古籍?dāng)?shù)據(jù)庫(kù)利用探索

■阮曉東

古籍?dāng)?shù)據(jù)庫(kù)利用探索

■阮曉東

我國(guó)的中文古籍?dāng)?shù)字化工作自20世紀(jì)80年代以來(lái)逐步推進(jìn)，并取得了較為顯著的成果。先后建成了一系列大、中型古籍?dāng)?shù)據(jù)庫(kù)，具有代表性的如《古今圖書(shū)集成》數(shù)據(jù)庫(kù)、《文淵閣四庫(kù)全書(shū)》電子版、《中國(guó)基本古籍庫(kù)》、書(shū)同文全文檢索系統(tǒng)。這些數(shù)據(jù)庫(kù)，為文史工作者進(jìn)行學(xué)術(shù)研究提供了極大的便利。

而作為圖書(shū)館工作者，則可以利用這些古籍?dāng)?shù)據(jù)庫(kù)，進(jìn)行本館特色資源的開(kāi)發(fā)和建設(shè)，或編制專(zhuān)業(yè)工具書(shū)等，收到事半功倍的效果，對(duì)此我們做了一些探索。

一、古籍?dāng)?shù)據(jù)庫(kù)概況

古籍?dāng)?shù)據(jù)數(shù)字化形式主要有古籍書(shū)目型、全文型、全圖像型和圖文型。

古籍書(shū)目型數(shù)據(jù)庫(kù)是最早建立起來(lái)的有關(guān)古籍資料的數(shù)據(jù)庫(kù)，只能說(shuō)是古籍?dāng)?shù)字化的雛形。它將館藏古籍的書(shū)目、著者、分類(lèi)、索引等信息錄入計(jì)算機(jī)而形成，其代表是南京圖書(shū)館建立的中文古籍書(shū)目數(shù)據(jù)庫(kù)，共收錄了40萬(wàn)條數(shù)據(jù)。再有是我國(guó)清華、北大兩所高校各自編撰的館藏古籍書(shū)目數(shù)據(jù)庫(kù)，其資源庫(kù)投入使用后，極大的方便了讀者。

全文型古籍?dāng)?shù)據(jù)庫(kù)是通過(guò)手工或者掃描錄入古籍資源，形成電子文本，供用戶(hù)查詢(xún)。優(yōu)點(diǎn)便于閱讀，便于檢索，儲(chǔ)備量大且存儲(chǔ)空間小，缺點(diǎn)文字錄入艱難，無(wú)古籍原貌。其代表可見(jiàn)臺(tái)灣的漢籍全文資料庫(kù)。

全圖像型古籍?dāng)?shù)據(jù)庫(kù)是直接通過(guò)掃描，以圖片格式，配以標(biāo)引，再進(jìn)行分類(lèi)存儲(chǔ)，目前是各大圖書(shū)館采用最多的手段。優(yōu)點(diǎn)是保存古籍原貌，缺點(diǎn)是檢索困難。其代表為武漢大學(xué)出版社以文淵閣本《四庫(kù)全書(shū)》為底本的“四庫(kù)全書(shū)光盤(pán)版”。南京圖書(shū)館2010年推出的《中國(guó)近代文獻(xiàn)圖像數(shù)據(jù)庫(kù)》，目前已匯集中華民國(guó)時(shí)期文獻(xiàn)中的圖片十余萬(wàn)幅。

圖文型古籍?dāng)?shù)據(jù)庫(kù)是在存儲(chǔ)古籍圖像基礎(chǔ)上，將書(shū)中具有檢索內(nèi)容數(shù)字化，借助軟件工具，讀者可以快捷的查詢(xún)。

二、古籍?dāng)?shù)據(jù)庫(kù)建設(shè)現(xiàn)狀

全文圖像型，是通過(guò)光學(xué)掃描，獲得古籍的原始影像，再經(jīng)過(guò)修正、標(biāo)引、編輯等工序，將此影像直接存入數(shù)據(jù)庫(kù)中。這種數(shù)據(jù)庫(kù)，其制作優(yōu)勢(shì)是方便快捷，不必對(duì)古籍文字進(jìn)行錄入、識(shí)別和校對(duì)，且其內(nèi)容完整，原汁原味。缺點(diǎn)也很明顯，它其實(shí)就是紙本圖書(shū)的圖像版。雖然有一些輔助檢索功能，但檢索點(diǎn)少，實(shí)用性不高。

