館藏中醫(yī)古籍?dāng)?shù)字化的若干細(xì)節(jié)問題探討

摘要：本文結(jié)合我館在中醫(yī)古籍?dāng)?shù)字化工作中的實(shí)際情況，對(duì)選書過程、掃描過程和檢索系統(tǒng)建立過程中的若干細(xì)節(jié)問題進(jìn)行逐一分析探討，介紹了我館在處理這些問題的具體方法和經(jīng)驗(yàn)。

關(guān)鍵詞：中醫(yī)；古籍；數(shù)字化

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，古籍?dāng)?shù)字化已經(jīng)成為古籍文獻(xiàn)保護(hù)和利用的重要手段。采用數(shù)字化技術(shù)對(duì)中醫(yī)古籍進(jìn)行搶救整理，既能使這些珍貴文化遺產(chǎn)原書原貌得到永久保存，又可以通過網(wǎng)絡(luò)使這批珍貴文化遺產(chǎn)不受地域和時(shí)空等的限制，及時(shí)迅速地提供給廣大研究人員和其他使用者。

中醫(yī)古籍?dāng)?shù)字化，就是利用數(shù)字化技術(shù)將中醫(yī)古籍進(jìn)行掃描、文字識(shí)別與轉(zhuǎn)換或錄入，并經(jīng)專門軟件使之結(jié)構(gòu)化，制作出新的電子版中醫(yī)古籍。數(shù)字化的中醫(yī)古籍可用計(jì)算機(jī)進(jìn)行方便的檢索與閱讀，也可在網(wǎng)絡(luò)上傳輸、共享。我館自2001年開始先后建立館藏中醫(yī)古籍的書目檢索數(shù)據(jù)庫和中醫(yī)古籍閱覽管理系統(tǒng)，實(shí)現(xiàn)中醫(yī)古籍書目和內(nèi)容檢索。目前我館的中醫(yī)古籍?dāng)?shù)字化工作已有了很大進(jìn)展，但是也仍然存在許多問題。本文按照數(shù)字化加工的流程，對(duì)其中的若干細(xì)節(jié)問題進(jìn)行探討。

1 選書過程中的問題

1.1學(xué)術(shù)價(jià)值高和版本精良的中醫(yī)古籍應(yīng)優(yōu)先數(shù)字化 現(xiàn)存歷代中醫(yī)古籍品種數(shù)量眾多，版本和流傳情況復(fù)雜。例如：《中國中醫(yī)古籍總目》收錄了中醫(yī)古籍13455種，大部分古籍都有兩個(gè)以上的版本，有的甚至多達(dá)幾十個(gè)版本。因此中醫(yī)古籍?dāng)?shù)字化工作應(yīng)該先對(duì)其中學(xué)術(shù)價(jià)值高、版本精良的中醫(yī)古籍進(jìn)行搶救保護(hù)，可以制定具體的中醫(yī)古籍?dāng)?shù)字化選目標(biāo)準(zhǔn)，注重中醫(yī)古籍保護(hù)與利用的雙重目的。

1.2沒有必要對(duì)所有館藏古籍都進(jìn)行數(shù)字化 我館的館藏中醫(yī)古籍書目數(shù)據(jù)庫，共有1萬多條數(shù)據(jù)。我們?cè)谶M(jìn)行數(shù)字化工作時(shí)，沒有必要對(duì)每本書都進(jìn)行數(shù)字化。這是因?yàn)橐韵路矫妗?.2.1每種古籍往往存在多種版本，版本情況復(fù)雜多樣。這些版本中，有的是不同的刻板印出來的，有的是相同的刻板印出來的，只是收藏者或年代不一樣而已。對(duì)于前者，可以對(duì)版本精良的中醫(yī)古籍進(jìn)行優(yōu)先處理，其它版本可以依據(jù)平時(shí)使用的情況進(jìn)行數(shù)字化，這樣在版本校對(duì)時(shí)也可以使用。對(duì)于后者，也稱之為\"副本\"，這種情況只要選擇其中一種保存比較完好的來掃描即可。

1.2.2國內(nèi)中醫(yī)圖書館普遍經(jīng)費(fèi)有限，而且數(shù)字化的過程需要一定的時(shí)間，因此將所有的館藏古籍全部數(shù)字化并不現(xiàn)實(shí)。

1.3建立的數(shù)字化古籍書目要與館藏書目相關(guān)聯(lián) 數(shù)字化古籍書目的建立是本館數(shù)字化加工工作的重要環(huán)節(jié)。這個(gè)看似簡單的過程，如果沒有科學(xué)、準(zhǔn)確地錄入，也會(huì)在古籍書目的檢索利用時(shí)產(chǎn)生一些問題。比如我館在進(jìn)行數(shù)字化掃描古籍之初，數(shù)字化古籍書目是單獨(dú)建立的，與館藏古籍書目之間是沒有聯(lián)系的。在讀者借閱古籍時(shí)，對(duì)于掃描過的古籍，本來可以只提供掃描圖像而不用再提原書，但是我們的館藏古籍書目沒有注明哪些是掃描過的古籍，只能還是提供原書給讀者。這樣非常不利于古籍的保護(hù)。因此有必要將數(shù)字化古籍書目與館藏書目相關(guān)聯(lián)，或者數(shù)字化古籍書目由館藏書目派生出來，或是在館藏書目中注明掃描過的書目。總之兩個(gè)書目在格式、繁簡字體上要保持一致，保證在檢索書目時(shí)可以快速準(zhǔn)確的得到結(jié)果。

