黨政網頁電子文件采集與管理研究

裴童

【摘要】本文簡要梳理國內外的相關研究現狀，探索基于云存儲的黨政重要網頁文件云存儲模式構建的原則和方法，致力于解決黨政重要網頁電子文件的現代化采集方式和保存方式，為基于云存儲環境下黨政重要網頁檔案的收集、管理、保存及利用提供理論基礎和經驗借鑒。

【關鍵詞】黨政;網頁電子文件;云存儲

隨著新時代現代化水平的快速發展，如今全球網絡上擁有大量的在線雜志，公共頁面及鏈接文檔超過億個，每天有許多新的網頁出現，網絡已經成為眾多民眾獲取信息的首選。然而網頁的平均壽命較短，如果重要的黨政網頁檔案信息資源不能及時采集、歸檔或管理不善，其將“自生自滅”。因而，如何利用現代化信息手段存儲“原生性”網絡資源具有重要的時代意義。2016年國務院辦公廳發布《關于印發“互聯網+政務服務”技術體系建設指南的通知》，明確要求進一步加強“互聯網+政務服務”技術體系建設。近幾年，隨著黨政機關、事業單位“互聯網+政務服務”能力的不斷提升，黨政及政務網頁發布的信息呈指數型增長，及時存儲并高效利用黨政重要網頁電子文件具有重要的憑證價值和歸檔保存價值。

一、國外相關的研究背景

1996年國際開始研究網絡資源保存問題，加拿大、澳大利亞、瑞典國家圖書館和互聯網檔案館（Internet Archive）是首批建立網頁歸檔項目的國家。美國Philip C.Bantin對黨政重要網頁文件管理提出模式生命周期和文件連續體這兩種模式。這兩種模式是現代管理研究和發展的理論來源之一。美國和澳大利亞等國外黨政機關部門開始轉向云服務，積極探索在“云”中生成、存儲和利用黨政重要網頁檔案，據調查，宏觀層面上，美國、英國、澳大利亞等國家先后出臺相關“云”政策，微觀層面上也發布黨政重要網頁檔案云存儲指南。

二、目前我國黨政重要網頁歸檔的主要功能及現狀

石華的《檔案館保存黨政重要網頁策略研究》一文著重闡述鄭州市檔案局黨政重要網頁文件歸檔的情況。2018年7月，由國家檔案局牽頭啟動我國網站網頁資源歸檔試點。近年，各省市檔案館也紛紛開展網頁電子文件采集、歸檔、管理存儲項目研究，但大多數并不是針對黨政重要網頁文件開展的，針對性較弱。目前國內大多黨政重要網頁電子文件存在歸檔的范圍和保管期限不明確、歸檔的技術和標準不完備、歸檔的保管和利用體系不完善、未形成完整的管理體系等方面問題。

三、黨政重要網頁檔案采集、管理及利用

網頁形成的電子文件本身就是數字化的文件，不必像傳統紙質檔案逐頁掃描、識別采集后存儲利用。采集、歸檔與管理三個主要的功能模塊構成網頁電子文件歸檔系統。云計算的運行原理是指：用戶使用的應用程序，通過互聯網這個媒介，運行在互聯網的服務器集群中。用戶查詢信息時無需打開自己的電腦、手機的應用程序，可以便捷地進行信息訪問，除此之外，用戶使用的數據也通過互聯網集群中心進行存儲。

（一）數據采集功能是采集模塊的主要功能。自動增量采集是指云環境下的數據采集通過網頁爬蟲工具對指定網頁進行規劃，按標準規范將采集到的網頁進行元數據整理、原始信息的封裝與保存、可視化封裝與保存。解決了現有數據采集系統的數據采集效率低、實時性差的技術問題。通過云端服務器強大的數據運算能力，該數據采集能快速分析所采集數據的分析結果，保證了數據采集系統的數據采集實時性，提高了數據采集系統的效率。

