中文古籍數據庫建設現狀與使用推廣

河南師范大學 圖書館 白新勤

中文古籍數據庫建設現狀與使用推廣

河南師范大學 圖書館 白新勤

中華浩瀚的古籍文獻歷時三千多年，其歷史之悠久，數量之繁多，內容之豐富，世所罕見。在這些珍貴的典籍中，蘊含著中華民族特有的精神價值、思維方式和創造能力，它們既是中華民族文化傳承的見證，也是人類文明的瑰寶。如今，對中文古籍文獻進行開發利用，充分汲取前人的智慧，能夠促進中國特色社會主義建設的發展，具有重要的歷史價值、文化價值和現實意義。

隨著現代科學技術的進步，中文古籍文獻資源依托計算機信息技術平臺實現了數字化生存，為中文古籍文獻的保護、開發、利用提供了新的方式和途徑。我國從20世紀80年代中期開始嘗試古籍文獻數字化的研究及實踐工作，目前已建成一批具有一定規模、被多數圖書館采購利用的中文古籍數據庫，如《中國基本古籍庫》和《瀚堂典藏》等。本文，筆者從中文古籍文獻收錄、檢索利用方面對這些中文古籍數據庫進行探討，期望能助圖書館的中文古籍數據庫采購和讀者的使用以一臂之力，并對“古籍數據庫進高校”工程提出一己之見。

一、中文古籍數據庫的基本特征

為了在計算機環境下較好地實現利用功能，中文古籍數據庫需要具備一些基本特征。首先，應該實現文本字符的數字化。即漢字是以編碼而不是以圖形的方式儲存在計算機中。其次，具有基于超鏈接設計的瀏覽閱讀環境。應該包括正文相關內容之間的鏈接、正文與注釋之間的鏈接、不同注釋之間的鏈接、正文與相關知識和資料之間的鏈接、原文與在線詞典的鏈接、典籍內容與相關網站的鏈接等，它是中文古籍數據庫的優勢體現。第三，具有強大的檢索功能。主要包括關鍵詞（主題詞）檢索、條件檢索、邏輯檢索、模糊檢索、組配檢索、屬性檢索等。第四，具有研究支持功能。即能夠提供有關中文古籍內容本身科學、準確的統計與計量信息，提供與中文古籍內容相關的參考資料、輔助工具，這些信息、資料或工具是古籍內容的增值或補充。因此，中文古籍數據庫不是簡單地對中文古籍文獻的數字化，而是對中文古籍文獻的“傳承、保真”，同時又是經過深層次整理所形成的能夠方便使用和進一步開發利用的數據庫產品。

二、《中國基本古籍庫》和《瀚堂典藏》的基本情況

1.《中國基本古籍庫》。《中國基本古籍庫》先后被列為北京大學重點科研項目、全國高等院校古籍整理研究工作委員會重點項目和國家重點電子出版物十五規劃項目。它是由北京大學教授劉俊文任總策劃、總編纂、總監制，北京愛如生數字化技術研究中心開發制作，于2006年10月完成的大型中文古籍數據庫。其收錄的是先秦至民國歷代名著、各學科基本文獻、有拾遺補闕意義的特殊著作等，涵蓋這一歷史階段的全部中國歷史與文化，內容量相當于3部《四庫全書》。其所用版本均經專家嚴格篩選，符合“完本、現存最早之本或晚出精刻精鈔精校本、未經刪削竄改之本”3條標準。總計收錄典籍1萬種，版本12 500個、20萬卷，全文17億字。根據中國古籍多版本、多盡寸、多樣式、多字體的復雜情況，采用完全支持Unicode國際編碼的數據格式，對典籍的全文進行數字化處理和標準排版，達成盡寸、版式、字體統一，并采用大容量的復排頁面顯示。另外，通過其獨有的工具包，用戶可以使用典籍提要、作者通檢、版本速查、常用字典4種工具，為研讀古籍提供了必要的幫助，排除了古籍研究的疑難和障礙。其中，版本速查可查詢1萬種典籍的現存版本及藏所；常用字典可查詢1萬個常用字的發音和釋義。通過古籍版本信息的查詢與利用，用戶不但可以對不同版本進行比較，還可以實現各版本古籍館藏地的查詢。