2 掃描過程中的問題

2.1古籍掃描人員的培訓(xùn) 古籍，與一般的書籍不同，不僅具有重要的學(xué)術(shù)價(jià)值，而且具有重要的文物價(jià)值和歷史價(jià)值。因此，在掃描工作之前，要對(duì)古籍掃描人員進(jìn)行專門的培訓(xùn)。要讓掃描人員樹立保護(hù)古籍，保證質(zhì)量的意識(shí)，確保原件的安全性。要讓掃描人員熟悉操作環(huán)節(jié)，可以用仿照的古籍進(jìn)行試掃，盡量避免對(duì)古籍的損傷，確保加工環(huán)節(jié)的規(guī)范化。

2.2古籍掃描規(guī)范

2.2.1檢查全書 在掃描之前要檢查全書。一看是否需要拆除裝訂線進(jìn)行掃描。一般情況下，盡量不拆除古籍的裝訂線，保持古籍的原貌。但是對(duì)于有的裝訂線已經(jīng)斷開，或是原有的裝訂線裝訂的太寬，致使部分內(nèi)容無法看到，這樣的情況最好拆除裝訂線進(jìn)行掃描，待掃描后立即進(jìn)行重新裝訂。如果館內(nèi)不能進(jìn)行修復(fù)，最好不要拆除裝訂線，以免古籍散落或丟失。二看古籍中有無散落的書頁。如果有散落的書頁，要記下書頁所在的位置，最好夾條進(jìn)行標(biāo)記，以防弄亂書頁順序。

2.2.2掃描標(biāo)準(zhǔn) 古籍掃描時(shí)，圖像采集分辨率應(yīng)不低于300dpi，色彩模式選用RGB全彩，具體利用時(shí)可根據(jù)需求進(jìn)行調(diào)整。我館是按分辨率300dpi，24位RGB色彩模式掃描。而且將掃描后的圖像文件分別存儲(chǔ)為典藏版和閱讀版。古籍典藏版圖像掃描分辨率300dpi，以盡量滿足保存古籍圖像原貌的目的，但文件較大；閱讀版圖像掃描分辨率為72dpi，文件較小，但可以保證閱覽的需求。一般來講，圖像分辨率為300dpi，就可以滿足印刷出版的要求，對(duì)于字太小或顏色太淡的書籍，可以適當(dāng)增加掃描分辨率。在進(jìn)行數(shù)字化加工時(shí)，沒有必要設(shè)置過高的掃描分辨率，雖然圖像會(huì)更加清晰一些，但是所占的空間也很大，積累到一定程度時(shí)，也不利于使用和保存。

文件可存儲(chǔ)為高品質(zhì)TIFF/JPBG格式。我館的文件是存儲(chǔ)為JPG文件格式；文件命名為\"冊(cè)號(hào)\"+0+\"頁碼\"，如第一冊(cè)第一頁，文件名為010001。每種古籍按其名稱設(shè)總文件夾，再按其具體冊(cè)數(shù)設(shè)分冊(cè)文件夾，每頁圖片分別存放在所在的冊(cè)文件夾中。

2.2.3掃描校對(duì) 掃描圖片文件保存完成后，要與原書進(jìn)行逐冊(cè)、逐頁校對(duì)。刪除其中重復(fù)掃描文件，增補(bǔ)遺漏掃描圖片。保存文件命名的書名要與數(shù)字化古籍書目上的書名相一致，以方便搜索利用。

2.2.4圖像處理 掃描得到的圖像，會(huì)存在邊緣大小不等，位置不正、或色彩偏差等問題。所以必需對(duì)掃描圖像進(jìn)行裁邊、糾偏、調(diào)色等處理。對(duì)于文件格式存儲(chǔ)不統(tǒng)一者也要進(jìn)行統(tǒng)一調(diào)整。