（二）對元數據摘錄、自動分類歸檔、數據入庫等初步封裝是歸檔過程。云計算空間，根據用戶不同的信息需求和等級層次，檔案館自行設置檔案信息資源的權限管理。檔案館授予管理權一般是通過PMI（特權管理基礎設施）進行，首先，用戶輸入身份驗證登錄“云”端，然后按照之前確定的角色進行網頁查詢、瀏覽。其次，承擔檔案館數據維護人員登錄“云”系統后，可以按照其管理員身份和權限，進行網頁數據的維護、數據的更新、升級和備份等。

（三）云平臺以云計算為代表。電子網頁的保存技術在充分運用這一平臺的基礎上，可以為檔案數據的儲存空間提供足夠的保障。電子網頁的保存技術可以分為以下兩種：分布式保存技術和保存虛擬化技術。為了備份重要的電子網頁，在運用以上兩種技術進行儲存時，需要采取加密等技術措施來保證數據的安全。因為檔案數據的類別是多種多樣的，所以運用多種模式的數據庫是行之有效的。一方面，可以運用關系型的數據庫來儲存結構性的檔案數據;另一方面，可以運用并行處理系統（MapReduce）來處理半結構或者非結構形式的數據。同時，我們可以把多種模式的數據庫融入云平臺，這樣各種形式的電子網頁都可以得到妥善的存儲。

（四）網頁電子文件管理。對網頁電子文件進行管理是指簽名驗證、授權管理、網頁數據的導入和導出、生成電子網頁數據包等功能。“云檔案館”是由各個成員館構建而成，各個成員館同時享用云檔案館的信息資源，實現了雙方的互惠互利。各個成員館通過互聯網相互聯系，在各自的分館上傳可用的信息資源，這些資源最后集結在云端，云端成為一個大型的資源存儲庫，用戶在成員館使用資源時，不用區分資源是否為本館資源，這就實現了各個成員館資源的共享。同時云檔案館可以識別用戶檢索的各種信息，對這些信息進行過濾和篩選，根據用戶的不同需求提供信息檢索和信息傳遞服務。用戶在查詢信息過程中無需使用繁雜的步驟，為用戶節省了大量的時間。

（五）網頁歸檔。網頁歸檔也同其它檔案信息資源一樣，涉及網頁的復制權、編輯與保存權和發布權等問題，為了確保云環境下網頁電子文件的真實性，提高云環境下網頁電子文件的安全性，需要建立一個身份認證功能，對訪問用戶的身份等信息進行核實和認證。比如，只有當檔案用戶輸入真實姓名和密碼時才能進行登錄，當下一次需要查詢檔案時，還需要再次進行手機認證，才能享用被授權的檔案信息資源。一人一賬戶，這樣的話，即能避免云系統權限的混淆和混亂，同時，又能避免云中的各個用戶在不同系統登錄產生很多賬號的情況。另外，重要電子網頁的歸檔還存在著資金、法律、人才等問題，因此相關部門應加大對資金的投入，在尊重隱私權和知識產權的同時，制定相關的法律法規，同時要打造一批復合型的檔案人才隊伍。電子網頁歸檔是一個長期而系統的工程，任重而道遠，相關問題還有待于進一步商榷。

四、結語

網頁仿佛一座橋梁貫穿歷史、今天與未來，把網頁像書頁一樣保存起來，我們希望做到的是讓后人能夠清晰看到今天乃至過去互聯網上報道過什么重大歷史事件，感受網站的歷史變遷、感受時代的進步與發展，留住今天的記憶，展示昔日的風采。

【本文系遼寧省檔案局科技項目高校重要網頁電子文件的采集、歸檔與利用研究（2019-R-14）階段性研究成果】

【參考文獻】

[1]王靜.中美網頁歸檔項目的對比研究[J].檔案與建設， 2016（7）.

[2]王爍.法國國家圖書館網頁歸檔項目發展狀況研究[J].山西檔案，2012（3）.

[3]畢云平，謝海洋.檔案學視角下網頁歸檔與保存研究綜述[J].檔案學研究，2015（4）.

[4]付光宇.國外網絡信息資源采集研究及其啟示[J].圖書情報論壇，2008（4）.