雙層PDF技術(shù)在檔案管理中的具體應(yīng)用

王勵(lì)著

摘要：

為了適應(yīng)我國經(jīng)濟(jì)的高速發(fā)展，檔案管理數(shù)字化是一個(gè)必然的趨勢。近些年，信息化技術(shù)不斷發(fā)展，推動(dòng)了檔案數(shù)字化管理研究進(jìn)程。雙層PDF文檔技術(shù)就是信息化技術(shù)的一種，它解決了非文本型的文檔無法直接實(shí)現(xiàn)全文檢索的問題，為實(shí)現(xiàn)全文檢索提供了基礎(chǔ)與可能。

關(guān)鍵詞：

雙層PDF技術(shù)；檔案管理；應(yīng)用

中圖分類號：

F49

文獻(xiàn)標(biāo)識碼：A

文章編號：16723198（2014）22016802

數(shù)字檔案管理技術(shù)是隨著信息化技術(shù)的變革而逐步發(fā)展起來的。檔案數(shù)字化對于檔案管理具有時(shí)效性和現(xiàn)實(shí)性。隨著網(wǎng)絡(luò)技術(shù)、中間件技術(shù)、數(shù)據(jù)庫技術(shù)、海量存儲技術(shù)的發(fā)展，數(shù)字檔案管理技術(shù)也獲得了極大的突破，形成了數(shù)字檔案管理平臺的概念，極大地提高了系統(tǒng)的可靠性和開發(fā)進(jìn)度。目前，我國的數(shù)字檔案系統(tǒng)的使用主體主要是公共的檔案館、石化、石油、電信、電力等大型企事業(yè)企業(yè)。因此，建立數(shù)字檔案系統(tǒng)具有時(shí)效性和現(xiàn)實(shí)性。在過去，檔案大多是紙質(zhì)檔案。要建立數(shù)字檔案系統(tǒng)，將紙質(zhì)檔案數(shù)字化是一個(gè)必經(jīng)程序。然而，將紙質(zhì)檔案掃描錄入后所獲得的文件只是一個(gè)圖像文件，不是真正意義上的文本文件。非文本文件無法實(shí)現(xiàn)選擇、檢索和復(fù)制等功能，不利于電子檔案未來的管理和使用。雙層PDF文檔技術(shù)的出現(xiàn)解決了這一問題。將非文本文件轉(zhuǎn)換成雙層PDF文檔后就可以對內(nèi)容進(jìn)行選擇、檢索和復(fù)制，為實(shí)現(xiàn)全文檢索提供了基礎(chǔ)與可能。

1檔案信息化管理研究現(xiàn)狀及趨勢

我國的檔案信息化建設(shè)始于20世紀(jì)80年代末。從使用小型計(jì)算機(jī)通過機(jī)讀檔案的目錄對檔案進(jìn)行管理，逐漸發(fā)展到建立數(shù)據(jù)庫并使用微機(jī)開展信息檢索，再到利用多媒體、網(wǎng)絡(luò)技術(shù)等現(xiàn)代信息技術(shù)開展信息服務(wù)利用，我國的檔案信息化建設(shè)經(jīng)歷了一個(gè)復(fù)雜的發(fā)展過程。1996年，國家檔案局開始對電子檔案管理進(jìn)行了一系列的研究。1999年，國家檔案局和深圳市檔案館提出了建立數(shù)字檔案管理系統(tǒng)的構(gòu)想。2000年，“數(shù)字檔案管理系統(tǒng)工程研究與開發(fā)”作為全國重點(diǎn)檔案科技攻關(guān)計(jì)劃，被納入了列入國家檔案局的“十五”規(guī)劃。目前，國內(nèi)對電子檔案管理的理論研究主要依靠大中院所。院所的理論研究實(shí)力比較強(qiáng)但是由于僅僅停留在理論層面的分析缺乏必要的實(shí)踐和技術(shù)。相比之下，軟件廠商對于數(shù)字檔案管理系統(tǒng)的理論研究與開發(fā)的實(shí)力的投入少，理論整體實(shí)力偏弱，但由于實(shí)踐機(jī)會較多，技術(shù)實(shí)力相對比較強(qiáng)。目前，檔案業(yè)務(wù)管理產(chǎn)品的需求非常旺盛，但是對產(chǎn)品的要求比較高。然而，由于實(shí)踐和理論投入力度不相當(dāng)，導(dǎo)致廠商難以推出適應(yīng)客戶的需求的高端產(chǎn)品，卻在低端產(chǎn)品市場產(chǎn)生了過度競爭。廠商要重視技術(shù)開發(fā)和應(yīng)用研究，才能適應(yīng)市場需求，推出適合客戶的需要的產(chǎn)品。