3 檢索系統(tǒng)建立過程中的問題

3.1圖文關(guān)聯(lián)是中醫(yī)古籍?dāng)?shù)字化的較好方式 圖文關(guān)聯(lián)的方式不僅可以彌補(bǔ)單純\"圖像\"在檢索和內(nèi)容編輯上的不足，而且可以校對(duì)單純\"文本\"的準(zhǔn)確性，使讀者既能看到原書原貌的古籍文獻(xiàn)信息，又可以快速準(zhǔn)確地查到所需的內(nèi)容。其中，文本數(shù)據(jù)的準(zhǔn)確度是影響用戶使用的重要因素。目前文本數(shù)據(jù)的獲取方式有對(duì)古籍圖像進(jìn)行OCR識(shí)別、人工錄入和兩者結(jié)合3種方式。我館在實(shí)際工作中多采用直接人工錄入的的方式，并加以標(biāo)點(diǎn)。為達(dá)到圖文對(duì)照和符合現(xiàn)代閱讀習(xí)慣的目的，文本數(shù)據(jù)可分為橫排、豎排兩種版式。我館自主開發(fā)建立的中醫(yī)古籍閱覽管理系統(tǒng)即采用這種方式。通過古籍的圖文關(guān)聯(lián)和版式還原可以實(shí)現(xiàn)\"圖文互校\"，圖像和文本在同一界面內(nèi)頁對(duì)頁、行對(duì)行、列對(duì)列、字對(duì)字的校對(duì)，減少校對(duì)者的視覺疲勞。

3.2檢索系統(tǒng)要進(jìn)行適當(dāng)?shù)臉?biāo)引 圖文關(guān)聯(lián)雖然是中醫(yī)古籍?dāng)?shù)字化的較好方式。但是由于花費(fèi)時(shí)間很長，并且全文檢索存在固有的一些缺點(diǎn)，因此為了更好的有效利用，檢索系統(tǒng)需要進(jìn)行適當(dāng)?shù)臉?biāo)引。這樣基本能實(shí)現(xiàn)古籍中主要知識(shí)點(diǎn)的檢索。

我館自主開發(fā)建立的中醫(yī)古籍閱覽管理系統(tǒng)采用自由標(biāo)引加后控詞表的方式來實(shí)現(xiàn)檢索。其中自由標(biāo)引以目錄的深加工為總原則。目錄的深加工是指在對(duì)中醫(yī)古籍圖片進(jìn)行標(biāo)引時(shí)，先以全書目錄中的各條內(nèi)容作為標(biāo)引內(nèi)容，在此基礎(chǔ)上，將正文中明確寫到而目錄中沒有的各級(jí)標(biāo)題和各段主題也作為標(biāo)引內(nèi)容進(jìn)一步予以標(biāo)注。其中，各級(jí)標(biāo)題是正文中客觀存在的，在標(biāo)引時(shí)一般按原文照錄即可。而各段主題則需要根據(jù)中醫(yī)專業(yè)知識(shí)予以提取，一般仍采用中醫(yī)專業(yè)術(shù)語，而且也要盡量使用原書中的詞語。后控詞表是通過參考相關(guān)的工具書或教科書，對(duì)標(biāo)引用詞進(jìn)行聚類分析而創(chuàng)建。詞表共設(shè)八個(gè)字段，即類號(hào)、標(biāo)識(shí)詞、同義詞、近義詞、上位詞、下位詞、關(guān)聯(lián)詞和現(xiàn)代醫(yī)學(xué)對(duì)照詞。這樣就形成一個(gè)集數(shù)據(jù)加工與檢索利用于一體的中醫(yī)古籍智能檢索系統(tǒng)。

3.3古籍生僻字的處理 古籍生僻字問題是中醫(yī)古籍?dāng)?shù)字化的一大障礙。解決好這個(gè)問題有利于保證數(shù)字化工作的統(tǒng)一性。我們可以通過手寫輸入法、拼湊法、造字法、圖片替代法、描述法等多種方式進(jìn)行處理。在實(shí)際工作中可以幾種方法綜合應(yīng)用。我館的檢索系統(tǒng)通過對(duì)中醫(yī)古籍?dāng)?shù)字化中遇到的生僻字問題進(jìn)行深入研究并對(duì)生僻字進(jìn)行分析統(tǒng)計(jì)后，對(duì)其進(jìn)行編碼、造字，建立繁簡字體對(duì)照表，增加繁簡字體關(guān)聯(lián)互檢功能，從而有效提高了檢索準(zhǔn)確率。

總之，中醫(yī)古籍?dāng)?shù)字化需要一個(gè)逐步發(fā)展和完善的過程。在這個(gè)過程中，我們還會(huì)不斷的遇到新問題。只要我們保持科學(xué)認(rèn)真的態(tài)度，一定能夠不斷地解決新問題，將中醫(yī)古籍?dāng)?shù)字化工作做得更好。

參考文獻(xiàn)：

[1]李兵，劉國正，符永馳，等.從中醫(yī)古籍?dāng)?shù)據(jù)庫建設(shè)看中醫(yī)古籍?dāng)?shù)字化[J].中國中醫(yī)藥信息雜志，2009，16（03）：92-93.

[2]符永馳，李斌，郭敏華，等.中醫(yī)古籍電子化系統(tǒng)的研究與實(shí)現(xiàn)[J].中國中醫(yī)藥信息雜志，2008，15（02）：103-104.

[3]薛清錄.中國中醫(yī)古籍總目[M].上海辭書出版社，2007：2.

[4]符永馳，劉國正，李斌，等.中醫(yī)古籍?dāng)?shù)字化研究[J].中國中醫(yī)藥信息雜志，2004，11（06）：563-564.

編輯/哈濤