全文檢索型，其制作方式，一是通過(guò)人工文字錄入，獲得可以任意編輯的文本文字，這是目前采用的主要方式。二是通過(guò)光學(xué)掃描后，采用文字識(shí)別軟件，對(duì)掃描出的原書(shū)圖像進(jìn)行分析和識(shí)別，產(chǎn)生可編輯的文本文字。由于古籍印刷方式多樣，且字體差異大，并含有異體字，缺筆避諱字等，采用通用文字識(shí)別軟件進(jìn)行識(shí)別極為困難，除非花高價(jià)專(zhuān)門(mén)設(shè)計(jì)針對(duì)特定圖書(shū)的文字識(shí)別軟件，因此無(wú)法普及。

總之，全文檢索型古籍?dāng)?shù)據(jù)庫(kù)制作困難，要進(jìn)行大量的文字錄入、校對(duì)等人工勞動(dòng)，費(fèi)工費(fèi)力，造價(jià)昂貴。但其優(yōu)勢(shì)也極為明顯，即可以進(jìn)行任意字詞的全文檢索，實(shí)現(xiàn)查全查準(zhǔn)，這是古籍電子資源最重要的優(yōu)點(diǎn)之一。

三、古籍?dāng)?shù)據(jù)庫(kù)的選擇

當(dāng)前，大大小小的古籍?dāng)?shù)據(jù)庫(kù)層出不窮，為我們利用古籍?dāng)?shù)據(jù)庫(kù)制作圖書(shū)館特色數(shù)字資源和編制專(zhuān)業(yè)工具書(shū)提供了極好的條件。而要合理地利用古籍?dāng)?shù)據(jù)庫(kù)，首先需要對(duì)其進(jìn)行科學(xué)的選擇。我們的選取原則，是優(yōu)先選擇大、中型全文檢索型數(shù)據(jù)庫(kù)。

以南京圖書(shū)館的中文電子文獻(xiàn)為例，目前我們可以獲得的古籍全文檢索型數(shù)據(jù)庫(kù)如下：

《瀚堂典藏》古籍?dāng)?shù)據(jù)庫(kù)：此數(shù)據(jù)庫(kù)采用大字符集和通用瀏覽器模式。以小學(xué)工具類(lèi)、古代類(lèi)書(shū)類(lèi)數(shù)據(jù)、出土文獻(xiàn)類(lèi)數(shù)據(jù)為基礎(chǔ)，大量納入包括經(jīng)、史、子、集四部、中醫(yī)藥典籍、古典戲曲、敦煌文獻(xiàn)、儒、釋、道等歷代傳世文獻(xiàn)，文字總量超過(guò)15億字，篇幅驚人。

《瀚堂近代報(bào)刊》數(shù)據(jù)庫(kù)：這是瀚堂公司推出的另一大型數(shù)據(jù)庫(kù)。到2011年，全庫(kù)數(shù)據(jù)總量約300萬(wàn)筆，圖文對(duì)應(yīng)的報(bào)刊圖片近80萬(wàn)幀。并匯集了300多種清末至民初的報(bào)紙和刊物。

《瀚堂典藏》新增分庫(kù)：這是瀚堂公司2010年推出的《古本小說(shuō)》分庫(kù)，收錄唐以前至民國(guó)初年的志人類(lèi)、志怪類(lèi)、傳奇類(lèi)、話(huà)本類(lèi)、章回類(lèi)、短篇類(lèi)等，文言、白話(huà)小說(shuō)書(shū)目約400種。

《文淵閣四庫(kù)全書(shū)》電子版：清代乾隆年間編纂的《四庫(kù)全書(shū)》，是中國(guó)古代最大的一部叢書(shū)。其電子版共收書(shū)3461種，總字?jǐn)?shù)約七億字，全書(shū)分為經(jīng)、史、子、集四部，內(nèi)容涵蓋廣博，包括哲學(xué)、歷史、文藝、政治、社會(huì)、經(jīng)濟(jì)、軍事、法律、醫(yī)學(xué)、天文、地理、算學(xué)、生物學(xué)、農(nóng)業(yè)、占卜等。

中國(guó)基本古籍庫(kù)：分為4個(gè)子庫(kù)、20個(gè)大類(lèi)和100個(gè)細(xì)目，共收錄上自先秦，下迄民國(guó)的歷代名著和各學(xué)科基本文獻(xiàn)一萬(wàn)種，每種均提供一個(gè)通行版本的數(shù)碼全文，和1-2個(gè)珍貴版本的原版影像?？傆?jì)收書(shū)約17萬(wàn)卷，版本12500多個(gè)，全文17億字,影像1200萬(wàn)頁(yè)。

書(shū)同文全文檢索系統(tǒng)：南京圖書(shū)館試用其全文檢索產(chǎn)品有：《大清五部會(huì)典》《大清歷朝實(shí)錄》《四部叢刊》及增補(bǔ)、《歷代石刻史料匯編》和《十通》等。

