古籍?dāng)?shù)字化過(guò)程中漢字處理對(duì)策研究

李玖蔚

摘要：古籍?dāng)?shù)字化是解決古籍保護(hù)與利用之間矛盾的有效手段。本文概述了國(guó)內(nèi)外古籍?dāng)?shù)字化過(guò)程中漢字字庫(kù)的研究情況，并以廬陵文化古籍文獻(xiàn)數(shù)字化實(shí)踐為基礎(chǔ)，從輸入法的選擇、偏僻字的錄入技巧、自造古字等方面，探討圖書館在古籍?dāng)?shù)字化過(guò)程中面臨的漢字字庫(kù)不足問(wèn)題所采取的應(yīng)對(duì)策略，并提出漢字處理過(guò)程中需注意的若干問(wèn)題，以期對(duì)從事古籍?dāng)?shù)字化的同仁有所啟發(fā)和幫助。

關(guān)鍵詞：圖書館；古籍?dāng)?shù)字化；漢字處理；對(duì)策研究

古籍?dāng)?shù)字化是加快古籍流通，有效保護(hù)古籍的重要手段。中文古籍?dāng)?shù)字化肇始于1978年，美國(guó)人P·J·Ivanhoe使用電子計(jì)算機(jī)編制了《戴震孟子字義疏證索引》《王陽(yáng)明大學(xué)問(wèn)索引》《王陽(yáng)明傳習(xí)錄索引》《朱熹中庸章句索引》《朱熹大學(xué)章句索引》機(jī)讀目錄。目前在美國(guó)，由北美36家圖書館組成的美國(guó)圖書館研究學(xué)會(huì)，擁有25000條數(shù)據(jù)的數(shù)據(jù)庫(kù)做到了館際資源共享，并還在不斷地?cái)U(kuò)充完善中。哈佛燕京圖書館擁有的“線裝古籍計(jì)算機(jī)檢索系統(tǒng)”中的1000余種家譜的資料，目前已經(jīng)編目完成。在英國(guó)，大量中國(guó)珍貴文獻(xiàn)和古籍收藏在大英圖書館，大英圖書館開(kāi)發(fā)的“古版書簡(jiǎn)明標(biāo)題目錄”是當(dāng)前全球古籍文獻(xiàn)數(shù)據(jù)庫(kù)最大的聯(lián)機(jī)數(shù)據(jù)庫(kù)。以上這些成果為我國(guó)古籍?dāng)?shù)字化建設(shè)提供了寶貴的經(jīng)驗(yàn)。

據(jù)2010年不完全統(tǒng)計(jì)，我國(guó)大陸地區(qū)有179家單位從事古籍?dāng)?shù)字化，形成各類數(shù)據(jù)庫(kù)（包括各種古籍書目數(shù)據(jù)庫(kù)、古籍全文數(shù)據(jù)庫(kù)等）415個(gè)，許多數(shù)據(jù)庫(kù)的字?jǐn)?shù)都在l億以上。較權(quán)威的統(tǒng)計(jì)表明，2012年我國(guó)公藏機(jī)構(gòu)已經(jīng)擁有超過(guò)20億字的數(shù)字化文本格式的古籍。一些己成規(guī)模的大型古籍?dāng)?shù)據(jù)庫(kù)還在原有基礎(chǔ)上不斷拓展和完善。

中國(guó)大陸地區(qū)開(kāi)始中文古籍?dāng)?shù)字化工作以來(lái)，制約古籍?dāng)?shù)字化進(jìn)程的主要問(wèn)題是漢字字庫(kù)問(wèn)題。業(yè)界就這一問(wèn)題進(jìn)行了深入的研究和探討。

1、國(guó)內(nèi)外古籍?dāng)?shù)字化過(guò)程中對(duì)漢字字庫(kù)問(wèn)題的研究概況

1.1 漢字字庫(kù)的研究情況

我國(guó)從20世紀(jì)50年代就開(kāi)始了計(jì)算機(jī)中文信息處理的理論和技術(shù)的研究，自20世紀(jì)70年代中期開(kāi)始，我國(guó)逐漸加快在計(jì)算機(jī)中文信息處理方面的發(fā)展步伐，在漢字鍵盤輸入技術(shù)、漢字輸出技術(shù)、漢字編碼技術(shù)、漢字儲(chǔ)存、檢索和識(shí)別、電子照排、中文平臺(tái)等多方面取得了一系列重大成就。陸續(xù)開(kāi)發(fā)的漢字鍵盤輸入方法，解決了漢字進(jìn)入計(jì)算機(jī)的難題；漢字輸出實(shí)現(xiàn)了多字體、多字號(hào)；漢字字庫(kù)的制作也由點(diǎn)陣字庫(kù)、矢量字庫(kù)逐步過(guò)渡到曲線輪廓字庫(kù)；漢字自動(dòng)識(shí)別技術(shù)達(dá)到國(guó)際先進(jìn)水平，并有商品投入市場(chǎng)；ISO/IEc 10646的CJK字符集，由早期的20 902個(gè)CJK統(tǒng)一漢字逐步擴(kuò)充，擴(kuò)充集A和擴(kuò)充集B已經(jīng)完成，現(xiàn)在正討論擴(kuò)充集c1。待擴(kuò)充集c1完成后，中日韓編碼漢字已經(jīng)7萬(wàn)多。這些成就，促進(jìn)了中國(guó)計(jì)算機(jī)的普及，為發(fā)展計(jì)算機(jī)應(yīng)用技術(shù)和信息化創(chuàng)造了基本條件。

