關(guān)于制定古籍?dāng)?shù)字化標(biāo)準(zhǔn)的思考

●姚俊元 （南京圖書館，南京 210018）

2007年1月，國(guó)務(wù)院辦公廳發(fā)布了《關(guān)于進(jìn)一步加強(qiáng)古籍保護(hù)工作的意見》，文中明確指出：“進(jìn)一步加強(qiáng)古籍的整理、出版和研究利用。制訂古籍?dāng)?shù)字化標(biāo)準(zhǔn)，規(guī)范古籍?dāng)?shù)字化工作，建立古籍?dāng)?shù)字資源庫(kù)?！?008年7月28日，在全國(guó)古籍保護(hù)工作會(huì)議上文化部副部長(zhǎng)周和平講到：“要制定古籍?dāng)?shù)字化標(biāo)準(zhǔn)，加快古籍?dāng)?shù)字化工作，逐步為公眾提供古籍全文數(shù)字化閱覽服務(wù)?！痹倬C觀國(guó)內(nèi)外專家學(xué)者的意見和專業(yè)機(jī)構(gòu)的做法，可以斷定，古籍?dāng)?shù)字化已經(jīng)成為21世紀(jì)古籍整理的主流，代表著未來(lái)古籍整理、開發(fā)、利用的發(fā)展方向，但在我國(guó)目前還缺乏相應(yīng)的工作標(biāo)準(zhǔn)，需要業(yè)界人士進(jìn)一步的研究、探索和制定。

1 古籍?dāng)?shù)字化標(biāo)準(zhǔn)的概念

《標(biāo)準(zhǔn)化與相關(guān)活動(dòng)的基本術(shù)語(yǔ)及其定義（1991年第六版）》對(duì)“標(biāo)準(zhǔn)”定義為：“標(biāo)準(zhǔn)是由一個(gè)公認(rèn)的機(jī)構(gòu)制定和批準(zhǔn)的文件，它對(duì)活動(dòng)或活動(dòng)的結(jié)果規(guī)定了規(guī)則、導(dǎo)則或特性值，供共同和反復(fù)使用，以實(shí)現(xiàn)在預(yù)定結(jié)果領(lǐng)域內(nèi)最佳秩序的效益?！睒?biāo)準(zhǔn)是標(biāo)準(zhǔn)化活動(dòng)的結(jié)果，它雖然不是商品，卻能加速商品的生產(chǎn)流通，提高效率和管理水平，保證產(chǎn)品、工程、服務(wù)的質(zhì)量。所謂古籍?dāng)?shù)字化標(biāo)準(zhǔn)，簡(jiǎn)言之，就是在古籍?dāng)?shù)字化過程中以達(dá)到最佳有序化程度為目的，共同遵守的準(zhǔn)則和依據(jù)。

2 制訂古籍?dāng)?shù)字化標(biāo)準(zhǔn)的必要性

從20世紀(jì)80年代起，我國(guó)大陸地區(qū)開始古籍?dāng)?shù)字化工作，網(wǎng)上可見的中文古籍?dāng)?shù)據(jù)庫(kù)共有70多個(gè)。但令人遺憾的是，至今我國(guó)沒有相關(guān)的標(biāo)準(zhǔn)和規(guī)范，造成了目前古籍?dāng)?shù)字化在概念上百家爭(zhēng)鳴、在開發(fā)理念上千差萬(wàn)別、在質(zhì)量上參差不齊和在標(biāo)準(zhǔn)上各自為政的局面，給使用者帶來(lái)了不便，也嚴(yán)重困擾了古籍?dāng)?shù)字化工作的健康、快速、協(xié)調(diào)發(fā)展。

2.1 認(rèn)識(shí)上概念模糊

經(jīng)過20多年的努力，我國(guó)古籍?dāng)?shù)字化工作取得一定成果，建設(shè)了一批優(yōu)秀的古籍?dāng)?shù)字化產(chǎn)品，比如：國(guó)家圖書館的碑砧菁華、西夏碎金、敦煌遺珍、數(shù)字方志以及甲骨文、永樂大典等，上海圖書館的名人家譜庫(kù)，天津圖書館的古籍善本選粹，北京大學(xué)的中國(guó)基本古籍光盤庫(kù)等等。但是由于缺乏統(tǒng)一領(lǐng)導(dǎo)和工作標(biāo)準(zhǔn)，目前官方或?qū)W術(shù)界還處于探索階段，仍然沒有一個(gè)準(zhǔn)確、統(tǒng)一的概念界定，導(dǎo)致古籍?dāng)?shù)據(jù)化程度深淺不一、參差不齊。

