關(guān)于檔案數(shù)字化的編制及其保存方法

秦海萍

(江蘇省蘇微微生物研究有限公司,江蘇 無(wú)錫 214063）

1 檔案數(shù)字化的編制

1.1 檔案整理

紙質(zhì)檔案數(shù)字化的流程：（1）目錄數(shù)據(jù)準(zhǔn)備。按照《檔案著錄規(guī)則》等的要求，規(guī)范檔案中的目錄內(nèi)容。包括確定檔案目錄的著錄項(xiàng)、字段長(zhǎng)度和內(nèi)容要求。對(duì)錯(cuò)誤或不規(guī)范進(jìn)行修改。（2）拆除裝訂。(3）區(qū)分掃描件和非掃描件：無(wú)關(guān)和重份的文件要剔除，有正式件的文件不掃描原稿。（4）頁(yè)面修整。破損嚴(yán)重、無(wú)法直接掃描的檔案，應(yīng)先進(jìn)行技術(shù)修復(fù)，折皺不平影響掃描質(zhì)量的原件先進(jìn)行相應(yīng)處理 (壓平或熨平等)。（5）檔案整理登記。制作并填寫(xiě)數(shù)字化加工過(guò)程交接登記表單，詳細(xì)記錄檔案整理后每份文件的起始頁(yè)號(hào)和頁(yè)數(shù)。（6）裝訂——掃描后的工序。掃描完成后恢復(fù)裝訂，應(yīng)注意保持檔案的排列順序不變，做到準(zhǔn)確、無(wú)遺漏。

1.2 檔案掃描

（1）確定掃描方式。根據(jù)檔案幅面大小選擇相應(yīng)規(guī)格的掃描儀。紙張狀況較差，紙張間粘貼較緊，不易分開(kāi)，過(guò)薄、過(guò)軟或超厚的檔案，不宜使用自動(dòng)進(jìn)紙掃描，必須改用平板掃描方式。大幅面檔案可采用大幅面掃描儀掃描、數(shù)碼平臺(tái)拍攝，也可以采用小幅面掃描后的圖像拼接方式處理。（2）掃描色彩模式。掃描色彩模式一般有黑白二值、灰度、彩色三種。頁(yè)面為黑白兩色，并且字跡清晰、不帶插圖的檔案，采用黑白模式掃描；頁(yè)面為黑白兩色，但字跡清晰度差或帶有插圖的檔案，以及頁(yè)面為多色文字的檔案，可采用灰度模式掃描；頁(yè)面中有紅頭、印章或插有黑白照片、彩色照片、彩色插圖的檔案，可視需要采用彩色模式掃描。（3）掃描分辨率。掃描分辨率參數(shù)大小的選擇，原則上以掃描后的圖像清晰、完整、不影響圖像的利用效果為準(zhǔn)。采用黑白二值、灰度、彩色模式對(duì)檔案進(jìn)行掃描時(shí)，其分辨率一般均建議選擇大于或等于100dpi，特殊情況下，如文字偏小、密集、清晰度較差等，可適當(dāng)提高分辨率。需要進(jìn)行OCR漢字識(shí)別的檔案，掃描分辨率建議選擇大于或等于200dpi。（4）掃描登記。登記掃描的頁(yè)數(shù)，核對(duì)每份文件的實(shí)際掃描頁(yè)數(shù)與檔案整理時(shí)填寫(xiě)的文件頁(yè)數(shù)是否一致，不一致時(shí)應(yīng)注明具體原因和處理方法。

1.3 圖像處理

（1）圖像數(shù)據(jù)質(zhì)量檢查。對(duì)圖像偏斜度、清晰度、失真度等進(jìn)行檢查。發(fā)現(xiàn)不符合圖像質(zhì)量要求時(shí)，重新進(jìn)行圖像的處理。由于操作不當(dāng)，造成掃描的圖像文件不完整或無(wú)法清晰識(shí)別時(shí)，應(yīng)重新掃描。發(fā)現(xiàn)文件漏掃時(shí)，及時(shí)補(bǔ)掃并正確插入圖像。發(fā)現(xiàn)掃描圖像的排列順序與檔案原件不一致時(shí)，及時(shí)進(jìn)行調(diào)整。（2）糾偏。對(duì)方向不正確的圖像進(jìn)行旋轉(zhuǎn)還原，以符合閱讀習(xí)慣。對(duì)出現(xiàn)偏斜的圖像進(jìn)行糾偏處理，以達(dá)到視覺(jué)上基本不感覺(jué)偏斜為準(zhǔn)。（3）去污。對(duì)圖像頁(yè)面中出現(xiàn)的影響圖像質(zhì)量的雜質(zhì)，如黑點(diǎn)、黑線、黑框、黑邊等進(jìn)行去污處理。（4）圖像拼接。對(duì)大幅面檔案進(jìn)行分區(qū)掃描形成的多幅圖像進(jìn)行拼接處理，合并為一個(gè)完整的圖像，以保證檔案數(shù)字化圖像的整體性。（5）裁邊處理。采用彩色模式掃描的圖像應(yīng)進(jìn)行裁邊處理，去除多余的白邊，以有效縮小圖像文件的容量，節(jié)省存儲(chǔ)空間。

