número de ellos, los
diseñadores de Web siempre están buscando nuevos. Como ejemplo, tomemos un directorio de
empleados, este listado muestra los nombres de los empleados, su número de extensión y su dirección
de correo. Desgraciadamente, HTML no dispone de marcadores para los nombres, las extensiones y las
direcciones de correo; así es que el diseñador tiene que ajustar estos datos al limitado formato de
HTML. A diferencia de HTML, XML no proporciona un conjunto estándar de códigos de marcado. Es el
diseñador el que declara los que le son necesarios en su documento. Para el caso que nos ocupa, podría
declarar un marcador nombre, uno para las extensiones y otro para la dirección de correo. En otras
palabras, en lugar de pelear contra las limitaciones de HTML, el creador del documento personaliza
XML a sus necesidades.

¿Para qué puede servir esto? ¿Qué puede obtenerse de definir sus propios marcadores? En
primer lugar, puesto que se crean ex profeso, son más significativos que los de HTML. Esto crea
documentos "más inteligentes", que pueden ser recorridos de modo más eficiente. Por ejemplo, los
motores de búsqueda podrían ser más eficientes (incluso con determinados marcadores, para precios y
descripciones, los agentes software podrían evaluar la "compra ideal" por catálogo ).

Lo bueno de XML como estándar es que ya está soportado por herramientas disponibles en el
mercado. Por ejemplo, Microsoft , (Internet Explorer 4 o superior) dispone de analizadores para XML
Así como también lo hará Netscape. Estas herramientas (o componentes en terminología de

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 13/36

 Tema 2.- Texto.

programación orientada a objetos) son capaces de leer e interpretar documentos en XML para las
aplicaciones. Que es una tarea compleja por que debe atender a la definición del usuario y comprobar
los posibles errores. De este modo las aplicaciones se desarrollan más deprisa.

Respecto a otras herramientas sobre XML y en concreto a las posibilidades de edición, cabe citar:
• LotusXSL.
• XML Pro o XML Spy , sencillos editores de árboles.
• XmetaL, utiliza una metáfora de procesador de texto, que lo hace muy sencillo de utilizar,
permitiendo al autor olvidarse de los detalles de XML que por debajo está generando y
concentrándose en describir la aplicación.
Ejemplo comparativo entre texto plano, HTML y XML.

Ejemplo 1. Texto Plano

John Citizen, 01/01/2000.

Ejemplo 2. HTML

<html>
<head><title>Name and Date of Births</title></head>
<body>
<table>
<tr>
<td>First Name</td><td>Last Name</td><td>Date of Birth</td>
</tr>
<tr>
<td>John</td><td>Citizen</td><td>01/01/2001</td>
</tr>
</table>
</body>
</html>

Ejemplo 3. XML

<name>
<first>John</first>
<last>John</last>
</name>
<date_of_birth>
<month>January</month>
<day>01</day>
<year>2001</year>
</date_of_birth>

2.4. Otros estándares

2.4.1. MHEG ( Multimedia and Hypermedia Expert Group).

El estándar ISO DIS 13522-1 es un estándar propuesto por el ISO JTC/SC29 WG12, el conocido
como Multimedia and Hypermedia Expert Group o MHEG, del que ha tomado su nombre. Este grupo (el
SC29) ha desarrollado diferentes estándares ISO encaminados a la codificación y compresión de datos
(como por ejemplo JBIG, JPEG y MPEG), con relación a la representación (codificada) de información
multimedia e hipermedia. Está dirigido a aplicaciones interactivas hipermedia y multimedia. En
MHEG, los usuarios proporcionan los datos en diferentes formatos de fichero y él ofrece un método de
identificar una amplia variedad de tipos. Este soporte de diferentes formatos de ficheros puede
proporcionar un mecanismo de intercambio estandarizado independiente de la estructura de los

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 14/36

 Tema 2.- Texto.

ficheros. Permite el intercambio de objetos de información (como unidad básica), tanto en modo de
tiempo real como no, en entornos interactivos y sin diferenciar entre entornos de almacenamiento,
transmisión o difusión.