2.2 儲(chǔ)存上格式眾多

當(dāng)前數(shù)字化古籍的文件格式可謂五花八門，種類繁多，除了常見的txt、doc、hind格式外，還有exe、pdf、wdl、ebk、edb、peb、sep、ifr、xeb、pdg、nlc 格式，以及基于unicode、倉(cāng)頡碼、Big5碼或其他字符集，這些不同格式的文件，往往需要各自專門的閱讀器才能進(jìn)行瀏覽，相互之間難以兼容，給讀者造成了不少麻煩，也給我國(guó)古籍資源的共享制造了隱患。［1］

2.3 檢索上平臺(tái)各異

一般數(shù)字化資源大多需要納入數(shù)據(jù)庫(kù)，才可調(diào)用和檢索，但各家所用數(shù)據(jù)庫(kù)很不統(tǒng)一，如access、mysql、sqlsever都有，給跨庫(kù)檢索帶來(lái)極大不便。

2.4 方式上千差萬(wàn)別

目前，古籍?dāng)?shù)字化的基本方法大體包括全文數(shù)據(jù)庫(kù)、全文圖像、圖文三種方式，但在檢索功能、古籍原貌、研究效果、方便利用等方面存在著差別。

2.5 協(xié)作上缺乏溝通

由于分散作業(yè)、各自為用，我們至今無(wú)法完整地了解哪些古籍已經(jīng)被數(shù)字化，更無(wú)法知曉其數(shù)字化的格式、利用的程度等情況，這一方面造成了數(shù)不清的重復(fù)建設(shè)，另一方面又使這些有用的學(xué)術(shù)資源無(wú)法充分發(fā)揮其作用。

荷蘭國(guó)家圖書館在數(shù)字化文獻(xiàn)領(lǐng)域領(lǐng)先世界，該館保存部主任希爾德·范韋恩加德指出，數(shù)字化產(chǎn)品能否長(zhǎng)期保存和方便利用，需要在數(shù)字化開始時(shí)就考慮選擇什么樣的文件格式（file format）、制作標(biāo)準(zhǔn)（production settings） 和字型等。［2］通過以上分析不難看出，標(biāo)準(zhǔn)化是古籍?dāng)?shù)字化的基礎(chǔ)，直接影響古籍?dāng)?shù)字資源的制作質(zhì)量和查詢服務(wù)的效果。只有不斷采用新技術(shù)，統(tǒng)一新標(biāo)準(zhǔn)，確立古籍?dāng)?shù)字化的統(tǒng)一著錄格式和標(biāo)引方法，研制與用戶要求相匹配的系統(tǒng)，數(shù)字化的古籍文獻(xiàn)信息才能在不同的計(jì)算機(jī)系統(tǒng)之間交換數(shù)據(jù)，才能實(shí)現(xiàn)用戶和系統(tǒng)以及系統(tǒng)與系統(tǒng)之間的有效溝通，確保數(shù)據(jù)庫(kù)的使用性能。

3 制訂古籍?dāng)?shù)字化標(biāo)準(zhǔn)的幾點(diǎn)思考

3.1 統(tǒng)一概念認(rèn)識(shí)，明確古籍?dāng)?shù)字化的真正內(nèi)涵

古籍?dāng)?shù)字化是從保護(hù)和利用古籍的目的出發(fā)，采用計(jì)算機(jī)技術(shù)，將常見的語(yǔ)言文字或圖形符號(hào)轉(zhuǎn)化為能被計(jì)算機(jī)識(shí)別的數(shù)字符號(hào)，從而制成古籍全文數(shù)據(jù)庫(kù)，用以揭示古籍文獻(xiàn)信息資源的一項(xiàng)系統(tǒng)工作。古籍?dāng)?shù)字化不等于對(duì)古籍進(jìn)行掃描后在計(jì)算機(jī)上瀏覽，其科學(xué)內(nèi)涵是必須對(duì)古籍原典進(jìn)行具有計(jì)算機(jī)瀏覽、檢索、利用特點(diǎn)的深度開發(fā)。［3］基于這個(gè)概念，我們可以將古籍?dāng)?shù)字化的基本性質(zhì)定位為：古籍?dāng)?shù)字化是對(duì)已存古籍的再現(xiàn)和加工，屬于古籍整理的范疇，是古籍整理的一部分，最終達(dá)到開發(fā)利用和保護(hù)的目的。

