Table Of Contents Service with MYSQL and PHP

Abstract

The staff of the Library, Archives and Museum of the University of Miskolc created a Table of Contents (TOC) service using three popular open source softwares (Apache Webserver, MySQL relation database system and PHP, a HTML embedded scripting language). The TOC of 15 technical and natural science journals published in Hungary are included in the database. It is the first TOC service in Hungary enabling not only the browsing of the TOCs of the journal issues but also searching of authors and/or title keywords. After retrieving an author or title keyword or the combination of them the most important data of the article and the journal appear (max. 5 authors pro article, title, journal title, ISSN, year of publishing, enumeration data, pages). The creation of the database and the service will be presented from the programmers point of view but the problems of the librarians working on the data input and the methods applied to overcome them will be sketched as well.

A ME Könyvtár, Levéltár, Múzeum munkatársai tartalomjegyzék adatbázist hoztak létre Linux operációs rendszeren három népszerű szabad felhasználású szoftver (Apache webszerver, MySQL relációs adatbáziskezelő és PHP HTML-be ágyazható programozási nyelv) segítségével, melyben 15 magyar kiadású műszaki és természettudományi folyóirat tartalomjegyzékét dolgozták fel. Magyarországon ez az első olyan tartalomjegyzék szolgáltatás, amely nemcsak a folyóirat számok tartalomjegyzékének böngészését, hanem a szerző és/vagy a címben levő szavak szerinti keresést is lehetővé teszi. Adott szerzőre vagy kulcsszóra való keresés során megjelennek a cikkek és a folyóiratok legfontosabb adatai (max. 5 szerző, cikkcím, a folyóirat címe, ISSN száma, megjelenési év, számozási adatok, oldalszám). Az előadás egyrészt ismerteti a szolgáltatás létrehozását informatikai szempontból, bemutatja az adatbázis szerkezetét, másrészt ecseteli az adatbevitel során tapasztalt könyvtárosi problémákat, és az alkalmazott módszereket ezek leküzdésére.

   2002. első félévében a NKÖM 2001. évre kiírt ún. telematikai pályázati támogatását felhasználva tartalomjegyzék szolgáltatást hoztunk létre. Célunk az volt, hogy 15 magyar nyelvű és kiadású tudományos (műszaki és természettudományi) folyóirat tartalomjegyzékét dolgozzuk fel havi frissítéssel és 10 évre visszamenően is. A szolgáltatást a Könyvtár honlapján tettük elérhetővé, ahol mind a tartalomjegyzékekben való böngészést, mind a szerző ill. cím kulcsszavakra történő keresést biztosítjuk. A szolgáltatás jelenleg a http://marki.lib.uni-miskolc.hu/kezdo.php oldalon érhető el.

   1.1. Apache. A web oldalakat szolgáltató webszerver. Honlapjuk: http://www.apache.org

   1.2. MySQL. a világ legnépszerűbb nyílt forráskódú relációs adatbázis kezelője, több mint két millió helyen telepítették. A MySQL AB svéd cég készíti és ingyenesen hozzáférhetővé teszi. Honlapjuk: http://www.mysql.com.

   1.3. PHP. Eredeti neve: Personal Home Page Tools, mai neve: Hypertext Preprocessor. Olyan önállóan használható programozási nyelv, amely képes nagyméretű webes adatbázis alkalmazások működtetésére is. Tulajdonképpen kiszolgáló oldali programozási nyelv, amit jellemzően HTML oldalakon használnak. A hagyományos HTML oldalakkal szemben azonban a kiszolgáló a PHP parancsokat nem küldi el az ügyfélnek, azokat a kiszolgáló oldalán a PHP értelmező dolgozza fel. A programokban lévő HTML elemek érintetlenül maradnak, de a PHP kódok lefutnak. A kódok végezhetnek adatbázis kezelést (feltöltés, lekérdezés), dinamikusan létrehozhatnak képeket, fájlokat olvashatnak és írhatnak. Honlapjuk: http://www.php.net.

   Az Apache + PHP + MySQL szoftverek együttese közkedvelt megoldásnak számít, igen sok honlap készül ezzel a technikával. Az Apache és a PHP biztosítja a stabil HTTP szervert és a programozási nyelvet, mellyel dinamikus weboldalakat készíthetünk, míg a MySQL adatbázis kezelő rendszer az adatok tárolását teszi lehetővé.

