淺議地方志文獻數(shù)字化技術(shù)規(guī)范建設

趙海良

(浙江省人民政府地方志辦公室 浙江 杭州 310012)

地方志緣起于何時，學術(shù)界一直爭議頗多，各學者也是眾說紛紜。《山海經(jīng)》《周官》《史記》等各類古籍均被認為是方志之起源。劉緯毅所著《中國地方志》一書更是詳細列舉了多種關(guān)于方志起源的說法。不管方志起源于何時，有一點是眾人公認的，就是中國地方志歷史悠久，地方志文獻卷帙浩繁、種類繁多、內(nèi)容豐富。各類地方志文獻不僅僅是記載某一時期某一地域的自然、社會、政治、經(jīng)濟、文化等方面情況或特定事項的書籍文獻，更是地方歷史文化的積淀。而如何合理利用地方志資源，充分發(fā)揮其“存史、資政、教化”的作用，是地方志工作者面臨的難題。

現(xiàn)代信息技術(shù)的迅猛發(fā)展，改變了人們傳統(tǒng)的通過紙質(zhì)文獻來獲取信息、傳播信息的方式。據(jù)調(diào)查，以互聯(lián)網(wǎng)為代表的信息化手段，已成為人們獲取信息的主要方式［1］。地方志文獻的數(shù)字化建設也日益被重視，全國各地方志工作機構(gòu)，都在建設自己的“文獻數(shù)據(jù)庫”、“省情數(shù)據(jù)庫”，“自20世紀90年代以來，我國地方志網(wǎng)絡建設在各地逐步開展起來。據(jù)有關(guān)方面統(tǒng)計，目前全國已建地情庫(網(wǎng))省級7個，市級63個，縣級154個。在建地情庫(網(wǎng))省級4個，市級21個，縣級54個。籌建地情庫(網(wǎng))省級2個，市級28個，縣級42個”［2］。同時，隨著新一輪修志工作的深入開展，信息化已成為重要的手段，以作者所在的浙江省為例，為《浙江通志》編纂工作專門開發(fā)了編纂信息系統(tǒng)，從資料收集一直到審稿均在網(wǎng)上完成，這些信息化的手段為地方志文獻的數(shù)字化建設提供了基礎(chǔ)。

一、地方志文獻數(shù)字化技術(shù)規(guī)范現(xiàn)狀

地方志文獻資源的數(shù)字化，不是簡單的將志書通過技術(shù)化手段放在計算機上進行瀏覽，其本質(zhì)是對方志文獻資源利用手段的深度開發(fā)，這需要全國方志工作者的共同努力，但目前各地方志工作機構(gòu)的數(shù)字化建設都是“各自為戰(zhàn)”、“單打獨斗”，沒有統(tǒng)一的標準。

(一)文獻存儲格式不統(tǒng)一

目前數(shù)字化后的地方志文獻資源存儲格式種類繁多，有常見的 txt、doc、pdf等，也有 chm、hlp、exe、html、txt、xml等較少見的格式。這些不同格式的文件格式，往往都需要各自專門的閱讀器才能進行瀏覽，相互之間難以兼容。即使同一種文件，也因編碼風格的不同，導致無法兼容。例如txt格式的文件，既有用ANSI編碼的，也有用Unicode、UTF－8編碼的。不同的編碼風格導致了即使看上去是同一種文件類型，也無法實現(xiàn)資源共享。

(二)文獻數(shù)字化程度不統(tǒng)一

地方志文獻種類繁多，時間跨度大，既有舊志古籍，又有通志、年鑒，既有繁體字，又有簡體字、異體字。這導致各地對地方志文獻的數(shù)字化程度不一樣，有的在數(shù)字化的過程中，簡單的將地方志文獻數(shù)字化成全文格式，這樣方便于做志書的全文檢索，但無法有效展示志書的原貌，有些因為技術(shù)經(jīng)費等原因，將部分難以數(shù)字化，或者數(shù)字化技術(shù)要求高的舊志古籍簡單的做成圖片格式，這樣做雖然保留了志書的原貌，但無法做志書的全文檢索。

(三)存儲數(shù)據(jù)庫不統(tǒng)一

各類完成數(shù)字化的地方志文獻資源，需要一個專門的數(shù)據(jù)庫來存儲。而目前數(shù)據(jù)庫軟件種類繁多，有免費開源的數(shù)據(jù)庫軟件，例如MySQL，有需要付費的數(shù)據(jù)庫軟件，例如Oracle、MS SQL Server等，各地因為經(jīng)費、數(shù)據(jù)庫容量、技術(shù)難度等各方面情況不同，所采用的數(shù)據(jù)庫軟件也不盡相同。

(四)全文檢索平臺不統(tǒng)一

地方志文獻資源數(shù)字化后，如何將其有效的利用起來是關(guān)鍵，志書的全文檢索是重要的手段之一，其可以將存儲于數(shù)據(jù)庫中整本志書的任意內(nèi)容快速準確的查找出來。但目前各地的全文檢索平臺也各自為用，有自己開發(fā)的、有購買第三方平臺的，雖然各全文檢索平臺的技術(shù)實現(xiàn)大同小異，但底層數(shù)據(jù)的存儲方式卻截然不同，這為不同檢索平臺的數(shù)字資源共享帶來了障礙。

