淺議地方志文獻(xiàn)數(shù)字化技術(shù)規(guī)范建設(shè)

趙海良

(浙江省人民政府地方志辦公室 浙江 杭州 310012)

地方志緣起于何時(shí)，學(xué)術(shù)界一直爭議頗多，各學(xué)者也是眾說紛紜。《山海經(jīng)》《周官》《史記》等各類古籍均被認(rèn)為是方志之起源。劉緯毅所著《中國地方志》一書更是詳細(xì)列舉了多種關(guān)于方志起源的說法。不管方志起源于何時(shí)，有一點(diǎn)是眾人公認(rèn)的，就是中國地方志歷史悠久，地方志文獻(xiàn)卷帙浩繁、種類繁多、內(nèi)容豐富。各類地方志文獻(xiàn)不僅僅是記載某一時(shí)期某一地域的自然、社會、政治、經(jīng)濟(jì)、文化等方面情況或特定事項(xiàng)的書籍文獻(xiàn)，更是地方歷史文化的積淀。而如何合理利用地方志資源，充分發(fā)揮其“存史、資政、教化”的作用，是地方志工作者面臨的難題。

現(xiàn)代信息技術(shù)的迅猛發(fā)展，改變了人們傳統(tǒng)的通過紙質(zhì)文獻(xiàn)來獲取信息、傳播信息的方式。據(jù)調(diào)查，以互聯(lián)網(wǎng)為代表的信息化手段，已成為人們獲取信息的主要方式［1］。地方志文獻(xiàn)的數(shù)字化建設(shè)也日益被重視，全國各地方志工作機(jī)構(gòu)，都在建設(shè)自己的“文獻(xiàn)數(shù)據(jù)庫”、“省情數(shù)據(jù)庫”，“自20世紀(jì)90年代以來，我國地方志網(wǎng)絡(luò)建設(shè)在各地逐步開展起來。據(jù)有關(guān)方面統(tǒng)計(jì)，目前全國已建地情庫(網(wǎng))省級7個(gè)，市級63個(gè)，縣級154個(gè)。在建地情庫(網(wǎng))省級4個(gè)，市級21個(gè)，縣級54個(gè)。籌建地情庫(網(wǎng))省級2個(gè)，市級28個(gè)，縣級42個(gè)”［2］。同時(shí)，隨著新一輪修志工作的深入開展，信息化已成為重要的手段，以作者所在的浙江省為例，為《浙江通志》編纂工作專門開發(fā)了編纂信息系統(tǒng)，從資料收集一直到審稿均在網(wǎng)上完成，這些信息化的手段為地方志文獻(xiàn)的數(shù)字化建設(shè)提供了基礎(chǔ)。

一、地方志文獻(xiàn)數(shù)字化技術(shù)規(guī)范現(xiàn)狀

地方志文獻(xiàn)資源的數(shù)字化，不是簡單的將志書通過技術(shù)化手段放在計(jì)算機(jī)上進(jìn)行瀏覽，其本質(zhì)是對方志文獻(xiàn)資源利用手段的深度開發(fā)，這需要全國方志工作者的共同努力，但目前各地方志工作機(jī)構(gòu)的數(shù)字化建設(shè)都是“各自為戰(zhàn)”、“單打獨(dú)斗”，沒有統(tǒng)一的標(biāo)準(zhǔn)。

(一)文獻(xiàn)存儲格式不統(tǒng)一

目前數(shù)字化后的地方志文獻(xiàn)資源存儲格式種類繁多，有常見的 txt、doc、pdf等，也有 chm、hlp、exe、html、txt、xml等較少見的格式。這些不同格式的文件格式，往往都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。即使同一種文件，也因編碼風(fēng)格的不同，導(dǎo)致無法兼容。例如txt格式的文件，既有用ANSI編碼的，也有用Unicode、UTF－8編碼的。不同的編碼風(fēng)格導(dǎo)致了即使看上去是同一種文件類型，也無法實(shí)現(xiàn)資源共享。

(二)文獻(xiàn)數(shù)字化程度不統(tǒng)一

地方志文獻(xiàn)種類繁多，時(shí)間跨度大，既有舊志古籍，又有通志、年鑒，既有繁體字，又有簡體字、異體字。這導(dǎo)致各地對地方志文獻(xiàn)的數(shù)字化程度不一樣，有的在數(shù)字化的過程中，簡單的將地方志文獻(xiàn)數(shù)字化成全文格式，這樣方便于做志書的全文檢索，但無法有效展示志書的原貌，有些因?yàn)榧夹g(shù)經(jīng)費(fèi)等原因，將部分難以數(shù)字化，或者數(shù)字化技術(shù)要求高的舊志古籍簡單的做成圖片格式，這樣做雖然保留了志書的原貌，但無法做志書的全文檢索。

