[fr-users] Strukturanalyse eines ODT-Dokuments: lesbar ≠ dokumentarische Quelle (vollständige Prozedur)

Guten Tag zusammen,

im Anschluss an die jüngsten Diskussionen über Wartbarkeit, Konvertierung und Langzeitpflege von 
ODT-Dokumenten möchte ich einen **rein technischen, dokumentierten und reproduzierbaren 
Erfahrungsbericht** teilen, basierend auf einem realen Fall.

Ziel ist ausdrücklich **keine Polemik**, sondern die **klare Dokumentation einer Situation**, in 
der ein ODT-Dokument in LibreOffice Writer korrekt dargestellt wird, jedoch **strukturell nicht als 
Dokumentationsquelle geeignet ist** (Konvertierung, Versionierung, Analyse).

---

## 1. Kontext

Analysiertes Dokument:

* *LibOBasic_01_IDE_Flat_A4_FR_v200.odt*
* LibreOffice-Basic-Spickzettel (reales, verbreitetes Dokument)
* Visuell korrekt und problemlos in Writer nutzbar

Beobachtetes Problem:

* Fehlgeschlagene Konvertierung nach Markdown mit Pandoc
* Dokument nicht als strukturierte Textquelle nutzbar

---

## 2. Prüfung des Containers (ZIP / ODT-Ebene)

Ein ODT ist ein ZIP-Container. Erste Analyse daher **außerhalb des Editors**.

```bash
zip -T LibOBasic_01_IDE_Flat_A4_FR_v200.odt
```

Ergebnis: **OK**

Prüfung der ODT-Mindestkonformität:

```bash
unzip -lv LibOBasic_01_IDE_Flat_A4_FR_v200.odt | head
```

Geprüfte Punkte:

* `mimetype` vorhanden
* `mimetype` an erster Position
* `mimetype` unkomprimiert (`Stored`)

➡️ Das Dokument ist **auf Containerebene korrekt**.
Das Problem liegt **nicht** im ZIP, nicht im Umbenennen und nicht im Testwerkzeug.

---

## 3. Strukturtest mit Pandoc

```bash
pandoc -f odt -t native LibOBasic_01_IDE_Flat_A4_FR_v200.odt --verbose
```

Ausgabe:

```
[ Para [] , Para [] ]
```

Bedeutung:

* Pandoc kann den Container lesen
* findet jedoch **praktisch keinen verwertbaren Textinhalt**
* das Dokument ist aus Sicht eines strikten Parsers **strukturell leer**

---

## 4. Analyse der XML-Struktur (content.xml)

Extraktion:

```bash
unzip LibOBasic_01_IDE_Flat_A4_FR_v200.odt content.xml
```

Suche nach Textboxen:

```bash
grep -n "<draw:text-box" content.xml | head
```

Suche nach Rahmen:

```bash
grep -n '<draw:frame' content.xml | head
grep -n 'draw:name="CadrePage' content.xml
```

Feststellung:

* Der Text befindet sich überwiegend in **`draw:frame / draw:text-box`**
* Rahmen sind seitenverankert (`text:anchor-type="page"`)
* Rahmen sind **verkettet** (`draw:chain-next-name`)
* Es existiert **kein logischer Textfluss** (`office:text` mit `text:p`, `text:h`)

➡️ Es handelt sich um eine **grafische Seitenkomposition**, nicht um ein logisch strukturiertes 
Textdokument.

---

## 5. Low-Level-Extraktion des Inhalts

Extraktion des Textes aus den Rahmen:

```bash
xmlstarlet sel -t \
  -m '//draw:frame[draw:text-box]' \
  -o '--- ' -v '@draw:name' -o ' (Seite ' -v '@text:anchor-page-number' -o ')' -n \
  -m './/draw:text-box//text:p' -v 'normalize-space(.)' -n \
  -n \
  content.xml > extracted.txt
```

Ergebnis:

* Vollständiger Textinhalt extrahierbar
* jedoch **außerhalb einer dokumentarischen Struktur**

---

## 6. Technische Schlussfolgerung

Das Dokument ist:

* ✔️ in LibreOffice Writer darstellbar
* ✔️ auf ODT-Containerebene korrekt
* ❌ nicht als Dokumentationsquelle geeignet
* ❌ nicht sauber konvertierbar
* ❌ nicht fein versionierbar
* ❌ nicht automatisiert übersetzbar

**Ursache**:

> Der Hauptinhalt ist in grafischen Objekten (`draw:text-box`) abgelegt und nicht im ODF-Textfluss.

---

## 7. Allgemeine Schlussfolgerung

> Ein Dokument kann in einem Editor vollständig lesbar sein und dennoch strukturell ungeeignet als 
> Quelle.

Diese Problematik:

* ist keine Kritik an LibreOffice,
* ist keine Meinungsfrage,
* ist in der grafischen Oberfläche nicht sichtbar,
* wird **nur auf XML-Strukturebene erkennbar**.

Gerade bei Fragen der Langzeitpflege, Konvertierung und Dokumentationsqualität ist diese Ebene 
entscheidend.

Mit freundlichen Grüßen

Bernard Schoenacker
Technische Dokumentation / Strukturanalyse

-- 
Envoyez un mail à users+unsubscribe@fr.libreoffice.org pour vous désinscrire
Les archives de la liste sont disponibles à https://listarchives.libreoffice.org/fr/users/
Privacy Policy: https://www.documentfoundation.org/privacy