關于制定古籍數字化標準的思考

●姚俊元 （南京圖書館，南京 210018）

2007年1月，國務院辦公廳發布了《關于進一步加強古籍保護工作的意見》，文中明確指出：“進一步加強古籍的整理、出版和研究利用。制訂古籍數字化標準，規范古籍數字化工作，建立古籍數字資源庫。”2008年7月28日，在全國古籍保護工作會議上文化部副部長周和平講到：“要制定古籍數字化標準，加快古籍數字化工作，逐步為公眾提供古籍全文數字化閱覽服務?！痹倬C觀國內外專家學者的意見和專業機構的做法，可以斷定，古籍數字化已經成為21世紀古籍整理的主流，代表著未來古籍整理、開發、利用的發展方向，但在我國目前還缺乏相應的工作標準，需要業界人士進一步的研究、探索和制定。

1 古籍數字化標準的概念

《標準化與相關活動的基本術語及其定義（1991年第六版）》對“標準”定義為：“標準是由一個公認的機構制定和批準的文件，它對活動或活動的結果規定了規則、導則或特性值，供共同和反復使用，以實現在預定結果領域內最佳秩序的效益?！睒藴适菢藴驶顒拥慕Y果，它雖然不是商品，卻能加速商品的生產流通，提高效率和管理水平，保證產品、工程、服務的質量。所謂古籍數字化標準，簡言之，就是在古籍數字化過程中以達到最佳有序化程度為目的，共同遵守的準則和依據。

2 制訂古籍數字化標準的必要性

從20世紀80年代起，我國大陸地區開始古籍數字化工作，網上可見的中文古籍數據庫共有70多個。但令人遺憾的是，至今我國沒有相關的標準和規范，造成了目前古籍數字化在概念上百家爭鳴、在開發理念上千差萬別、在質量上參差不齊和在標準上各自為政的局面，給使用者帶來了不便，也嚴重困擾了古籍數字化工作的健康、快速、協調發展。

2.1 認識上概念模糊

經過20多年的努力，我國古籍數字化工作取得一定成果，建設了一批優秀的古籍數字化產品，比如：國家圖書館的碑砧菁華、西夏碎金、敦煌遺珍、數字方志以及甲骨文、永樂大典等，上海圖書館的名人家譜庫，天津圖書館的古籍善本選粹，北京大學的中國基本古籍光盤庫等等。但是由于缺乏統一領導和工作標準，目前官方或學術界還處于探索階段，仍然沒有一個準確、統一的概念界定，導致古籍數據化程度深淺不一、參差不齊。

2.2 儲存上格式眾多

當前數字化古籍的文件格式可謂五花八門，種類繁多，除了常見的txt、doc、hind格式外，還有exe、pdf、wdl、ebk、edb、peb、sep、ifr、xeb、pdg、nlc 格式，以及基于unicode、倉頡碼、Big5碼或其他字符集，這些不同格式的文件，往往需要各自專門的閱讀器才能進行瀏覽，相互之間難以兼容，給讀者造成了不少麻煩，也給我國古籍資源的共享制造了隱患。［1］

2.3 檢索上平臺各異

一般數字化資源大多需要納入數據庫，才可調用和檢索，但各家所用數據庫很不統一，如access、mysql、sqlsever都有，給跨庫檢索帶來極大不便。

2.4 方式上千差萬別

目前，古籍數字化的基本方法大體包括全文數據庫、全文圖像、圖文三種方式，但在檢索功能、古籍原貌、研究效果、方便利用等方面存在著差別。

2.5 協作上缺乏溝通

由于分散作業、各自為用，我們至今無法完整地了解哪些古籍已經被數字化，更無法知曉其數字化的格式、利用的程度等情況，這一方面造成了數不清的重復建設，另一方面又使這些有用的學術資源無法充分發揮其作用。

荷蘭國家圖書館在數字化文獻領域領先世界，該館保存部主任希爾德·范韋恩加德指出，數字化產品能否長期保存和方便利用，需要在數字化開始時就考慮選擇什么樣的文件格式（file format）、制作標準（production settings） 和字型等。［2］通過以上分析不難看出，標準化是古籍數字化的基礎，直接影響古籍數字資源的制作質量和查詢服務的效果。只有不斷采用新技術，統一新標準，確立古籍數字化的統一著錄格式和標引方法，研制與用戶要求相匹配的系統，數字化的古籍文獻信息才能在不同的計算機系統之間交換數據，才能實現用戶和系統以及系統與系統之間的有效溝通，確保數據庫的使用性能。

3 制訂古籍數字化標準的幾點思考

3.1 統一概念認識，明確古籍數字化的真正內涵

古籍數字化是從保護和利用古籍的目的出發，采用計算機技術，將常見的語言文字或圖形符號轉化為能被計算機識別的數字符號，從而制成古籍全文數據庫，用以揭示古籍文獻信息資源的一項系統工作。古籍數字化不等于對古籍進行掃描后在計算機上瀏覽，其科學內涵是必須對古籍原典進行具有計算機瀏覽、檢索、利用特點的深度開發。［3］基于這個概念，我們可以將古籍數字化的基本性質定位為：古籍數字化是對已存古籍的再現和加工，屬于古籍整理的范疇，是古籍整理的一部分，最終達到開發利用和保護的目的。