(三)存儲數(shù)據(jù)庫不統(tǒng)一

各類完成數(shù)字化的地方志文獻(xiàn)資源，需要一個(gè)專門的數(shù)據(jù)庫來存儲。而目前數(shù)據(jù)庫軟件種類繁多，有免費(fèi)開源的數(shù)據(jù)庫軟件，例如MySQL，有需要付費(fèi)的數(shù)據(jù)庫軟件，例如Oracle、MS SQL Server等，各地因?yàn)榻?jīng)費(fèi)、數(shù)據(jù)庫容量、技術(shù)難度等各方面情況不同，所采用的數(shù)據(jù)庫軟件也不盡相同。

(四)全文檢索平臺不統(tǒng)一

地方志文獻(xiàn)資源數(shù)字化后，如何將其有效的利用起來是關(guān)鍵，志書的全文檢索是重要的手段之一，其可以將存儲于數(shù)據(jù)庫中整本志書的任意內(nèi)容快速準(zhǔn)確的查找出來。但目前各地的全文檢索平臺也各自為用，有自己開發(fā)的、有購買第三方平臺的，雖然各全文檢索平臺的技術(shù)實(shí)現(xiàn)大同小異，但底層數(shù)據(jù)的存儲方式卻截然不同，這為不同檢索平臺的數(shù)字資源共享帶來了障礙。

以上幾個(gè)地方志文獻(xiàn)數(shù)字化關(guān)鍵技術(shù)規(guī)范的不統(tǒng)一，已然成為全國方志資源信息共享，自動化網(wǎng)絡(luò)系統(tǒng)建立，文獻(xiàn)資源廣泛傳播的重要阻礙。

二、地方志文獻(xiàn)數(shù)字化技術(shù)規(guī)范建設(shè)思路

在地方志文獻(xiàn)數(shù)字化技術(shù)規(guī)范的建設(shè)中，存儲格式、數(shù)字化程度、數(shù)據(jù)庫軟件、全文檢索平臺等幾個(gè)要素，看似毫無關(guān)系，其實(shí)是密切相聯(lián)系的，一個(gè)要素技術(shù)規(guī)范的建設(shè)，涉及其他幾個(gè)要素。這幾個(gè)要素之間，即相互支持，又相互制約。

(一)數(shù)據(jù)存儲格式規(guī)范的建設(shè)

地方志文獻(xiàn)數(shù)字化后，該存儲為何種格式，這是數(shù)字化規(guī)范建設(shè)的關(guān)鍵，上文提到過，在存儲格式上，有常見的 txt、doc、pdf等，也有 chm、hlp、exe、html、txt、xml等較少見的格式。每種格式都有其特點(diǎn)，各有優(yōu)劣，對于數(shù)據(jù)存儲格式的標(biāo)準(zhǔn)，筆者認(rèn)為不能一刀切的說一定要采用某一種格式，而是應(yīng)該根據(jù)所要數(shù)字化的地方志文獻(xiàn)的類型來選擇。

對于新編志書，年鑒等可以采用txt、doc等格式，因?yàn)榇祟愇墨I(xiàn)基本都是當(dāng)代所編，無需對文獻(xiàn)外觀原貌進(jìn)行真實(shí)還原，只需確保文獻(xiàn)內(nèi)容準(zhǔn)確無誤即可，且當(dāng)代所編志書基本都有電子版本，無需繁瑣的數(shù)字化過程，即節(jié)約成本又節(jié)省時(shí)間。

對于文獻(xiàn)原貌保存要求較高，不需要全文檢索的舊志古籍，可以采用圖片、pdf或者DjVu格式。但長久以來，圖像類文件都有一個(gè)清晰度與文件大小之間的平衡關(guān)系，就是如果要保證文字和影像的清晰效果，就必須要用較高的分辨率來進(jìn)行掃描，其所得文件往往十分巨大，需要占用很大的存儲空間。想要減小文件的大小，就不得不降低分辨率，這也意味著圖像質(zhì)量和可辨性得不到保證。pdf又稱便攜文件格式，是由Adobe公司所開發(fā)的獨(dú)特的跨平臺文件格式，其主要特點(diǎn)是會忠實(shí)地再現(xiàn)原稿的每一個(gè)字符、顏色以及圖象［3］。DjVu是由AT＆T實(shí)驗(yàn)室自1996年起開發(fā)的一種圖像壓縮技術(shù)，已發(fā)展成為標(biāo)準(zhǔn)的圖像文檔格式之一，國際上大量應(yīng)用實(shí)例已證明，DjVu可替代PDF成為網(wǎng)絡(luò)傳輸掃描文檔、數(shù)碼照片、圖像文件的主流技術(shù)［4］。相對于pdf格式，DjVu格式即保證了文件的清晰度，又可以減少文件的大小，例如一份60頁A4大小公司報(bào)告用PDF格式來發(fā)布，其大小大概在4MB左右，而掃描之后以 DjVu格式保存，其文件大小則不超過 800K［5］。