以上幾個地方志文獻數(shù)字化關(guān)鍵技術(shù)規(guī)范的不統(tǒng)一，已然成為全國方志資源信息共享，自動化網(wǎng)絡系統(tǒng)建立，文獻資源廣泛傳播的重要阻礙。

二、地方志文獻數(shù)字化技術(shù)規(guī)范建設思路

在地方志文獻數(shù)字化技術(shù)規(guī)范的建設中，存儲格式、數(shù)字化程度、數(shù)據(jù)庫軟件、全文檢索平臺等幾個要素，看似毫無關(guān)系，其實是密切相聯(lián)系的，一個要素技術(shù)規(guī)范的建設，涉及其他幾個要素。這幾個要素之間，即相互支持，又相互制約。

(一)數(shù)據(jù)存儲格式規(guī)范的建設

地方志文獻數(shù)字化后，該存儲為何種格式，這是數(shù)字化規(guī)范建設的關(guān)鍵，上文提到過，在存儲格式上，有常見的 txt、doc、pdf等，也有 chm、hlp、exe、html、txt、xml等較少見的格式。每種格式都有其特點，各有優(yōu)劣，對于數(shù)據(jù)存儲格式的標準，筆者認為不能一刀切的說一定要采用某一種格式，而是應該根據(jù)所要數(shù)字化的地方志文獻的類型來選擇。

對于新編志書，年鑒等可以采用txt、doc等格式，因為此類文獻基本都是當代所編，無需對文獻外觀原貌進行真實還原，只需確保文獻內(nèi)容準確無誤即可，且當代所編志書基本都有電子版本，無需繁瑣的數(shù)字化過程，即節(jié)約成本又節(jié)省時間。

對于文獻原貌保存要求較高，不需要全文檢索的舊志古籍，可以采用圖片、pdf或者DjVu格式。但長久以來，圖像類文件都有一個清晰度與文件大小之間的平衡關(guān)系，就是如果要保證文字和影像的清晰效果，就必須要用較高的分辨率來進行掃描，其所得文件往往十分巨大，需要占用很大的存儲空間。想要減小文件的大小，就不得不降低分辨率，這也意味著圖像質(zhì)量和可辨性得不到保證。pdf又稱便攜文件格式，是由Adobe公司所開發(fā)的獨特的跨平臺文件格式，其主要特點是會忠實地再現(xiàn)原稿的每一個字符、顏色以及圖象［3］。DjVu是由AT＆T實驗室自1996年起開發(fā)的一種圖像壓縮技術(shù)，已發(fā)展成為標準的圖像文檔格式之一，國際上大量應用實例已證明，DjVu可替代PDF成為網(wǎng)絡傳輸掃描文檔、數(shù)碼照片、圖像文件的主流技術(shù)［4］。相對于pdf格式，DjVu格式即保證了文件的清晰度，又可以減少文件的大小，例如一份60頁A4大小公司報告用PDF格式來發(fā)布，其大小大概在4MB左右，而掃描之后以 DjVu格式保存，其文件大小則不超過 800K［5］。

對于文獻原貌保存要求較高，同時又要進行全文檢索的部分舊志古籍，可以采用雙層pdf格式。所謂雙層pdf是指將文獻掃描成jpg、png等圖像格式，然后加工輸出為雙層(圖象層和文字層)PDF文件。雙層PDF文件其圖文位置上下一一相對應，既可以完整保留原始版面效果，又可以通過下層的文字信息支持選擇、復制、全文檢索等功能。雙層pdf相較于單層圖片形式的pdf文件，其主要優(yōu)點是可以提供全文檢索功能，但工序是最為繁瑣的。

(二)數(shù)據(jù)庫軟件的規(guī)范建設

相對于數(shù)據(jù)存儲格式的五花八門，數(shù)據(jù)庫軟件的選擇性就比較單一，目前主流的數(shù)據(jù)庫軟件基本就 MySQL、Oracle、MS SQL Server三分天下，其中MySQL和Oracle同屬于甲骨文公司，MSSQL Server屬于微軟公司。各有各的優(yōu)點和缺點，且最重要的是，存儲在這三種數(shù)據(jù)庫中的數(shù)據(jù)，可以通過技術(shù)手段互相導入和導出。但實現(xiàn)這一功能的前提，就是文獻數(shù)字化后存儲在數(shù)據(jù)庫中的字段需統(tǒng)一。所謂字段，可以理解為對文獻的一種描述要素，例如作者為一個要素，出版社為一個要素，出版時間為一個要素，將所有要素集合在一起，就可以詳細的描述一本文獻。同時，當我們提供準確、詳細的要素后，即可以快速的定位一本文獻。北京大學數(shù)字圖書館研究所曾專門對中文元數(shù)據(jù)標準做過研究［6］，參照其研究成果，筆者認為地方志文獻的要素(字段)設計規(guī)范，可以如表1所示。