檔案信息化管理系統(tǒng)建設(shè)是一個(gè)復(fù)雜、曲折的過程，研究過程中必然會面臨許多的問題與困境。而隨著信息技術(shù)的發(fā)展，新出現(xiàn)的技術(shù)為這些問題的解決提供了可能。目前，檔案管理數(shù)字化建設(shè)所采用的新技術(shù)主要有在線OCR技術(shù)、全文檢索技術(shù)、雙層PDF技術(shù)、數(shù)據(jù)交換技術(shù)、圖形圖像處理技術(shù)、流文件瀏覽技術(shù)和與OA、MIS、PDM、PORTAL、CA等其他系統(tǒng)的接口技術(shù)。這些不斷發(fā)展的新技術(shù)為檔案信息化管理系統(tǒng)建設(shè)提供了技術(shù)支持。其中，PDF技術(shù)改變了過去紙質(zhì)檔案錄入后只能閱讀不能復(fù)制、搜索的狀況，對檔案信息化管理系統(tǒng)建設(shè)具有重大的意義。

2雙層PDF技術(shù)概述

雙層PDF技術(shù)是指將Word文件或者圖像進(jìn)行格式轉(zhuǎn)換或者將紙質(zhì)文件掃描錄入后，經(jīng)過去污、糾偏，OCR識別程序后形成文本，將文本和圖像結(jié)合在一起直接生成一個(gè)可以檢索的雙層PDF文件。雙層PDF文件包含Text層和Image層，其中，Image層是原始圖像，Text層是Image層的OCR識別結(jié)果。Text層和Image層內(nèi)容位置上一一對應(yīng)，100%保留了原始檔案的字體、圖像、圖形和版面布局，并支持選擇、檢索和復(fù)制等功能。通過程序控制，可以對兩個(gè)圖層進(jìn)行任意顯示和切換，實(shí)現(xiàn)對文檔中的文字、數(shù)字域進(jìn)行精確定位。

雙層PDF是一種比較理想的文件格式。在錄入時(shí)，由于是在自動(dòng)快速識別的基礎(chǔ)上完成的，減少了文件處理的工作量。在使用時(shí)，雙層PDF文件在完全保留原有的版面內(nèi)容的基礎(chǔ)上為使用者提供了搜索、復(fù)制等功能。雙層PDF綜合了純數(shù)字化檔案的優(yōu)點(diǎn)，在實(shí)現(xiàn)信息的最大限度保全的基礎(chǔ)上又滿足了使用的需求，同時(shí)又克服了工作量大的缺點(diǎn)。由于雙層PDF文檔的管理與保存都非常便利，有利于節(jié)省管理的成本。

雙層PDF技術(shù)的出現(xiàn)解決了以往非文本資料只能閱讀，不能檢索、復(fù)制的問題。通過雙層PDF技術(shù)，將經(jīng)過OCR識別的文本依附于PDF圖像之上，配合OCR的自動(dòng)識別，既滿足了檔案管理真實(shí)的存儲需求，又方便了客戶對檔案的數(shù)字化利用。雙層PDF技術(shù)改變了過去紙質(zhì)檔案數(shù)字化的困境，推動(dòng)了紙質(zhì)檔案錄入的工作進(jìn)程。同時(shí)，雙層PDF技術(shù)的推廣對于紙質(zhì)檔案的保存與管理具有非常重大的意義。一方面，雙層PDF的使用有利于減少對紙質(zhì)檔案的使用，從而保護(hù)了紙質(zhì)檔案。另一方面，通過對檔案的雙層PDF數(shù)字化加工，將經(jīng)過加工后的雙層PDF文件歸檔，有利于檔案系統(tǒng)的管理。