對于文獻(xiàn)原貌保存要求較高，同時(shí)又要進(jìn)行全文檢索的部分舊志古籍，可以采用雙層pdf格式。所謂雙層pdf是指將文獻(xiàn)掃描成jpg、png等圖像格式，然后加工輸出為雙層(圖象層和文字層)PDF文件。雙層PDF文件其圖文位置上下一一相對應(yīng)，既可以完整保留原始版面效果，又可以通過下層的文字信息支持選擇、復(fù)制、全文檢索等功能。雙層pdf相較于單層圖片形式的pdf文件，其主要優(yōu)點(diǎn)是可以提供全文檢索功能，但工序是最為繁瑣的。

(二)數(shù)據(jù)庫軟件的規(guī)范建設(shè)

相對于數(shù)據(jù)存儲格式的五花八門，數(shù)據(jù)庫軟件的選擇性就比較單一，目前主流的數(shù)據(jù)庫軟件基本就 MySQL、Oracle、MS SQL Server三分天下，其中MySQL和Oracle同屬于甲骨文公司，MSSQL Server屬于微軟公司。各有各的優(yōu)點(diǎn)和缺點(diǎn)，且最重要的是，存儲在這三種數(shù)據(jù)庫中的數(shù)據(jù)，可以通過技術(shù)手段互相導(dǎo)入和導(dǎo)出。但實(shí)現(xiàn)這一功能的前提，就是文獻(xiàn)數(shù)字化后存儲在數(shù)據(jù)庫中的字段需統(tǒng)一。所謂字段，可以理解為對文獻(xiàn)的一種描述要素，例如作者為一個(gè)要素，出版社為一個(gè)要素，出版時(shí)間為一個(gè)要素，將所有要素集合在一起，就可以詳細(xì)的描述一本文獻(xiàn)。同時(shí)，當(dāng)我們提供準(zhǔn)確、詳細(xì)的要素后，即可以快速的定位一本文獻(xiàn)。北京大學(xué)數(shù)字圖書館研究所曾專門對中文元數(shù)據(jù)標(biāo)準(zhǔn)做過研究［6］，參照其研究成果，筆者認(rèn)為地方志文獻(xiàn)的要素(字段)設(shè)計(jì)規(guī)范，可以如表1所示。

表1 地方志文獻(xiàn)的要素(字段)設(shè)計(jì)規(guī)范

規(guī)范、統(tǒng)一的要素設(shè)計(jì)，是不同數(shù)據(jù)庫數(shù)據(jù)互導(dǎo)的關(guān)鍵，以上設(shè)計(jì)規(guī)范，只是筆者本人粗略的設(shè)計(jì)，如何借鑒中文圖書電子數(shù)據(jù)的要素設(shè)計(jì)規(guī)范，制定一套符合地方志文獻(xiàn)特色的要素規(guī)范，需要全國方志工作者的共同努力。

(三)全文檢索平臺的規(guī)范建設(shè)

地方志文獻(xiàn)數(shù)字化一個(gè)重要的目的是為了更加方便的“用志”，而志書的全文檢索平臺，是最便捷的手段。一套優(yōu)秀的檢索平臺，不僅需要提供全庫或分庫、單本圖書的全文檢索功能，同時(shí)還需提供基于文章標(biāo)題、文章內(nèi)容、作者等的智能分項(xiàng)檢索功能。同時(shí)由于方志文獻(xiàn)的特點(diǎn)，需要滿足大字符集支持。

目前全文檢索平臺種類很多，有地方志工作機(jī)構(gòu)自己研發(fā)的，也有專門軟件公司研發(fā)的，常見的有清華同方異構(gòu)統(tǒng)一檢索平臺、CALIS統(tǒng)一檢索平臺、TRS資源整合門戶、復(fù)鑫跨庫檢索平臺、天宇異構(gòu)資源統(tǒng)一檢索平臺等［7］。因?yàn)槔?、技術(shù)整合難度等各方面原因，全文檢索平臺的標(biāo)準(zhǔn)是最難統(tǒng)一的。對于此項(xiàng)規(guī)范的建立，應(yīng)遵循以下幾個(gè)原則:

1.開放性

在全文檢索平臺的標(biāo)準(zhǔn)的制定過程中，應(yīng)首先考慮采用已經(jīng)成熟的、被用戶廣泛接受的開放標(biāo)準(zhǔn)。此舉既可以有效避免無用的重復(fù)勞動，又能保證較高的技術(shù)水平。

2.實(shí)用性

地方志數(shù)字化后，最終還是需要給人“用”，全文檢索平臺是“用”的關(guān)鍵手段，系統(tǒng)在開發(fā)的時(shí)候，應(yīng)注重實(shí)用性，易用性，在滿足基本基礎(chǔ)上，應(yīng)根據(jù)地方志文獻(xiàn)的自身特點(diǎn)，設(shè)置符合實(shí)際需求的功能。

3.前瞻性

科技的發(fā)展日新月異，同樣，全文檢索平臺在制定的過程中，也應(yīng)充分跟上時(shí)代的步伐，為以后新技術(shù)的支持提供預(yù)留的接口。

三、結(jié)束語

近些年來，圖書館界的文獻(xiàn)數(shù)字化標(biāo)準(zhǔn)制定工作在一定程度上受到了重視。從2002年開始，由科技部委托國家科技圖書文獻(xiàn)中心協(xié)調(diào)中國科學(xué)院文獻(xiàn)情報(bào)中心、中國科學(xué)技術(shù)信息研究所、國家圖書館、中國高等教育文獻(xiàn)保障系統(tǒng)管理中心、北京大學(xué)圖書館、上海圖書館等21家單位聯(lián)合進(jìn)行了圖書文獻(xiàn)數(shù)字化的相關(guān)標(biāo)準(zhǔn)規(guī)范研究［8］。作為與地方志工作部門類似的檔案部門，很早就注意到了檔案文獻(xiàn)數(shù)字化標(biāo)準(zhǔn)建設(shè)的重要性，相繼出臺了《電子文件歸檔與管理規(guī)范》《紙質(zhì)檔案數(shù)字化技術(shù)規(guī)范》《縮微膠片檔案數(shù)字化技術(shù)規(guī)范》等規(guī)范性的文件。但目前在全國的方志系統(tǒng)內(nèi)尚未形成一個(gè)統(tǒng)一的強(qiáng)制性文獻(xiàn)數(shù)據(jù)化的標(biāo)準(zhǔn)，一些信息化建設(shè)走在前列的省份已經(jīng)建設(shè)成了規(guī)模龐大的文獻(xiàn)數(shù)據(jù)庫，形成了自己的一套數(shù)據(jù)庫標(biāo)準(zhǔn)。國務(wù)院辦公廳于2007年1月發(fā)布了《關(guān)于進(jìn)一步加強(qiáng)古籍保護(hù)工作的意見》，文件明確指出:“進(jìn)一步加強(qiáng)古籍整理、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”，對全國地方志志工作機(jī)構(gòu)而言，建立一套全國性的地方志文獻(xiàn)資源數(shù)字化標(biāo)準(zhǔn)，已經(jīng)是迫在眉睫的事情。

［1］《中國互聯(lián)網(wǎng)絡(luò)發(fā)展統(tǒng)計(jì)報(bào)告》2014年7月.

［2］《中國新編地方志二十多年輝煌成就》，《中國地方志》.2006年第6期．

［3］百度百科，http://baike．baidu．com/view/15963．htm?fr=aladdin.

［4］百度百科，http://baike．baidu．com/view/69557．htm?fr=aladdin.

［5］梁民，王北.《DJVU格式與PDF格式的比較》，《電腦知識與技術(shù)》.2009年第1期.

［6］肖瓏，陳凌等.《中文元數(shù)據(jù)標(biāo)準(zhǔn)框架及其應(yīng)用》，《大學(xué)圖書館學(xué)報(bào)》.2001年第5期.

［7］胡娟.《數(shù)據(jù)庫統(tǒng)一檢索平臺的功能比較》，《現(xiàn)代情報(bào)》.2005年第4期.

［8］周琳結(jié).《我國古籍書目數(shù)據(jù)庫建設(shè)標(biāo)準(zhǔn)規(guī)范探討》，《圖書館建設(shè)》.2010年第2期.