3.2 統一工作宗旨，明確古籍數字化的基本特征

古籍數字化，主要是將古籍文獻的內容轉化為數字形式后移植到新的載體上。應該講，除了檢索方法外，它不是古籍內容的再創造，而只是載體形式的變更，因而保持古籍內容的原始性至關重要。我國歷史上每一次古籍文獻載體形式的變更或同一載體的移植，總會造成一部分文獻內容的失真，給古籍考證帶來諸多麻煩，?？奔液托？睂W的形成就是很好的例證。現在古籍文獻數字化采用高科技手段，其移植數量之大、速度之快遠勝于歷史上任何一次文獻載體的變革，所以保持古籍文獻內容的原始性應是其首要的標準，且同時必須具有四個基本特征：（1）文本字符的數字化；（2）具有基于超鏈接設計的瀏覽閱讀環境；（3）具有強大的檢索功能；（4） 具有研究支持功能。［4］

3.3 統一方式標準，明確古籍數字化的基本方法

比較三種古籍數字化的方式不難發現，圖文方式集全文數據庫方式和全文圖像方式的優點于一身，且又避免了各自的缺點，是古籍數字化的最佳方式，也是古籍數字化的發展方向。香港中文大學的漢達古籍資料庫、北京大學古籍數字圖書館的古籍拓片圖像數據庫和古籍拓片全文數據庫，都是先將古籍和拓片進行掃描加工，建成圖像數據庫，之后逐步通過OCR技術轉換進行全文數據庫建設，最終實現基于內容的全文檢索。［5］

3.4 統一存儲格式，明確古籍數字化的技術標準

文件格式標準的統一，是當前數字圖書館標準化建設的重要目標。從古籍數字化的長遠目標而言，業界主要機構要聯合起來，制訂出統一的文件存儲格式。這種格式既要適合漢字尤其是繁體字的存儲，又能具備足夠強大的加密功能，以保護各自的知識產權。同時為保證數字化古籍的科學、嚴謹、規范，這種文檔格式還應該能夠方便地進行漢語拼音標注和人名地名標記。另外，這種文檔格式特別應該有利于全文檢索?？紤]到處理古籍文獻時需要處理海量圖片，如何制訂一種具有較高壓縮比，又能清晰地再現原始圖書頁面風貌的圖片格式便顯得尤為重要。軟件的選用主要根據古籍數字化最終形成的格式而決定。就目前而言，“書同文數碼翰林”軟件可以說是較成熟的古籍數字化處理軟件。用該軟件制作的“四庫全書”及“四部叢刊”電子圖書，文本頁面保持了原書的豎排格式，增強了古籍閱讀的真實感，基本實現了圖文關聯和閱讀檢索及全文檢索的功能。

3.5 統一數據形式，對古籍數字資源進行元數據標引

所謂的統一，是基于目前圖書館界和國外學術資料信息化的普遍經驗，將資源對象的語義信息統一為元數據格式。對古籍數字資源進行元數據標引主要有以下好處：（1）它不必對現有資源進行格式改造，只是加以外部屬性描述；（2）將為全部古籍數字化資源的調查和格式轉換或再度開發創造統一的數據環境（元數據元素集中定義了相關標識字段）。隨著學術需求和開發建設的不斷發展，可以想象，對現有數字古籍資源做元數據回溯標引也將勢在必行（類似對圖書館館藏的回溯標引一樣）。

3.6 統一漢字編碼，完善漢字字符代碼集

古籍數字化，首先要將過去抄寫、印刷的東西轉換為計算機可讀并能在屏幕上準確再現的代碼。目前業界大多采用Unicode作為文字處理的標準，Unicode已經定義了70000多漢字，因此，漢字字符不足以及編碼混亂的問題已基本上得到了解決。但是，古籍數字化的內容并不只是字符的轉換問題，要實現運用數字技術與現代信息處理技術對傳統文獻通過信息加工、信息重組達到方便使用、知識挖掘的目的，實現數字時代對中華傳統文化的繼承與弘揚的目的，這才是古籍數字化工作最主要的內容和最重要的目標，而要達到這個目標，漢字的處理仍然是一個基礎的和關鍵的問題。書同文公司在其開發制作的電子版《四庫全書》中能較好地處理冷僻字和異體字，但這些字符一旦脫離這個系統，例如被復制到字處理程序中，便會顯示亂碼，可以說仍未真正解決這個問題。所幸的是，國家有關部門已經意識到該問題的嚴重性，《國家“十一五”時期文化發展規劃綱要》在“重大文化產業推進項目”中列有“中華字庫”工程——建立全部漢字的編碼和主要字體字符集，為解決這一問題提供了政策支持。

3.7 提高古籍數字化人才素質

目前，古籍數字化多數項目的開發屬于單一人員或機構的個體行為，缺乏有效的人力資源的組織與控制，很多古籍整理專業人員不懂電子技術，計算機技術人員又缺少古籍知識。需要指出的是，古籍數字化屬于古籍整理和學術研究（或稱校讎學）的范疇，是傳統學術方法與現代科學技術的結合，需要培養一批既懂得古籍整理又精通計算機技術的復合型人才，才有能力決定實現古籍數字化的基本路向和基本框架，在既定的框架內實現古籍數字化的目標。

［1］毛建軍．古籍數字化的概念與內涵［J］.圖書館理論與實踐，2007（4）：82－84.

［2］孫琴．兩大中文古籍數據庫比較研究［J］.新世紀圖書館，2007（1）：52－54.

［3］王立清，董梅香．港臺地區古籍數字化現狀分析及啟示［J］.圖書情報工作，2006（8）：87－89.

［4］姚伯岳，張麗娟．古籍元數據標準的設計及其系統實現［J］.大學圖書館學報，2003（1）：17－22.

［5］李致忠．《古籍定級標準》釋義［J］.圖書館工作與研究，2008（1）：77－81.