   Legfontosabb feladat bármilyen alkalmazás létrehozásánál az alapos, átgondolt tervezés. A cél ismeretében legelőször az adatbázist kell megtervezni. A táblák felvétele nem tart sokáig, de a táblák szerkezetének, egymással való kapcsolatának kialakítása komoly megfontolást vesz igénybe. Ezzel sok későbbi bosszúságot és felesleges munkát takaríthatunk meg.

1. ábra: A 'Tartalom' adatbázis táblái.

Az 1. ábra mutatja az adatbázis tábláit. A vastag betűs mezőnevek egyedi azonosítók, ún. kulcsok, amelyekre a tábla indexelve van, vagyis az adatok gyorsan kereshetők.

2. ábra: Az adatbázis tábláinak kapcsolata

   A szaggatott vonallal rajzolt táblák kapcsoló táblák, azonosító számokat rendelnek egymáshoz, pl. a 'cikkszerzo' tábla minden sora egy cikk számához ('cikksz' mező) hozzárendeli a szerzők szerzőszámát ('szerzosz' mező). Egy cikkhez max. 5 szerzőt engedünk meg, vagyis egy cikkszámhoz max. 5 sor tartozhat a táblában.

   Összesen 49 php ill. inc kiterjesztésű file készült 107 Kbyte terjedelemben. Van még ezen kívül 4 jpg file az egyedi, csinos megjelenítéshez. A beviteli programok elkészítése sokkal több munkát vett igénybe, mint a lekérdezések programjaié.

   Először készültek el természetesen az adatbevitelhez szükséges HTML oldalak a beágyazott PHP sorokkal, hogy a könyvtárosok elkezdhessék a munkát. A folyóiratok, a kötetek, füzetek (vagy számok) és cikkek felvehetők, módosíthatók, törölhetők.

3. ábra: Cikkbeviteli űrlap

   A bevitt tartalomjegyzékek egyrészt böngészhetők a folyóirat adott kötetének adott száma szerint, illetve kereshetők a címben levő szavak ill. a szerzők szerint. A lekérdező ablakban kétféle keresési lehetőség nyílik. Egyrészt a szerzők és kulcsszavak böngészhetők, majd a hozzájuk tartozó cikkek megjeleníthetők, másrészt a szerző(k) neve és a címben levő szavak kombinálhatók és úgy képezhetők a találati halmazok. Mind a két keresési módnál lehet idő szerint szűkíteni.

   A feldolgozás során ragaszkodtunk a tartalomjegyzék sorrendiségéhez, akkor is, ha az nem követte a cikkek oldalszám szerinti sorrendjét az adott folyóiraton belül. A tartalomjegyzékben szereplő rovatcímeket általában elhagytuk, kivéve, ha azon belül cikkcím nem volt feltüntetve, a rovat kezdő oldalszáma azonban igen.
Az oldalszámokat viszont sosem a tartalomjegyzék szerint vettük fel, hanem a folyóirat átvizsgálása során állapítottuk meg a tényleges oldalszámot.
A szerzők nevét nem egységesítettük.

• A felhasznált szoftverek ingyenesen elérhetőek. A kereséshez és adatbevitelhez egyaránt elegendő az internetkapcsolat és egy böngészőprogram. Ezáltal az adatbázis bővítésébe könnyen bevonhatók más intézmények is, a szolgáltatás akár országos jellegűvé is tehető.
  
• Az adatok bevitele a felhasznált módszerekkel rendkívül gyors, a bevitel módja egyszerű, könnyen elsajátítható, nagyobb szakképzettséget nem igényel.
  
• A kulcsszó szerinti keresés biztosítja, hogy egy adott témában kereső felhasználó nagy mennyiségű folyóirat átvizsgálása nélkül is megtalálja a témába vágó cikkek halmazát.

• A szolgáltatás csupán kiindulópontot nyújt egy adott témában való kereséshez, de a találati halmaz leszűkítése a valóban hasznos információkra további helyben történő kutatást igényel.
  
• A webes bevitel miatt a vegyjelek hű tükrözése nem megoldott. Az idegen nevekben esetlegesen használt speciális karakterek ugyan Unicode-os formában tükrözhetőek, viszont az ilyen nevek nem kereshetőek.
  
• A gyors adatbevitel nem jelent feltétlen pontos és egységes bevitelt.
  
  • Hibaforrások pl.:
    
  • elírások,
    
  • helyesírási hibák,
    
  • adatkihagyások,
    
  • problémás esetek nem egységes kezelése,
    
  • alcímek és párhuzamos címek nem szabályszerű felvétele (amennyiben nem képzett könyvtáros a feldolgozó).