2 檔案數(shù)字化的保存

2.1 明確電子文件的歸檔內(nèi)容

電子文件的歸檔內(nèi)容包括電子文件的名稱、路徑名和盤(pán)號(hào)，與文件內(nèi)容相同的其它載體文件的檔號(hào)，編制該電子文件的軟硬件名稱、型號(hào)、系列和版本等技術(shù)環(huán)境條件。歸檔部門(mén)，歸檔日期，檔案數(shù)字化的有效管理涉及到電子文件的技術(shù)環(huán)境條件，存貯介質(zhì)的質(zhì)量、壽命等問(wèn)題，因此電子文件的歸檔時(shí)間可視具體情況而定，一般有年度歸檔、階段歸檔等。且歸檔時(shí)間一般不超過(guò)2～3個(gè)月為宜。

2.2 存儲(chǔ)要求

2.2.1 選擇存儲(chǔ)格式。采用黑白二值模式掃描的圖像文件，一般采用TIFF(G4)格式存儲(chǔ)。采用灰度模式和彩色模式掃描的文件，一般采用JPEG格式存儲(chǔ)。存儲(chǔ)時(shí)壓縮率的選擇，應(yīng)以保證掃描的圖像清晰可讀的前提下，盡量減小存儲(chǔ)容量為準(zhǔn)則。提供網(wǎng)絡(luò)查詢的掃描圖像，也可存儲(chǔ)為CEB、PDF或其他格式。（2）命名圖像文件。紙質(zhì)檔案目錄數(shù)據(jù)庫(kù)中的每一份文件，都有一個(gè)與之相對(duì)應(yīng)的唯一檔號(hào)，以該檔號(hào)為這份文件掃描后的圖像文件命名。多頁(yè)文件采用該檔號(hào)建立相應(yīng)文件夾，按頁(yè)碼順序?qū)D像文件命名。

2.2.2 分級(jí)存儲(chǔ)。所謂分級(jí)存儲(chǔ)是根據(jù)檔案數(shù)字化信息數(shù)據(jù)不同的訪問(wèn)頻率、價(jià)值重要性等指標(biāo)，在不同級(jí)別的存儲(chǔ)設(shè)備中存放數(shù)據(jù)客體，實(shí)現(xiàn)數(shù)據(jù)分級(jí)存儲(chǔ)。并針對(duì)數(shù)據(jù)訪問(wèn)的局部性，利用分級(jí)存儲(chǔ)管理軟件，實(shí)現(xiàn)系統(tǒng)將不經(jīng)常訪問(wèn)的數(shù)據(jù)自動(dòng)移到存儲(chǔ)層次中較低的層次的自動(dòng)數(shù)據(jù)遷移，釋放出較高成本的存儲(chǔ)空間給更頻繁訪問(wèn)的數(shù)據(jù)，從而獲得更好的總體性價(jià)比。

（1）分級(jí)存儲(chǔ)的操作方式。分級(jí)存儲(chǔ)操作方式主要有兩種，即“數(shù)據(jù)遷移”和“數(shù)據(jù)回遷”。數(shù)據(jù)遷移方式是根據(jù)檔案管理軟件或由專(zhuān)門(mén)的分級(jí)存儲(chǔ)管理軟件指定的策略或規(guī)則（如按照各級(jí)存儲(chǔ)定義的數(shù)據(jù)標(biāo)準(zhǔn)），把大量不經(jīng)常訪問(wèn)的數(shù)據(jù)放置在離線或近線設(shè)備，自動(dòng)遷移到下一級(jí)存儲(chǔ)設(shè)備上，提高存儲(chǔ)資源利用率，同時(shí)也大大降低設(shè)備和管理成本。數(shù)據(jù)回遷是數(shù)據(jù)遷移的一個(gè)反向操作過(guò)程，是將下一級(jí)存儲(chǔ)設(shè)備中的數(shù)據(jù)，從離線到近線、從近線到在線按照管理軟件指定的策略或規(guī)則自動(dòng)調(diào)回上一級(jí)存儲(chǔ)設(shè)備中。滿足了用戶的利用需求，提高數(shù)據(jù)的訪問(wèn)速度和利用率。