Los objetos definen la estructura de la aplicación con independencia del sistema. La idea básica
de este estándar es ofrecer medios de intercambio de formatos de ficheros heterogéneos, permitiendo
que el usuario tome la decisión en cuanto a los tipos de ficheros que desea recibir y no restringir el
formato o las estructuras de ficheros que se utilicen para representar información hipermedia y
multimedia, puesto que en sí ofrece un mecanismo estándar de intercambio independiente del
contenido o la estructura del fichero.

Los objetos de MHEG son de cuatro tipos: de entrada (por ejemplo, un botón), de salida (como
puede ser un gráfico), elementos de interactividad (que contienen elementos de entrada y salida) e
"hiperobjetos" (formados por elementos de entrada y salida con enlaces entre ellos). Admite varios
modos de sincronización para la presentación de objetos de salida. Y las aplicaciones, que son conjuntos
de estos objetos MHEG, se basan en utilizar “código declarativo” (declarative code) , pero existen
propuestas de aceptar llamadas a elementos externos (procedural code). Las aplicaciones se construyen
una única vez y se ejecutan en cualquier plataforma que siga las recomendaciones MHEG. El llamado
intérprete o motor MHEG (Interpreter or Engine) es el que se ocupa de ejecutar las aplicaciones y realizar
la interacción con el usuario en las diferentes plataformas (PC, terminales de televisión digital...).

El tipo de aplicaciones para el que se pensó MHEG-5 es del estilo de (aunque no se debe limitar
a): vídeo bajo demanda (VoD,Video on Demand), compra desde casa, juegos, educación e informativos.
Su filosofía es la de permitir la distribución de aplicaciones multimedia interactivas sobre una
arquitectura cliente/servidor independiente de plataforma.

Los objetivos del estándar MHEG que de forma gráfica se resumen en la Figura 2 y Figura 3 son:

• Intercambio: MHEG proporciona facilidades para el intercambio de diferentes tipos de

medios. Estos media puede estar codificados de acuerdo a algún estándar (por ejemplo,
JPEG, MPEG..., u otros propietarios). Para ello se definen unidades de intercambio que
agrupan a diferentes tipos de medios.
• Presentación: MHEG soporta la reproducción de diferentes tipos de medios (audio,
vídeo, texto...). El tipo de medio se identifica para permitir el uso de los recursos y
servicios apropiados para su presentación (reproducción, visualización ,... ). Por otro
lado, para permitir la sincronización (en el tiempo y en el espacio), la interacción con los
medios y la modificación de la presentación (volumen, tamaño o posición) a través de la
agrupación de tipos de medios en una única presentación.
• Recursos mínimos: MHEG se diseñó para ser utilizado en sistemas con una baja
disponibilidad de recursos.
• Tiempo Real: MHEG contempla el intercambio y la presentación de información
multimedia en tiempo real.

Figura 2. MHEG define unidades de intercambio como identificativos de información multimedia.

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 15/36

 Tema 2.- Texto.

Figura 3. Intercambio de objetos MHEG.

De forma breve, el estándar MHEG se ha desarrollado en las siguientes partes, bajo el título
genérico de Information Technology- Coding of multimedia and hypermedia information:

• Parte 1(MHEG-1) - Representación de objetos MHEG, notación básica (ASN.1): Define

los objetos multimedia, su comportamiento, las acciones que se pueden aplicar y su
representación para el intercambio en ASN.1 (Abstract Syntax Notation One), que permite
a los intérpretes de MHEG compartir objetos MHEG. MHEG-1 describe un modelo para
la creación de representaciones de objetos, pero no está interesado en la ejecución de las
presentaciones, finalizó en 1994.

• Parte 2 (MHEG-2) - Representación de objetos MHEG, notación alternativa (SGML):

Define un marco de trabajo SGML sobre MHEG-1. Sin embargo, debido a la deficiente
gestión de recursos que supone se canceló antes de su finalización.