3檔案數(shù)字化過程中雙層PDF技術(shù)的應(yīng)用

3.1紙質(zhì)檔案的數(shù)字化處理應(yīng)用

為了方便檔案的數(shù)字化管理，紙介質(zhì)文件要通過圖像掃描儀進(jìn)行掃描錄入再通過數(shù)字化加工轉(zhuǎn)化成相應(yīng)格式。一般來說，對紙質(zhì)檔案的數(shù)字化加工流程有圖像檔案形成流程、雙層PDF檔案形成流程或純數(shù)字化檔案形成流程。雙層PDF格式的文件的形成流程主要有兩個(gè)方面：首先，將掃描獲得的圖像轉(zhuǎn)入圖像處理系統(tǒng)，對掃描圖像進(jìn)行處理和優(yōu)化。其次，將處理好的圖像利用雙層PDF軟件轉(zhuǎn)化成雙層PDF文檔，形成標(biāo)準(zhǔn)的文本。

3.2在全文檢索中的應(yīng)用

目前檔案檢索的常見檢索方式有主題、分類、文號、自序等。傳統(tǒng)的檔案檢索通過不斷完備搜索工具可以提高查全率，但是仍然存在本質(zhì)缺陷。要從本質(zhì)上提高查全率，提高搜索效率，就必須研究如何在檔案文檔中實(shí)現(xiàn)內(nèi)容檢索。雙層PDF技術(shù)可以實(shí)現(xiàn)全文的復(fù)制、搜索等功能，因此，雙層PDF文檔技術(shù)在全文搜索中的應(yīng)用對研究如何實(shí)現(xiàn)全文一站式搜索具有非常重要的現(xiàn)實(shí)意義。

首先，將處理好的雙層PDF文檔掛接到檔案管理系統(tǒng)中的相應(yīng)案卷和卷內(nèi)文件目錄。其次，再將原文的存放地址信息自動(dòng)存入數(shù)據(jù)庫，通過與案卷和卷內(nèi)文件目錄相對應(yīng)，在檔案文檔的Text層文本內(nèi)容及其元數(shù)據(jù)等相關(guān)信息之間建立永久聯(lián)系，形成數(shù)據(jù)包。最后，在形成數(shù)據(jù)包之后，通過調(diào)用全文檢索子系統(tǒng)內(nèi)核函數(shù)，為數(shù)字化加工后的雙層PDF文件和數(shù)據(jù)包建立對應(yīng)的索引文件。創(chuàng)建索引時(shí)，要先提取雙層PDF文檔中的Text層、文檔對應(yīng)的卷內(nèi)目錄和案卷目錄及有關(guān)元數(shù)據(jù)（也可以說是結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)）的信息，再根據(jù)提取的信息創(chuàng)建索引文件。

通過與傳統(tǒng)搜索方式進(jìn)行對比，可以看出基于雙層PDF技術(shù)的一站式全文檢索的優(yōu)勢比較明顯。首先，明顯提高了搜索的效率。其次，在客戶查詢時(shí)，由于是通過訪問索引而不需訪問數(shù)據(jù)庫進(jìn)行搜索，減輕了數(shù)據(jù)庫和系統(tǒng)的壓力。再者，基于雙層PDF技術(shù)的搜索的兼容性較強(qiáng)，可以適應(yīng)不同的操作系統(tǒng)平臺，支持多種數(shù)據(jù)庫接口。最后，這種搜索的使用更加方便，用戶可通過任意輸入檢索信息進(jìn)行搜索。

4結(jié)語

綜上，雙層PDF技術(shù)綜合了數(shù)字文件的所有優(yōu)點(diǎn)，在檔案管理中有著其獨(dú)特的應(yīng)用。要如何提高雙層PDF技術(shù)水平，更好地發(fā)揮雙層PDF技術(shù)的作用，將該技術(shù)用于更加需要的地方，是值得我們深思的問題。只有將技術(shù)用于合適的地方，才能使技術(shù)的利用價(jià)值達(dá)到最大化，減少人力物力的浪費(fèi)，為構(gòu)建檔案信息化管理系統(tǒng)提供可能，不斷提高檔案數(shù)字化的效率。

參考文獻(xiàn)

[1]許呈辰.檔案數(shù)字化過程中OCR技術(shù)的應(yīng)用[J].檔案管理，2011，（1）.

[2]向禹，吳世明.基于雙層PDF和Lucene技術(shù)的全文檢索研究與實(shí)現(xiàn)[J].現(xiàn)代情報(bào)，2014，（6）.

[3]趙德美，和英.淺議數(shù)字化檔案管理[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2006，（21）.