3.2 統(tǒng)一工作宗旨，明確古籍?dāng)?shù)字化的基本特征

古籍?dāng)?shù)字化，主要是將古籍文獻(xiàn)的內(nèi)容轉(zhuǎn)化為數(shù)字形式后移植到新的載體上。應(yīng)該講，除了檢索方法外，它不是古籍內(nèi)容的再創(chuàng)造，而只是載體形式的變更，因而保持古籍內(nèi)容的原始性至關(guān)重要。我國(guó)歷史上每一次古籍文獻(xiàn)載體形式的變更或同一載體的移植，總會(huì)造成一部分文獻(xiàn)內(nèi)容的失真，給古籍考證帶來(lái)諸多麻煩，?？奔液托？睂W(xué)的形成就是很好的例證?，F(xiàn)在古籍文獻(xiàn)數(shù)字化采用高科技手段，其移植數(shù)量之大、速度之快遠(yuǎn)勝于歷史上任何一次文獻(xiàn)載體的變革，所以保持古籍文獻(xiàn)內(nèi)容的原始性應(yīng)是其首要的標(biāo)準(zhǔn)，且同時(shí)必須具有四個(gè)基本特征：（1）文本字符的數(shù)字化；（2）具有基于超鏈接設(shè)計(jì)的瀏覽閱讀環(huán)境；（3）具有強(qiáng)大的檢索功能；（4） 具有研究支持功能。［4］

3.3 統(tǒng)一方式標(biāo)準(zhǔn)，明確古籍?dāng)?shù)字化的基本方法

比較三種古籍?dāng)?shù)字化的方式不難發(fā)現(xiàn)，圖文方式集全文數(shù)據(jù)庫(kù)方式和全文圖像方式的優(yōu)點(diǎn)于一身，且又避免了各自的缺點(diǎn)，是古籍?dāng)?shù)字化的最佳方式，也是古籍?dāng)?shù)字化的發(fā)展方向。香港中文大學(xué)的漢達(dá)古籍資料庫(kù)、北京大學(xué)古籍?dāng)?shù)字圖書館的古籍拓片圖像數(shù)據(jù)庫(kù)和古籍拓片全文數(shù)據(jù)庫(kù)，都是先將古籍和拓片進(jìn)行掃描加工，建成圖像數(shù)據(jù)庫(kù)，之后逐步通過OCR技術(shù)轉(zhuǎn)換進(jìn)行全文數(shù)據(jù)庫(kù)建設(shè)，最終實(shí)現(xiàn)基于內(nèi)容的全文檢索。［5］

3.4 統(tǒng)一存儲(chǔ)格式，明確古籍?dāng)?shù)字化的技術(shù)標(biāo)準(zhǔn)

文件格式標(biāo)準(zhǔn)的統(tǒng)一，是當(dāng)前數(shù)字圖書館標(biāo)準(zhǔn)化建設(shè)的重要目標(biāo)。從古籍?dāng)?shù)字化的長(zhǎng)遠(yuǎn)目標(biāo)而言，業(yè)界主要機(jī)構(gòu)要聯(lián)合起來(lái)，制訂出統(tǒng)一的文件存儲(chǔ)格式。這種格式既要適合漢字尤其是繁體字的存儲(chǔ)，又能具備足夠強(qiáng)大的加密功能，以保護(hù)各自的知識(shí)產(chǎn)權(quán)。同時(shí)為保證數(shù)字化古籍的科學(xué)、嚴(yán)謹(jǐn)、規(guī)范，這種文檔格式還應(yīng)該能夠方便地進(jìn)行漢語(yǔ)拼音標(biāo)注和人名地名標(biāo)記。另外，這種文檔格式特別應(yīng)該有利于全文檢索。考慮到處理古籍文獻(xiàn)時(shí)需要處理海量圖片，如何制訂一種具有較高壓縮比，又能清晰地再現(xiàn)原始圖書頁(yè)面風(fēng)貌的圖片格式便顯得尤為重要。軟件的選用主要根據(jù)古籍?dāng)?shù)字化最終形成的格式而決定。就目前而言，“書同文數(shù)碼翰林”軟件可以說是較成熟的古籍?dāng)?shù)字化處理軟件。用該軟件制作的“四庫(kù)全書”及“四部叢刊”電子圖書，文本頁(yè)面保持了原書的豎排格式，增強(qiáng)了古籍閱讀的真實(shí)感，基本實(shí)現(xiàn)了圖文關(guān)聯(lián)和閱讀檢索及全文檢索的功能。

3.5 統(tǒng)一數(shù)據(jù)形式，對(duì)古籍?dāng)?shù)字資源進(jìn)行元數(shù)據(jù)標(biāo)引

所謂的統(tǒng)一，是基于目前圖書館界和國(guó)外學(xué)術(shù)資料信息化的普遍經(jīng)驗(yàn)，將資源對(duì)象的語(yǔ)義信息統(tǒng)一為元數(shù)據(jù)格式。對(duì)古籍?dāng)?shù)字資源進(jìn)行元數(shù)據(jù)標(biāo)引主要有以下好處：（1）它不必對(duì)現(xiàn)有資源進(jìn)行格式改造，只是加以外部屬性描述；（2）將為全部古籍?dāng)?shù)字化資源的調(diào)查和格式轉(zhuǎn)換或再度開發(fā)創(chuàng)造統(tǒng)一的數(shù)據(jù)環(huán)境（元數(shù)據(jù)元素集中定義了相關(guān)標(biāo)識(shí)字段）。隨著學(xué)術(shù)需求和開發(fā)建設(shè)的不斷發(fā)展，可以想象，對(duì)現(xiàn)有數(shù)字古籍資源做元數(shù)據(jù)回溯標(biāo)引也將勢(shì)在必行（類似對(duì)圖書館館藏的回溯標(biāo)引一樣）。

