淺談XML語言在檔案管理中的應用

王 瑜

（中國電建集團北京勘測設計研究院有限公司，北京 100024）

XML 語言誕生于1998年，其設計的最初目的是實現EDI（Electronic Date Interchange電子數據交換），為電子數據交換提供一個統一的標準數據格式。XML語言是一種用于描述數據的標記語言，它不提供固定的標記，而是允許用戶自定義數量不限的標記來描述數據，且允許使用嵌套的信息架構，是一種良好的直接處理數據的通用方法。XML具有良好的可讀性、可維護性，便于信息檢索，便于信息的長期保存，可以輕松的跨平臺應用，符合《DA/T 47-2009板式電子文件長期保存格式需求》中格式開放、不綁定軟硬件的要求，這也是它被廣泛應用在檔案管理中的原因。國家檔案局發布的行業標準《DT/ 48-2009基于XML的電子文件封裝規范》就基于XML語言對檔案元數據的數據格式進行了約定。

1 XML語言在檔案管理中存在的問題

1.1 XML格式復雜

就XML本身特點而言，XML文件龐大，文件格式復雜，傳輸帶寬。服務器和客戶端都需要花費大量代碼來解析XML，XML的解析需要考慮父節點和子節點，讓人頭暈眼花，導致服務器和客戶代碼變得異常復雜且不易維護。客戶端不同瀏覽器之間解析XML的方式不一致需要重復編寫很多代碼，客戶端和服務解析XML花費較多的資源和時間。

1.2 著錄時仍需人工完成

XML數據著錄時仍然需要人工完成，著錄完畢將經歷多次自動查驗，但所查驗內容多是對檔案的真實性、可靠性、可用性和安全性進行校驗，對于著錄中的錯別字或錄入順序顛倒等問題無法查驗，接收進檔案系統的XML數據在后期整編審核過程中存在錯誤，主要是由于著錄人員信息內容錯誤，或將信息填錯位置。XML數據雖然后續經過多次人工檢驗，但在后期工作仍會在不同的階段發現問題。因此前期著錄過程的準確率至關重要。

2 改進建議

2.1 技術需要改善

首先是要規范XML格式書寫，讓代碼描述自己，保證恰當縮進，讓代碼更加容易理解。增加注釋，注釋做到簡單直接，同時避免不必要的注釋。其次是按照實際需求，選擇適合的解析方式，XML常用解析方式有四種，分別是DOM（Document Object Model）解析、SAX（Simple API for XML）解析、DOM4J（Document Object Model for Java）解析和JDOM（Java-based Document Object Model）解析。各種解析器各有優缺點，DOM的優點是允許應用程序對數據和結構做出更改，可以在任何時候在樹中上下導航，獲取和操作任意部分的數據。缺點是需要加載整個XML文檔來構造層次結構，消耗資源大。SAX的優點是不需要等待所有數據都被處理，分析就能立即開始、只在讀取數據時檢查數據，不需要保存在內存中、可以在某個條件得到滿足時停止解析，不必解析整個文檔、效率和性能較高，能解析大于系統內存的文檔。缺點是需要應用程序自己負責TAG的處理邏輯（例如維護父/子關系等），使用麻煩、單向導航，很難同時訪問同一文檔的不同部分數據。DOM4J的優點是大量使用了Java集合類，方便Java開發人員，同時提供一些提高性能的替代方法，并且有很好的性能，缺點是大量使用了接口，API較為復雜。JDON的優點是使用具體類而不是接口，簡化了DOM的API，缺點是沒有教較好的靈活性。開發人員可以根據檔案系統的實際情況去選擇適合的解析方法。

2.2 著錄時的改善

目前OCR圖像文字識別、語音識別、職能檢索等功能均比較適合輔助前期的著錄工作，這些如果能與著錄軟件結合會大幅提高XML數據庫的準確率，這樣不僅可以篩查格式問題，還可自動糾錯出人工著錄過程中存在的常識問題，如錯別字、著錄順序顛倒、信息填錯位置等問題。如能在前期著錄過程中提高準確率，在進入檔案室后的一系列人工核查中進行查漏補缺，會使得檔案著錄數據更加準確。

目前很多部門在辦事過程中已經直接形成電子文件，所以在移交檔案時要將電子文件打印成紙質文件再向檔案館移交。如能在前期從各部門的各種業務系統中抓取數據與著錄系統導出的XML數據相結合，會緩解后期加工制作的壓力，大幅度地縮減加工周期，抓取的信息相對數字化掃描成果更加清晰易讀取，可以在最短的時間內對外提供檔案利用服務。同時各部門形成的電子文件為原生的電子文件，更符合檔案接收標準。

3 結束語

當今的時代是一個信息爆炸的時代，互聯網技術風云千檣，每一種技術都有可能給我們現有的管理模式帶來新的成長。XML不過是互聯網技術千萬應用的一個小創新而已，希望它可以在曠日積晷的歷史長河中閃爍微光，幫助我們更好的管理檔案。