Technické standardy pro datové sady na stupni otevřenosti 3

Pro dosažení stupně otevřenosti datové sady 3 je nutno zajistit, aby kompletní obsah datové sady byl dostupný prostřednictvím 1 či více distribucí datové sady, které splňují následující standardy.

Obecným standardem datových sad na stupní 3 je, že každá distribuce datové sady musí být kódována v kódování UTF-8.

Distribuce datové sady, která reprezentuje tabulku, musí splňovat následující standardy:

• V jedné distribuci je reprezentována právě jedna tabulka.
• V distribuci neexistuje žádný jiný záznam než je řádek tabulky nebo její hlavička.
• Všechny záznamy v distribuci, tj. jednotlivé řádky tabulky, mají stejnou strukturu, která odpovídá hlavičce.
• Celý obsah datové sady je vyjádřen v distribucích v alespoň jednom z následujících formátů:
  • Comma Separated Values (CSV),
  • eXtensible Markup Language (XML, http://www.w3.org/TR/xml/), kde jednotlivé řádky tabulky jsou zapsány jako samostatné XML elementy strukturované pomocí zanořených XML elementů a XML atributů reflektujících hlavičku reprezentované tabulky, nebo
  • JavaScript Object Notation (JSON, http://www.ecma-international.org/publications/files/ECMA-ST/ECMA-404.pdf), kde jednotlivé řádky tabulky jsou reprezentovány jako samostatné JSON objekty strukturovaných do dle hlavičky reprezentované tabulky.

Distribuce datové sady, která obsahuje hierarchické strukturované objekty (tj. objekty složené z jiných objektů), které není vhodné reprezentovat v podobě tabulky dle předchozí podkapitoly, musí splňovat následující standardy:

• V jedné distribuci je reprezentována kolekce stejného typu objektů
• Objekty v kolekci mohou obsahovat další vnořené typy objektů.
• Celý obsah datové sady je vyjádřen v distribucích v alespoň jednom z následujících formátů:
  • eXtensible Markup Language (XML, http://www.w3.org/TR/xml/), jehož struktura vyjádřená v podobě XML elementů a XML atributů umožňuje výběr jednotlivých údajů reprezentovaných v datové sadě pomocí prostředků jazyka XPath či CSS selektorů bez nutnosti parsování získaných atomických údajů.
  • JavaScript Object Notation (JSON, ECMA-404, nebo http://www.ecma-international.org/publications/files/ECMA-ST/ECMA-404.pdf), jehož struktura vyjádřená v podobě JSON objektů a primitivních hodnot umožňuje výběr jednotlivých údajů reprezentovaných v datové sadě pomocí prostředků programovacích jazyků používaných pro tvorbu WWW aplikací (JavaScript, Java, .apod.) bez nutnosti parsování získaných atomických údajů.

Distribuce datových sad, které mají charakter textových dokumentů, musí splňovat následující pravidla a standardy:

• V jedné distribuci je reprezentována kolekce dokumentů, kde každý dokument je jednoznačně identifikovatelný v podobě souboru a lze jej z kolekce získat pomocí běžných programovacích prostředků.
• Všechny dokumenty v datové sadě jsou vyjádřeny alespoň v jednom z následujících formátů:
  • Formát odpovídající MIME typu text/plain obsahující pouze znaky textového dokumentu.
  • Libovolný jiný formát pro textové dokumenty, který je strojově čitelný, má otevřenou specifikaci a existuje volně dostupná knihovna, umožňující automatizovanou strojovou extrakci textového obsahu dokumentů v datové sadě (až do úrovně jednotlivých znaků).
    • Např. HTML, DOCX, ODT, DocBook či TeX

Distribuce datových sad, které mají charakter obrázků, musí splňovat následující pravidla a standardy:

• V jedné distribuci je reprezentována kolekce obrázků, kde každý dokument je jednoznačně identifikovatelný v podobě souboru a lze jej z kolekce získat pomocí běžných programovacích prostředků.
• Každý obrázek je vyjádřen ve formátu, který je strojově čitelný a má otevřenou specifikaci.
  • V případě bitmapových obrázků musí formát umožnit přistupovat pomocí běžných programovacích prostředků k jednotlivým pixelům tvořícím obrázek.
  • V případě vektorových obrázku musí formát umožnit přistupovat pomocí běžných programovacích prostředků k jednotlivým vektorovým objektům tvořícím obrázek.

Jiný formát či jazyk může poskytovatel dat použít pouze v případě datové sady, jejíž charakter neumožňuje použití některého z formátů uvedených v předchozích podkapitolách nebo datová sada spadá do oblasti, ve které jsou běžně používány jiné formáty (které splňují podmínku strojové čitelnosti a otevřenosti specifikace).

Ať je zvolen jakýkoliv formát, musí být zajištěno, že celý obsah datové sady je vyjádřen v distribucích v alespoň jednom formátu, který splňuje podmínku strojové čitelnosti a otevřenosti specifikace a je v dané oblasti běžně používán.