3.6 統(tǒng)一漢字編碼，完善漢字字符代碼集

古籍?dāng)?shù)字化，首先要將過去抄寫、印刷的東西轉(zhuǎn)換為計(jì)算機(jī)可讀并能在屏幕上準(zhǔn)確再現(xiàn)的代碼。目前業(yè)界大多采用Unicode作為文字處理的標(biāo)準(zhǔn)，Unicode已經(jīng)定義了70000多漢字，因此，漢字字符不足以及編碼混亂的問題已基本上得到了解決。但是，古籍?dāng)?shù)字化的內(nèi)容并不只是字符的轉(zhuǎn)換問題，要實(shí)現(xiàn)運(yùn)用數(shù)字技術(shù)與現(xiàn)代信息處理技術(shù)對(duì)傳統(tǒng)文獻(xiàn)通過信息加工、信息重組達(dá)到方便使用、知識(shí)挖掘的目的，實(shí)現(xiàn)數(shù)字時(shí)代對(duì)中華傳統(tǒng)文化的繼承與弘揚(yáng)的目的，這才是古籍?dāng)?shù)字化工作最主要的內(nèi)容和最重要的目標(biāo)，而要達(dá)到這個(gè)目標(biāo)，漢字的處理仍然是一個(gè)基礎(chǔ)的和關(guān)鍵的問題。書同文公司在其開發(fā)制作的電子版《四庫(kù)全書》中能較好地處理冷僻字和異體字，但這些字符一旦脫離這個(gè)系統(tǒng)，例如被復(fù)制到字處理程序中，便會(huì)顯示亂碼，可以說仍未真正解決這個(gè)問題。所幸的是，國(guó)家有關(guān)部門已經(jīng)意識(shí)到該問題的嚴(yán)重性，《國(guó)家“十一五”時(shí)期文化發(fā)展規(guī)劃綱要》在“重大文化產(chǎn)業(yè)推進(jìn)項(xiàng)目”中列有“中華字庫(kù)”工程——建立全部漢字的編碼和主要字體字符集，為解決這一問題提供了政策支持。

3.7 提高古籍?dāng)?shù)字化人才素質(zhì)

目前，古籍?dāng)?shù)字化多數(shù)項(xiàng)目的開發(fā)屬于單一人員或機(jī)構(gòu)的個(gè)體行為，缺乏有效的人力資源的組織與控制，很多古籍整理專業(yè)人員不懂電子技術(shù)，計(jì)算機(jī)技術(shù)人員又缺少古籍知識(shí)。需要指出的是，古籍?dāng)?shù)字化屬于古籍整理和學(xué)術(shù)研究（或稱校讎學(xué)）的范疇，是傳統(tǒng)學(xué)術(shù)方法與現(xiàn)代科學(xué)技術(shù)的結(jié)合，需要培養(yǎng)一批既懂得古籍整理又精通計(jì)算機(jī)技術(shù)的復(fù)合型人才，才有能力決定實(shí)現(xiàn)古籍?dāng)?shù)字化的基本路向和基本框架，在既定的框架內(nèi)實(shí)現(xiàn)古籍?dāng)?shù)字化的目標(biāo)。

［1］毛建軍．古籍?dāng)?shù)字化的概念與內(nèi)涵［J］.圖書館理論與實(shí)踐，2007（4）：82－84.

［2］孫琴．兩大中文古籍?dāng)?shù)據(jù)庫(kù)比較研究［J］.新世紀(jì)圖書館，2007（1）：52－54.

［3］王立清，董梅香．港臺(tái)地區(qū)古籍?dāng)?shù)字化現(xiàn)狀分析及啟示［J］.圖書情報(bào)工作，2006（8）：87－89.

［4］姚伯岳，張麗娟．古籍元數(shù)據(jù)標(biāo)準(zhǔn)的設(shè)計(jì)及其系統(tǒng)實(shí)現(xiàn)［J］.大學(xué)圖書館學(xué)報(bào)，2003（1）：17－22.

［5］李致忠．《古籍定級(jí)標(biāo)準(zhǔn)》釋義［J］.圖書館工作與研究，2008（1）：77－81.