1.2 漢字字庫(kù)的不足

中國(guó)古籍?dāng)?shù)字化經(jīng)過(guò)近30年的努力，漢字字庫(kù)得到了飛速發(fā)展，并開(kāi)發(fā)出了超大字符集字庫(kù)。在漢字信息化標(biāo)準(zhǔn)制定方面，國(guó)內(nèi)外相繼制定了多個(gè)漢字編碼標(biāo)準(zhǔn)。最新的GB 18030-2005標(biāo)準(zhǔn)可以涵蓋70 244個(gè)漢字。然而，古籍中的漢字大約有10萬(wàn)多個(gè)，GB 18030-2005的字庫(kù)還是遠(yuǎn)沒(méi)有覆蓋所有漢字。因此，在古籍?dāng)?shù)字化時(shí)依然會(huì)碰到不少缺字現(xiàn)象，補(bǔ)字工作不可避免。漢字字庫(kù)的不足是影響古籍?dāng)?shù)字化質(zhì)量及進(jìn)程的主要問(wèn)題之一。

2、我館古籍?dāng)?shù)字化過(guò)程中應(yīng)對(duì)漢字字庫(kù)問(wèn)題的策略

井岡山大學(xué)地處素稱“江南望郡”、“金廬陵”、“文章節(jié)義之邦”的吉安，一直以來(lái)注重廬陵文化相關(guān)文獻(xiàn)資料的購(gòu)買和收藏，為充分挖掘廬陵文化的精髓和內(nèi)涵，又組織力量對(duì)相關(guān)的館藏資源進(jìn)行數(shù)字化加工，建成了特色數(shù)據(jù)庫(kù)，為研究者提供了更快捷、更豐富、更深層次的服務(wù)。

所謂廬陵文化，主要是指讀書人多，建功立德者多，文教設(shè)施多，發(fā)表著述多等等。在數(shù)字化廬陵文化名人的古籍作品時(shí)，比如在《歐陽(yáng)修文萃》的數(shù)字化過(guò)程中，盡管安裝了超大字符集字庫(kù)，對(duì)計(jì)算機(jī)也作了相應(yīng)的設(shè)置，但還是碰到不少問(wèn)題。故筆者將三年來(lái)數(shù)字化廬陵古籍文獻(xiàn)中的實(shí)踐經(jīng)驗(yàn)進(jìn)行總結(jié)，希望對(duì)從事古籍?dāng)?shù)字化的同仁有所啟發(fā)和幫助，以期更多的古籍文化得以展示和傳承。

2.1 選擇合適的輸入法

在古籍?dāng)?shù)字化過(guò)程中，安裝大的漢字字體庫(kù)，能解決大部分漢字的輸入與顯示問(wèn)題。目前比較成熟的輸入法有很多，但任何一種輸入法都難以囊括字體庫(kù)中的所有漢字。因此，對(duì)輸入法的選擇至關(guān)重要。合適的輸入法，不但決定了漢字的輸出能力，更影響著古籍?dāng)?shù)字化的效率。

筆者建議選擇“極點(diǎn)五筆”輸入法，其一，此輸入法既可單獨(dú)進(jìn)行“五筆字形、拼音輸入法”的選擇，也可選擇“五筆拼音輸入法”，在這種輸入狀態(tài)下，對(duì)于那些目前還不能通過(guò)五筆輸出的漢字，可直接輸入該字的拼音進(jìn)行輸出，省去了在五筆和拼音之間來(lái)回切換的操作；其二，該輸入法的繁簡(jiǎn)切換非常直觀、明了、方便，對(duì)于那些不是很熟悉的繁體字，通過(guò)輸入其簡(jiǎn)體字就能顯示對(duì)應(yīng)的繁體字，這樣建庫(kù)人員能很快地確定其正誤。比如“蕭”和“齏”，不仔細(xì)區(qū)別感覺(jué)像是同一個(gè)字，但實(shí)際上它們分別是“齋”和“齊”的繁體字。

2.2 偏僻字的錄入技巧

目前漢字字庫(kù)中有大量的生僻字，無(wú)法通過(guò)五筆輸入法輸出，需通過(guò)拼音輸入法才能輸出，此時(shí)可在Word中輸入與生僻字偏旁和筆畫相近的字，并選定該字，點(diǎn)擊右鍵，在彈出菜單中選擇“符號(hào)”，便很快能找到所需文字，雙擊該字，即可直接輸入到Word中，這樣建庫(kù)人員在不知道其讀音的情況下，也能很快地輸入該字，從而提高古籍?dāng)?shù)字化的進(jìn)程。