此外，還有南京圖書(shū)館自建的館藏古籍全文數(shù)據(jù)庫(kù)等。

上述這些大、中型全文檢索型數(shù)據(jù)庫(kù)，我們可以在館內(nèi)直接獲取，而無(wú)需付出任何費(fèi)用，尤其是其中的大型全文檢索型數(shù)據(jù)庫(kù)，是我們編輯專(zhuān)業(yè)工具書(shū)，制作特色數(shù)據(jù)庫(kù)的主要工具。

四、利用古籍?dāng)?shù)據(jù)庫(kù)的實(shí)踐

這里以《文淵閣四庫(kù)全書(shū)》電子版的利用為例，探討編輯《中華大典·軍事典》和制作“金陵掌故”特色數(shù)據(jù)庫(kù)的方法和技巧。

1、編撰《中華大典》的實(shí)踐和體會(huì)：《中華大典》是國(guó)家“十一五”時(shí)期文化發(fā)展規(guī)劃綱要的重要項(xiàng)目。這部類(lèi)書(shū)巨著，共設(shè)24個(gè)分類(lèi)典。其中《中華大典·軍事典》的編纂工作，于2009年4月正式啟動(dòng)。

《軍事典》共設(shè)6個(gè)分典，其中《軍事人物分典》，由南京政治學(xué)院擔(dān)負(fù)編纂任務(wù)，南京圖書(shū)館是其合作單位。這也是南京圖書(shū)館為科研單位提供高端服務(wù)的一次有益嘗試?！盾娛氯宋锓值洹穬?nèi)容涉及上迄先秦，下至辛亥革命的數(shù)千年的軍事人物，以及浩如煙海的歷史典籍。

編輯《軍事人物分典》這一類(lèi)專(zhuān)業(yè)工具書(shū)，首先必須從成千上萬(wàn)種古籍中篩選出最核心的善本典籍，制定為專(zhuān)用書(shū)目，從而為古籍的使用劃定一個(gè)科學(xué)合理的范圍。以后還可以根據(jù)專(zhuān)用書(shū)目，查找原始的善本資料。而單純用人工方式，通過(guò)對(duì)紙質(zhì)文獻(xiàn)進(jìn)行逐類(lèi)逐種篩選，其工作量驚人，且難以全面準(zhǔn)確地查出所有核心文獻(xiàn)。我們采用《文淵閣四庫(kù)全書(shū)》電子版，輔以其它古籍?dāng)?shù)據(jù)庫(kù)，再通過(guò)對(duì)原始古籍的檢索查詢(xún)，較好地完成了編制專(zhuān)用書(shū)目的任務(wù)。

《文淵閣四庫(kù)全書(shū)》電子版界面友好，易學(xué)易用，除了支持全文檢索，可以進(jìn)行整段、片段甚至單個(gè)字詞查詢(xún)，還具有一些實(shí)用而重要的功能，例如原始文獻(xiàn)對(duì)照功能。用戶(hù)在閱讀文本文檔時(shí)，可以隨時(shí)調(diào)閱原始的掃描影像，進(jìn)行對(duì)比校對(duì)，有利于保證文字的正確性。還有單種文獻(xiàn)查詢(xún)功能，即可以針對(duì)某一類(lèi)型甚至某一種書(shū)進(jìn)行全文查詢(xún)，即提高了檢索結(jié)果的單純性，也提高了檢索速度。此外，《文淵閣四庫(kù)全書(shū)》電子版不僅有網(wǎng)絡(luò)版，也有單機(jī)版，便于用戶(hù)在圖書(shū)館以外的地方獨(dú)立工作。這些優(yōu)點(diǎn)，使我們可以在較短時(shí)間內(nèi)組織專(zhuān)人，利用此數(shù)據(jù)庫(kù)進(jìn)行所需的加工制作。

以我們負(fù)責(zé)的魏晉南北朝時(shí)期為例。按計(jì)劃，選有軍事人物約150人。我們選擇了其中的重要人物30余名，將其姓名逐個(gè)輸入“四庫(kù)全書(shū)”數(shù)據(jù)庫(kù)中，進(jìn)行查檢。例如曹操，以其本名及魏武、魏公、阿瞞等作為檢索詞，搜得相關(guān)結(jié)果一萬(wàn)余條。逐條閱讀，以篩選出包含重要內(nèi)容的古籍，再經(jīng)參照其他古籍?dāng)?shù)據(jù)庫(kù)，得出用于魏晉南北朝時(shí)期的專(zhuān)用書(shū)目。其中經(jīng)類(lèi)書(shū)25種，史類(lèi)書(shū)140種，子類(lèi)書(shū)90種，集類(lèi)書(shū)100種。最后，再?gòu)酿^藏中查找出列入書(shū)目中的較好版本的古籍，完成通用書(shū)目的編制。