• Parte 3 (MHEG-3) - Representación MHEG de código para intercambio: Define un

código ejecutable para la utilización de una máquina virtual, la SIR (Script Interchange
Representation), que puede verse como un lenguaje de scripts cuyo código es
independiente de la máquina y el sistema operativo(finalizó en 1995).

• Parte 4 (MHEG-4): Procedimientos de registro MHEG: Es un soporte para el

procedimiento oficial (ISO) de asignación de identificadores para los formatos utilizados
por las diferentes partes de MHEG. MHEG-4 alcanzó el estado estándar internacional in
1995.

• Parte 5 (MHEG-5) - Soporte para aplicaciones interactivas de nivel básico: Creado con la
intención de desarrollar un intérprete de MHEG que precise de pocos recursos. Este
intérprete light está pensado para ser utilizado en un set-top-box (con poca memoria,
capacidades de cómputo limitadas, ...). Además, MHEG-5 proporciona un interfaz a
código externo (un intérprete de scripts).

Su principal objetivo es dar soporte a la distribución de aplicaciones interactivas

multimedia/hipermedia dentro de un esquema de arquitectura cliente/servidor multiplataforma con
elementos de muy diferentes características.

Figura 4. Modelo de referencia general de MHEG-5.

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 16/36

 Tema 2.- Texto.

Las aplicaciones residen en un servidor y conforme se van requiriendo las partes de una
aplicación son "descargadas" al cliente. El intérprete MHEG-5 reside en la parte del cliente y es su
responsabilidad interpretar las partes de la aplicación y presentarla al usuario, así como ocuparse de la
interacción con el mismo.

Figura 5. MHEG-5 sobre MHEG-6.

• Parte 6 (MHEG-6) - Soporte para aplicaciones interactivas complejas: Creado con la

intención de extender las capacidades básicas de MHEG-5 añadiendo capacidad de
cálculo (proceso complejo de datos) y funciones de comunicación con el entorno externo,
como por ejemplo servidores, drivers de dispositivos locales, ... Para ello, MHEG-6 utiliza
objetos de tipo Program y Applet codificados utilizando la representación bytecode de
JavaTM como formato de intercambio. La máquina virtual Java interpreta este formato y
un conjunto básico de APIs de Java ([Link], [Link], [Link]) permiten el acceso a las
funcionalidades básicas de la plataforma. Un interfaz de programación habilita el acceso
de los programas a los objetos de MHEG-5 y a los servicios del intérprete MHEG-5: el
MHEG-5 API (definido como una especificación de Java y que consiste de un único
paquete Java denominado iso.mheg5).

MHEG-6 está pensando principalmente para dar soporte a la distribución de aplicaciones

interactivas (en modo client/server) ejecutándose en plataformas de recursos limitados (set-top-boxes)
con canales asimétricos de comunicación (cuyos contenidos en el canal de "descarga" son típicamente
informaciones de carácter audiovisual ). MHEG-6 extiende la funcionalidad de las aplicaciones MHEG-5
añadiendo las funcionalidades de:
• manipulación de objetos MHEG-5,
• cálculos que incluyen manejo de variables y control de estructuras,
• control de dispositivos externos,
• adquisición de datos,
• acceso a datos y servicios externos.

Parte 7 (MHEG-7) - Test de conformidad e interoperabilidad: Está también en desarrollo y su

objetivo es especificar las pruebas de conformidad para los intérpretes de MHEG-5. Para lo cual,
MHEG-7 define un conjunto de pruebas para validar un motor de MHEG-5 de acuerdo con un dominio
de aplicación específico.

Para terminar esta aproximación a MHEG, vamos a realizar una comparativa entre este estándar,
HTML, Java y MPEG:
• HTML y MHEG tienen cosas en común, como es el uso de código declarativo. Aunque
HTML es inherentemente un lenguaje de descripción de documentos, no es un formato
de descripción de aplicaciones multimedia como MHEG. Construido desde la base
pensando en las necesidades de estas aplicaciones como puede ser la necesidad de
sincronizar y tener control sobre la velocidad de los diferentes canales, manejo de eventos
etc. Así, MHEG está enfocado al dominio de la TV interactiva, que HTML no lo está.