表1 地方志文獻的要素(字段)設計規(guī)范

規(guī)范、統(tǒng)一的要素設計，是不同數(shù)據(jù)庫數(shù)據(jù)互導的關(guān)鍵，以上設計規(guī)范，只是筆者本人粗略的設計，如何借鑒中文圖書電子數(shù)據(jù)的要素設計規(guī)范，制定一套符合地方志文獻特色的要素規(guī)范，需要全國方志工作者的共同努力。

(三)全文檢索平臺的規(guī)范建設

地方志文獻數(shù)字化一個重要的目的是為了更加方便的“用志”，而志書的全文檢索平臺，是最便捷的手段。一套優(yōu)秀的檢索平臺，不僅需要提供全庫或分庫、單本圖書的全文檢索功能，同時還需提供基于文章標題、文章內(nèi)容、作者等的智能分項檢索功能。同時由于方志文獻的特點，需要滿足大字符集支持。

目前全文檢索平臺種類很多，有地方志工作機構(gòu)自己研發(fā)的，也有專門軟件公司研發(fā)的，常見的有清華同方異構(gòu)統(tǒng)一檢索平臺、CALIS統(tǒng)一檢索平臺、TRS資源整合門戶、復鑫跨庫檢索平臺、天宇異構(gòu)資源統(tǒng)一檢索平臺等［7］。因為利益、技術(shù)整合難度等各方面原因，全文檢索平臺的標準是最難統(tǒng)一的。對于此項規(guī)范的建立，應遵循以下幾個原則:

1.開放性

在全文檢索平臺的標準的制定過程中，應首先考慮采用已經(jīng)成熟的、被用戶廣泛接受的開放標準。此舉既可以有效避免無用的重復勞動，又能保證較高的技術(shù)水平。

2.實用性

地方志數(shù)字化后，最終還是需要給人“用”，全文檢索平臺是“用”的關(guān)鍵手段，系統(tǒng)在開發(fā)的時候，應注重實用性，易用性，在滿足基本基礎(chǔ)上，應根據(jù)地方志文獻的自身特點，設置符合實際需求的功能。

3.前瞻性

科技的發(fā)展日新月異，同樣，全文檢索平臺在制定的過程中，也應充分跟上時代的步伐，為以后新技術(shù)的支持提供預留的接口。

三、結(jié)束語

近些年來，圖書館界的文獻數(shù)字化標準制定工作在一定程度上受到了重視。從2002年開始，由科技部委托國家科技圖書文獻中心協(xié)調(diào)中國科學院文獻情報中心、中國科學技術(shù)信息研究所、國家圖書館、中國高等教育文獻保障系統(tǒng)管理中心、北京大學圖書館、上海圖書館等21家單位聯(lián)合進行了圖書文獻數(shù)字化的相關(guān)標準規(guī)范研究［8］。作為與地方志工作部門類似的檔案部門，很早就注意到了檔案文獻數(shù)字化標準建設的重要性，相繼出臺了《電子文件歸檔與管理規(guī)范》《紙質(zhì)檔案數(shù)字化技術(shù)規(guī)范》《縮微膠片檔案數(shù)字化技術(shù)規(guī)范》等規(guī)范性的文件。但目前在全國的方志系統(tǒng)內(nèi)尚未形成一個統(tǒng)一的強制性文獻數(shù)據(jù)化的標準，一些信息化建設走在前列的省份已經(jīng)建設成了規(guī)模龐大的文獻數(shù)據(jù)庫，形成了自己的一套數(shù)據(jù)庫標準。國務院辦公廳于2007年1月發(fā)布了《關(guān)于進一步加強古籍保護工作的意見》，文件明確指出:“進一步加強古籍整理、出版和研究利用、制訂古籍數(shù)字化標準，規(guī)范古籍數(shù)字化工作，建立古籍數(shù)字資源庫”，對全國地方志志工作機構(gòu)而言，建立一套全國性的地方志文獻資源數(shù)字化標準，已經(jīng)是迫在眉睫的事情。

［1］《中國互聯(lián)網(wǎng)絡發(fā)展統(tǒng)計報告》2014年7月.

［2］《中國新編地方志二十多年輝煌成就》，《中國地方志》.2006年第6期．

［3］百度百科，http://baike．baidu．com/view/15963．htm?fr=aladdin.

［4］百度百科，http://baike．baidu．com/view/69557．htm?fr=aladdin.

［5］梁民，王北.《DJVU格式與PDF格式的比較》，《電腦知識與技術(shù)》.2009年第1期.

［6］肖瓏，陳凌等.《中文元數(shù)據(jù)標準框架及其應用》，《大學圖書館學報》.2001年第5期.

［7］胡娟.《數(shù)據(jù)庫統(tǒng)一檢索平臺的功能比較》，《現(xiàn)代情報》.2005年第4期.

［8］周琳結(jié).《我國古籍書目數(shù)據(jù)庫建設標準規(guī)范探討》，《圖書館建設》.2010年第2期.