（2）分級(jí)存儲(chǔ)的存儲(chǔ)方式。分級(jí)存儲(chǔ)的存儲(chǔ)方式有在線存儲(chǔ)、近線存儲(chǔ)、離線存儲(chǔ)。在線存儲(chǔ)多采用高端存儲(chǔ)系統(tǒng)和技術(shù),如SAN、點(diǎn)對(duì)點(diǎn)直連技術(shù)和高速在線磁盤(pán)陣列等存儲(chǔ)設(shè)備,存取速度快。這種存儲(chǔ)方式以服務(wù)器為存儲(chǔ)設(shè)備中心，將數(shù)據(jù)信息直接放在服務(wù)器的存儲(chǔ)設(shè)備中，實(shí)現(xiàn)數(shù)據(jù)的輸入、保存、輸出及應(yīng)用程序的安全快速運(yùn)行。近線存儲(chǔ)是將不是經(jīng)常用到，或者說(shuō)數(shù)據(jù)的訪問(wèn)量并不大的數(shù)據(jù)存放在性能較低的存儲(chǔ)設(shè)備上。其外延相對(duì)較廣泛，主要定位于客戶在線存儲(chǔ)和離線存儲(chǔ)之間的應(yīng)用，對(duì)這些的設(shè)備要求是尋址迅速、傳輸率高。同時(shí)多數(shù)情況下由于不常用的數(shù)據(jù)要占總數(shù)據(jù)量的比較大的比重，這也就要求近線存儲(chǔ)設(shè)備在需要容量相對(duì)較大。可跟據(jù)客戶存儲(chǔ)需求的不同，我們也會(huì)把低端的磁盤(pán)陣列 （例如DS4100）或高端的磁帶設(shè)備（例如3592）作為近線存儲(chǔ)應(yīng)用設(shè)備。離線存儲(chǔ)一般采用磁帶作為存儲(chǔ)介質(zhì),其訪問(wèn)速度低,但能實(shí)現(xiàn)海量存儲(chǔ),同時(shí)價(jià)格低廉。離線存儲(chǔ)介質(zhì)上的數(shù)據(jù)在讀寫(xiě)時(shí)是順序進(jìn)行的。當(dāng)需要讀取數(shù)據(jù)時(shí)，需要把帶子卷到頭，再進(jìn)行定位。當(dāng)需要對(duì)已寫(xiě)入的數(shù)據(jù)進(jìn)行修改時(shí)，很多情況下數(shù)據(jù)都需要全部進(jìn)行改寫(xiě)。因此，離線存儲(chǔ)主要用于數(shù)據(jù)的備份和恢復(fù)。

3 檔案數(shù)字化保存的維護(hù)

3.1 建立檔案館（室）網(wǎng)站

為實(shí)現(xiàn)檔案數(shù)字化信息資源共享，檔案信息服務(wù)網(wǎng)絡(luò)化、檔案管理工作自動(dòng)化、檔案信息管理法制化，檔案工作者應(yīng)進(jìn)一步加快檔案信息資源數(shù)據(jù)庫(kù)建設(shè)，以網(wǎng)站為基礎(chǔ)，在網(wǎng)站上實(shí)現(xiàn)電子文件的實(shí)時(shí)管理與利用，實(shí)現(xiàn)信息資源電子化。

3.2 確保檔案數(shù)字化載體物理上的安全

通常情況下，檔案數(shù)字化是以脫機(jī)方式存儲(chǔ)在磁、光介質(zhì)上，因此，檔案數(shù)字化的保存要建立一個(gè)適合于磁、光介質(zhì)保存的環(huán)境。要控制保持環(huán)境的溫濕度和滿足檔案載體的避光、防塵及變形要求，同時(shí)，載體排放要直立，要遠(yuǎn)離有害氣體和磁場(chǎng)。

3.3 保證檔案數(shù)字化的原始性

檔案數(shù)字化的內(nèi)容是以數(shù)碼形式存儲(chǔ)于各種載體上的，在利用檔案數(shù)字化過(guò)程中必須依靠電子計(jì)算機(jī)軟硬件平臺(tái)，將檔案數(shù)字化的內(nèi)容還原成直接閱讀格式。然而，檔案數(shù)字化通常是在不同的載體上形成的，其內(nèi)容的格式編排上存在差異，這必然導(dǎo)致檔案數(shù)字化還原時(shí)所采用的技術(shù)與方法的不同，可能導(dǎo)致檔案信息的完整性。因此，在保存檔案數(shù)字化的同時(shí)，要將與檔案數(shù)字化相關(guān)的軟件及整個(gè)應(yīng)用系統(tǒng)一并保存，并與檔案數(shù)字化存儲(chǔ)在一起，確保檔案數(shù)字化的永久可用。

［1］孫凱.淺議檔案電子化及檔案數(shù)字化的整理與保護(hù)［J］.太原城市職業(yè)技術(shù)學(xué)院學(xué)報(bào),2008(7).

［2］葉群芳.淺議檔案信息電子化的建設(shè)與服務(wù)［J］.才智,2008(21).

［3］靳海峰.檔案信息電子化現(xiàn)狀分析［J］.河南科技,2009(6).

［4］劉穎.淺談檔案數(shù)字化的保存與維護(hù)［J］.新疆廣播電視大學(xué)學(xué)報(bào),2003(4).