   A feldolgozás során az alapvető gondot az okozza, hogy a tartalomjegyzékek messzemenően nem tükrözik az adott folyóirat tartalmát.

   El kell dönteni, hogy a tartalomjegyzékhez szigorúan ragaszkodva felvállaljuk-e az előforduló (nem kevés!) pontatlanság átvételét, avagy teljes egészében a folyóirat tartalmához igazodva történjen az adatfelvétel. Utóbbi esetben azonban lényegesen több cikk (köztük számos, információforrásként lényegében használhatatlan kisebb hír) kerülne feldolgozásra, ami nagyságrendekkel meghosszabbítaná a feldolgozás folyamatát, és irreleváns információkkal telítve az adatbázist, megnehezítené a keresést.

   A harmadik lehetőség, amelyhez végül mi folyamodtunk, szintén rejt magában számos buktatót. E módszer lényege, hogy a tartalomjegyzékhez ragaszkodtunk annyiban, hogy csak azokat a cikkeket dolgoztuk fel, amelyek ott feltüntetésre kerültek, és abban a sorrendben, ahogy ott szerepeltek. De az ezekben az adatokban szereplő hibákat igyekeztünk kijavítani. Gyakran azonban nehéz eldönteni, hogy mennyiben szükséges tükrözni a tartalomjegyzéket, és mennyiben célszerű az adatok pontosítására időt és energiát fordítani. Külön kérdés, hogy az esetleges pontosításkor fel kell-e tüntetnünk (és ha igen, hogyan), hogy a tartalomjegyzékhez képest hol és milyen változtatás történt?

Alapvetően 3 csoportba oszthatók a felbukkanó problémák:


1. A tartalomjegyzék kevesebb, mint a tényleges tartalom:
   
   • pl. kimarad egy szakcikk a tartalomjegyzékből,
     
   • adott rovathoz tartozó cikkek közül csak egyet, vagy nem mindegyiket tünteti fel,
     
   • egy rovat több helyen is megjelenik a lapon belül, de csak egy oldalszám van hozzá feltüntetve,
     
   • csak rovatcím van feltüntetve, a hozzátartozó, releváns információt tartalmazó cikkcímek pedig nem,
     
   • különszám (akár belekötve is egy rendszeres számba): a különszám címét a tartalomjegyzék csak egyszer tünteti fel, holott valamilyen módon jelezni kellene, hogy a megfelelő cikkek ehhez tartoznak,
     
   • a szerző neve csak rövidített alakban van feltüntetve,
     
   • csak a rovatcímhez van rendelve oldalszám, az ahhoz tartozó címekhez (noha fel vannak tüntetve) nincs.
   
   
   
2. A tartalomjegyzék több, mint a tényleges tartalom:
   
   • olyan cikkcím is szerepel a tartalomjegyzékben, amely nem található meg a folyóiratban,
     
   • "semmitmondó" rovatcímek (Egyesületi hírek, Szemle),
     
   • feltünteti az idegen nyelvű tartalomjegyzékeket is,
     
   • egy vagy több idegen nyelven is feltünteti a cikk címét,
     
   • szakirodalmi ismertetők címe megtévesztő lehet: a cikk csupán az írást ismerteti, maga a téma, melyre a cím utal, nincs részletesen tárgyalva.
   
   
   
3. A tartalomjegyzék más, mint a tényleges tartalom:
   
   • a cikkcímek sorrendje más, mint a tényleges,
     
   • a cikk címe teljesen vagy csak néhány szóban eltérő,
     
   • a cikk címe csak magyarul, vagy több nyelven is fel van tüntetve, a cikk pedig idegen nyelvű (ez különösen súlyos gond, mert megtévesztő lehet a felhasználó számára, aki esetleg olyan cikk után kutat a szolgáltatás alapján, melynek szövegét végül nem is érti meg)
     
   • a tartalomjegyzékben hibásan (elírás vagy helyesírási hiba) van feltüntetve valamelyik adat.

   A szolgáltatás kibővítésén gondolkozunk, hiszen az adatbevitel nagyon gyorsan megy és a felsorolt negatívumok ellenére a szolgáltatás sok mindenre használható:

• gyors irodalomkutatás adott témában és/vagy szerző szerint magyar nyelvű címekben,
  
• adott szerző cikkeinek összegyűjtése,
  
• adott folyóirat tartalomjegyzékeinek böngészése.