《中國基本古籍庫》的系統架構為客戶端服務器模式，即Client/Server方式，服務器和客戶端為微軟系列服務器和客戶機操作系統，客戶端需要安裝《中國基本古籍庫》專用軟件。因此，該數據庫美中不足的是讀者在初次使用時必須安裝客戶端專用軟件，并且每次使用都必須從客戶端軟件進入，即使有相關使用說明，也不能使人們很快地掌握使用方法。另外，《中國基本古籍庫》是一個已經完全建成的數據庫，其數據內容不會再有更新，并且對于圖書館來說，購買方式是買斷形式，價格較昂貴。

2.《瀚堂典藏》。《瀚堂典藏》是北京瀚堂典藏科技有限公司推出的集成性巨型中文古籍數據庫，是古籍數字化制作中涌現出的后起之秀。該數據庫系采用國際Unicode標準7萬漢字之超大字符集，以圖文對照的數字圖書館高新技術形式和檔案夾分類的書目樹模式，完整保存典籍文獻，并可以方便查詢、研究、閱讀和推廣。《瀚堂典藏》以小學工具類數據和出土文獻類數據為核心，逐步納入大量傳世文獻，并以此為基礎建設各種專題文獻庫。其種類涵蓋歷代字書類書的小學工具、類書集成庫，以及出土文獻、敦煌文獻、古典戲曲、古本小說、佛教和道教文獻以及中醫藥文獻庫等。目前，古籍總量已達萬余種，并在持續增加中。該數據庫采用Unicode擴展技術，基本解決了生僻漢字在計算機平臺上無法錄入、顯示、編輯的難題，使計算機可以處理的漢字種類的總量達到7萬字。它是目前中國內地唯一在微軟平臺上支持超大字符集、進行自然語言全文檢索、實現編輯功能的中文古籍文獻數據庫，差錯率能夠控制在萬分之一以內。

《瀚堂典藏》數據庫的系統架構為服務器/瀏覽器模式，即B/ S方式，基于大字符集下的XML數據格式，無需下載任何客戶端，即可在通用瀏覽器上進行閱讀和編輯，全部實現了文本化對照閱讀。對于圖書館購買來說，方式比較靈活，既可以包庫使用，也可以部分買斷使用（小學工具除外），而且系統的數據在不斷地更新，古籍資源也是在逐步增加的。不過，《瀚堂典藏》的研讀功能欠缺，不具備研讀所需的輔助工具。

三、《中國基本古籍庫》和《瀚堂典藏》的檢索功能分析

1.《中國基本古籍庫》。《中國基本古籍庫》檢索技術先進、設計實用，不僅有分類檢索、條目檢索、全文檢索、高級檢索4條檢索路徑，而且還有模糊檢索、關聯檢索等多種檢索方法，以及平均0.2秒的神奇速度，可以進行全方位快速海量檢索。

（1）分類檢索。分類檢索可以通過庫、類、目的樹型結構進行定向檢索。

（2）條目檢索。《中國基本古籍庫》分為哲科庫、史地庫、藝文庫、綜合庫以及20個大類和100多個細目，用戶可以按具體條目來查詢。條目檢索方法既可以提供書名、時代、作者、版本、篇目檢索，也可以在幾個檢索字段中同時檢索。

（3）全文檢索。全文檢索通過輸入任意字、詞或字符串進行爬梳檢索，可用任意字、詞或字符串對1萬種書中所有的相關信息進行檢索。

（4）高級檢索。高級檢索是在檢索結果中進行二次檢索，或組合字詞進行邏輯檢索，或綜合選項進行關聯檢索，它可排除大量無用信息，達到精確檢索。

在檢索結果的使用方面，查詢后可直接得知相關檢索結果數，并可直接鏈接到文中的相關處，也可以一頁一頁編輯打印。但是，其瀏覽功能不提供圖文對照，所檢索到的內容需要從所在卷的首頁開始翻找。其具有版式設定、字體轉換、背景顏色、版本對照、放縮控制、標點批注、閱讀記憶、分類搜集、下載編輯和原文打印共10個研讀功能，可以輕松實現從檢索、閱讀到校勘、標點、注釋、編輯、下載和打印的系列操作，改變了傳統中文古籍文獻使用研讀的手工方式。

2.《瀚堂典藏》。《瀚堂典藏》檢索途徑分為使用“目錄樹”和使用“檢索范圍”。

（1）使用“目錄樹”檢索。《瀚堂典藏》數據庫系統主頁面左側的“目錄樹”有上萬片“樹葉”，11 000種典籍與近代報刊可自由勾選組合，靈活跨庫任意檢索、圖文對照瀏覽，點擊節點內容可以查看單一書目簡介。它可以實現瀏覽分庫下的子庫及書目介紹，即點擊“書目樹”右邊的“+”可以展開分庫，瀏覽該分庫下的子庫，再點選書庫或書目名稱，可以在主頁面查看相關介紹；選擇特定的書庫或書目進行搜索，通過點擊書庫文件夾或書目圖標右側的復選框，勾選要搜索的書庫或書目，在搜索框中輸入關鍵字進行搜索，并可以在13個分庫中任意勾選書目，實現橫跨分庫的內容搜索。