2.3 自造古字

目前在古籍文獻(xiàn)數(shù)字化處理的過(guò)程中，通用于業(yè)界的Uni code字符集具有近7萬(wàn)字的容量，但在古籍?dāng)?shù)據(jù)庫(kù)建設(shè)中還是不夠用。因此，我們使用微軟操作系統(tǒng)自帶的“TrueType”造字程序進(jìn)行造字，避免數(shù)據(jù)庫(kù)中使用符號(hào)或說(shuō)明性文字代替目前輸入法無(wú)法正常輸出的文字現(xiàn)象。

3、古籍?dāng)?shù)字化漢字處理過(guò)程中需注意的問(wèn)題及對(duì)策

古籍?dāng)?shù)字化漢字處理過(guò)程中遇到的最大障礙是漢字字庫(kù)問(wèn)題，它不但影響著古籍?dāng)?shù)字化的進(jìn)程，還制約著古籍?dāng)?shù)字化的發(fā)展。漢字字庫(kù)問(wèn)題多年來(lái)經(jīng)過(guò)專家學(xué)者的研究，正在不斷的完善中，但仍未囊括古籍中的所有漢字，在進(jìn)行古籍?dāng)?shù)字化時(shí)仍有不少字需要利用相關(guān)程序進(jìn)行造字。目前有一些具備造字功能的程序，筆者主要介紹使用微軟操作系統(tǒng)自帶的“TrueType”造字程序進(jìn)行造字時(shí)需要注意的問(wèn)題及解決方法。

3.1 造字時(shí)截取字庫(kù)中已有字的有關(guān)部位

在造字時(shí)，最好截取現(xiàn)成字中需要的部分進(jìn)行造字，這樣比分別輸入所造字的各個(gè)部分而造出的字要美觀。比如：我們通過(guò)截取“映”的左半部和“換”的右半部造出的字比直接輸入“日”和“奐”字而造出的字，看上去要自然美觀。

3.2 自造字大小的調(diào)節(jié)

自造的字如果不通過(guò)區(qū)位碼輸入法進(jìn)行輸出，而是直接將其復(fù)制粘貼到Word或Excel文檔中的話，字號(hào)大小的調(diào)節(jié)不要在造字程序中進(jìn)行，而應(yīng)在Word或Excel文檔中進(jìn)行，否則字的筆劃線條太粗，放入相應(yīng)文檔中也會(huì)顯得很不協(xié)調(diào)。

3.3 自造字的輸出

將自造字直接放入Excel單元格中時(shí)，單元格的狀態(tài)應(yīng)處于編輯狀態(tài)（即單擊該單元格）而不是可修改狀態(tài)（即雙擊單元格），否則無(wú)法將自造字粘貼到指定位置。但這種直接將自造字復(fù)制粘貼到Excel或Word文檔中的操作，當(dāng)需對(duì)其進(jìn)行排版時(shí)，它不會(huì)隨之移動(dòng)，要人工調(diào)整它所在的位置，故生僻字造好后，應(yīng)利用區(qū)位碼輸入法輸出到相應(yīng)文檔中，這樣排版時(shí)就不會(huì)出現(xiàn)自造字不隨文移動(dòng)的現(xiàn)象了。

3.4 自造罕的顯示

自造的字缺乏通用性，因此若要在不同的計(jì)算機(jī)上都可以正常顯示Excel或數(shù)據(jù)庫(kù)中的自造字，就必須將eudc.euf和eudc.tff這兩個(gè)自造字庫(kù)文件拷貝到字體目錄下。需要指出的是，將這二個(gè)文件拷貝到指定目錄時(shí)，根據(jù)計(jì)算機(jī)設(shè)置的不同，其拷貝方法也不同。即：操作系統(tǒng)中沒(méi)有攜帶TrueType造字程序，只需直接將自造字的二個(gè)文件粘貼到指定目錄，重啟計(jì)算機(jī)就行了；其他情況就只有通過(guò)command命令進(jìn)行拷貝操作，當(dāng)然如果造字程序或自造字文件處于運(yùn)行狀態(tài)，則拷貝操作無(wú)法進(jìn)行。

4、結(jié)語(yǔ)

古籍?dāng)?shù)字化建設(shè)是一項(xiàng)艱巨而復(fù)雜的系統(tǒng)工程，盡管目前古籍?dāng)?shù)字化建設(shè)中還存在一些問(wèn)題，但隨著國(guó)家“中國(guó)古籍?dāng)?shù)字化工程”的啟動(dòng)及數(shù)字化技術(shù)的發(fā)展與完善，相信在不久的將來(lái)，古籍?dāng)?shù)字化過(guò)程中所遇到的問(wèn)題都將逐步得到解決。