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 17/36

 Tema 2.- Texto.

También el carácter dinámico del estándar (por lo menos hasta su versión 4.0 que supuso
la disolución del comité) ha frenado a determinados sectores industriales a adoptarlo a la
espera de un interfaz estable de definiciones y cumplimientos garantizados.

• El lenguaje Java (junto a la maquina virtual de Java y el soporte de ejecución de Java)

permite la realización de aplicaciones a través de applets que se incorporan a los
documentos en HTML. El entorno típico de aplicación de MHEG, sin embargo es el de
los terminales interactivos de TV, que es bastante diferente de los entornos de los
navegadores de Web. Esta diferencia se manifiesta de dos formas: está enfocado hacia
descripciones declarativas, más que a código procedural (lo que facilita el uso de las
aplicaciones fuera de línea) y con la idea de que las exigencias del soporte sean mínimas
(requerimientos de memoria en los clientes: por ejemplo, los terminales de TV).

• MPEG es el estándar industrial para codificación de señales audiovisuales y sus

protocolos asociados para emisión y servicios interactivos. Pero si la componente
audiovisual es importante en aplicaciones multimedia/hipermedia, otros componentes
como por ejemplo los menús, botones, texto, etc. son también necesarios para construir
tales aplicaciones. Y para dar soporte a esas funcionalidades aparece MHEG,
especialmente en su parte 5ª. MHEG-5 define la sintaxis y la semántica asociada, dando
ocasión a que un autor sea capaz de construir aplicaciones con las características
siguientes:
o Componentes con salida en forma de texto, gráficos y audiovisual.
o Componentes de entrada como campos de texto (fields), botones, barras de
desplazamiento (sliders), ...
o Comportamiento basado en eventos que lanzan acciones aplicadas sobre esos
componentes.

MPEG se puede utilizar para codificar las componentes audio-visuales de las aplicaciones
MHEG-5. El estándar MPEG incluyendo (MPEG-4) está enfocado a la codificación y compresión de
la señal de vídeo, mientras que MHEG es un estándard para descripción de aplicaciones cuyo
comportamiento esté orientado a páginas.

Para finalizar, únicamente enumerar qué tipo de editores existen para trabajar con MHEG y como
aproximación usual se pueden utilizar editores ya existentes como:
• Macromedia Director® con las extensiones MHEGDitorTM.
• Cualquier editor (como por ejemplo el bloc de notas, vi, emacs,...).
• El que suministra el MHEG Centre: un ejecutable (un editor) para crear y manipular
objetos MHEG. Este "MHEGWrite" está basado en una extensión de VIM.

2.4.2. PREMO ( Presentation Environment form Multimedia Objects).

Es un estándar ISO, desarrollado para ofrecer un entorno de desarrollo estandarizado de

aplicaciones multimedia. Su principal interés se centra en las técnicas de presentación. Uno de los
objetivos principales de PREMO era la posibilidad de integrar diferentes medios y sus modos de
presentación en un mismo marco. Puesto que continuamente se desarrollan nuevas técnicas y pueden
ser dependientes de la aplicación, PREMO está basado en una aproximación orientada a objetos. Esto
significa que los objetos existentes pueden heredar nuevos conocimientos. De esta forma se permite la
reutilización de objetos sin tener que especificar por completo un nuevo estándar. También existen
implementados servicios sobre redes debido a la profusión de entornos distribuidos. Comentar que se
está desarrollando un prototipo, utilizando Java como entorno de programación estándar.

El marco de trabajo que propone PREMO se basa en tres áreas: un modelo de objetos, las
actividades de los objetos y los eventos (y su manejo asociado). El modelo de objetos está basado en
instanciaciones y herencia. Puesto que se requiere que ofrezca mecanismos de sincronización (por
ejemplo, entre secuencias de vídeo y audio), los objetos deben ser activables. Las operaciones sobre los

Sistemas Multimedia e Interacción Gráfica– Curso 2004/05 - 18/36