Ανάπτυξη Συστήματος Στατιστικής Ανάλυσης της Τυπογραφίας Ηλεκτρονικών Εγγράφων

Σε αυτή την εργασία παρουσιάζεται ο σχεδιασμός και υλοποίηση ενός συστήματος για την αυτoματοποιημένη στατιστική ανάλυση των τυπογραφικών στοιχείων ηλεκτρονικών εγγράφων. Το σύστημα μπορεί να αναγνωρίζει σε δομημένο ηλεκτρονικό έγγραφο (HTML) που δίνεται από τον χρήστη (ως είσοδος), τα τυπογραφικά στοιχεία όπως έντονη, πλάγια γραφή, υπογράμμιση και στοιχεία γραμματοσειράς όπως μέγεθος, είδος και χρώμα. Mετρά τις λέξεις και τους χαρακτήρες που έχουν την συγκεκριμένη τυπογραφική ιδιότητα και στη συνεχεία, παράγει μια αναφορά-σύνοψη των αποτελεσμάτων, σε απλό αρχείο (π.χ. τύπου .txt) και σε αρχείο μορφής excel, ώστε να οπτικοποιήσει τα αποτελέσματα υπό μορφή διαγραμμάτων. Η λειτουργία του συστήματος δοκιμάστηκε με την χρήση ενός εγγράφου, στο οποίο έγινε χειροκίνητη καταμέτρηση των λέξεων και των χαρακτήρων με τα αντίστοιχα τυπογραφικά χαρακτηριστικά.In this study we present the design and implementation of a system for the automated statistical analysis of typographic elements of electronic documents. The system – agent is able to recognize in a structured electronic document (HTML), given as input by the user, the typographic elements, such as bold, italics, underline and font size, type, color. It counts the words and characters that have the specific typographic attribute. Then it produces as output a summary-report of the results both in a text format file (.txt) and in excel file format (.xls), for visualization of the results, presented as diagrams. The correctness of system’s functionality was tested and evaluated using a document that its words and characters, with their corresponding typographic attributes, were manually counted