（2）使用“檢索范圍”檢索。在條目檢索框中輸入檢索詞，可以選擇出處、標題、書目、全文進行檢索。其中，“出處”是指書目索引中的一個域，通常包含了該書目在“目錄樹”中的位置和該書目所含章節目錄等信息。因此，在“出處”中搜索，可應用于查找書庫名稱、書目名稱、章節標題、字典部首等搜索需求。“標題”通常包含了字書字頭、辭書詞條、詩歌標題、出土文獻編號等信息。利用書目搜索，不但可得到所有書名與搜索關鍵字相關的書目，還可查找到一本書在目錄樹中的位置。在“全文”中搜索包含了以上出處、標題和書目3個域和“內容”部分，即在最大范圍內搜索。同時，還可以對檢索結果進行二次檢索，檢索方式分為絕對精準、精準與模糊檢索。僅單一字書類數據庫，有筆畫數法、拼音法、組字法、拆字法等7種以上的檢索方法，并且能夠單獨或組合使用。該數據庫還可以進行長字符串的模糊檢索，該檢索方式可以進行自然語言切分，有較高智能性，同時系統支持二次檢索、人工分詞檢索。

四、對實施“古籍數據庫進高校”工程的思考

隨著一批中文古籍數據庫的建成，其建設中存在的技術瓶頸問題，如光學字符識別（OCR）以及古籍文獻眾多的繁體字、異體字、通假字、避諱字的計算機編碼問題等已經基本解決。但中文古籍數字化涉及版本、斷句、校對、造字等特殊問題，要將卷帙浩繁、門類眾多而分布于各處的古籍文獻進行全文數字化，建立中文古籍數據庫群，仍是一項長期的系統工程，需要許多單位及諸多專家學者聯手合作才能完成。

但是，就目前中文古籍數據庫建設情況來看，進行中文古籍文獻數字化的方式方法多種多樣，其中有公司、有以科研項目形式進行研制建設的學校、研究機構，也有兩者的聯合；有的數字化古籍文獻數量很多，有的只有很少一部分。由于進行大規模的古籍文獻數字化投入較大，所以其推向市場的價格一般都很高，例如《中國基本古籍庫》價格在百萬元之上，對于高校圖書館來說采購存在一定的困難。那么，如何解決中文古籍數據庫進高校的問題呢？《中華再造善本》進校園的事例值得借鑒。為了繼承和傳播中華民族優秀傳統文化，促進和擴大古籍善本的學術研究，基于我國現存的珍善本古籍亟待搶救、保護和合理開發利用，2002年5月，國家財政部、文化部聯合實施了《中華再造善本》國家重點文化一期工程，聘請文史專家挑選最珍稀的中文古籍版本，影印復制出版了具有中國傳統古籍特色的《中華再造善本》。這套再造善本依托具有珍貴館藏的國家圖書館，具有整理影印中文古籍等各種稀見歷史文獻專業出版特色的國家圖書館出版社出版發行。其中，從2002年起實施至2007年完成的工程一期出版的《唐宋編》和《金元編》，共758種1 394函8 990冊，二期明清時代的選目也已初步完成選目556種，兩期總為1 300余種，規模十分可觀。工程一期國家共投入2億元人民幣，書籍每套總售價330多萬元。為增進大學生對中華民族傳統文化的認識和了解，推動中華文明的傳承和發展，國家教育部實施了《中華再造善本》進校園計劃，以1億元人民幣的總價、每套100萬元的價格訂購了原售價330多萬元的一期《中華再造善本》100套，為全國100所普通高校各配備一套《中華再造善本》。筆者所在學校圖書館是獲贈單位之一，這項活動被譽為全校師生的福祉。參照《中華再造善本》出版發行以及其進院校的成功模式，對于中文古籍數據庫進高校來說，也可以采用國家投資，整合目前的各類數據庫，把它們綜合到一個平臺上，并由政府部門統一采購，為符合一定條件的高校進行配備，必將對中華民族文化的傳承和社會主義先進文化的建設發揮巨大作用。