通用書(shū)目完成后，即可進(jìn)行軍事人物詞條的檢索和選取。同樣，以曹操的相關(guān)稱(chēng)謂為檢索詞，分別從經(jīng)、史、子、集四部得到相關(guān)記錄。其中僅曹操一詞即檢出四千余條記錄。逐條篩選，獲得時(shí)間早、內(nèi)容豐富、罕見(jiàn)的條目，而剔除大量簡(jiǎn)單重復(fù)的記錄。

這些極大檢索量的工作，采用手工勞動(dòng)方式是無(wú)法完成的。

2、制作《金陵掌故》全文數(shù)據(jù)庫(kù)的實(shí)踐和體會(huì)：《金陵掌故》數(shù)據(jù)庫(kù)是我們初步開(kāi)發(fā)的一個(gè)地方文獻(xiàn)數(shù)據(jù)庫(kù)。其收錄范圍，涉及上古到清代與南京有關(guān)的盡可能多的文獻(xiàn)，包括圖書(shū)（含單篇文章）庫(kù)和詞條庫(kù)兩部分。其內(nèi)容以地理、歷史、風(fēng)俗及與之相關(guān)的人物、故實(shí)為主。數(shù)據(jù)庫(kù)按分類(lèi)組織，支持全文檢索，其文字可以任意復(fù)制和編輯。

初期制作中，我們從《四庫(kù)全書(shū)》電子版等古籍?dāng)?shù)據(jù)庫(kù)中，提取相關(guān)古籍電子資源，如《景定建康志》《江南野史》《至大金陵新志》《金陵百詠》《六朝事跡編類(lèi)》等數(shù)十種，另制定了掃描計(jì)劃，擬將一些沒(méi)有電子文本的南京地區(qū)的地方文獻(xiàn)進(jìn)行文字錄入，與現(xiàn)有電子文獻(xiàn)共同形成文本型的圖書(shū)庫(kù)。

詞條庫(kù)部分，設(shè)置歷史、地理、風(fēng)俗、人物，文學(xué)等大類(lèi)，其下再逐級(jí)設(shè)置二級(jí)和三級(jí)等類(lèi)目，進(jìn)行深度的細(xì)分。例如地理類(lèi)的，則按傳統(tǒng)方式，設(shè)置城邑、山陵、湖沼、河流、樓臺(tái)等二級(jí)類(lèi)目，以及各自的三級(jí)乃至四級(jí)類(lèi)目。

詞條的選取方法，首先是利用《四庫(kù)全書(shū)》電子版等古籍?dāng)?shù)據(jù)庫(kù)，對(duì)相關(guān)詞條進(jìn)行搜索、比對(duì)，選擇出最原始，或內(nèi)容最豐富的詞條。最后根據(jù)預(yù)先制定的標(biāo)引規(guī)則進(jìn)行標(biāo)引。在此搜檢過(guò)程中，還可能不斷發(fā)現(xiàn)和充實(shí)新詞條，使特色數(shù)據(jù)庫(kù)更加完善。限于篇幅，這里就不詳述了。

需要注意的是，現(xiàn)行古籍?dāng)?shù)據(jù)庫(kù)的古籍，絕大多數(shù)未斷句和加標(biāo)點(diǎn)。而我們據(jù)此制作的特色數(shù)據(jù)庫(kù)，考慮到普及性和可讀性等因素，需要斷句和加上句號(hào)、逗號(hào)等基本標(biāo)點(diǎn)。這是一項(xiàng)嚴(yán)肅且較為艱難的工作。應(yīng)直接套用中華書(shū)局及各省正規(guī)古籍出版單位出版的標(biāo)點(diǎn)本同一圖書(shū)，進(jìn)行斷句和標(biāo)點(diǎn)。確實(shí)沒(méi)有合格的同一紙質(zhì)文獻(xiàn)，再考慮聘請(qǐng)專(zhuān)家，進(jìn)行標(biāo)點(diǎn)工作。

近幾年來(lái)，我國(guó)古籍電子資源建設(shè)的步伐不斷加速，2011年，文化部發(fā)布了《關(guān)于進(jìn)一步加強(qiáng)古籍保護(hù)工作的通知》，要求加快古籍的數(shù)字化建設(shè)。2012年5月，文化部主辦了“全國(guó)古籍?dāng)?shù)字化建設(shè)與服務(wù)工作研討會(huì)”，對(duì)全國(guó)古籍?dāng)?shù)字化合作服務(wù)機(jī)制、國(guó)內(nèi)外古籍?dāng)?shù)字化保護(hù)利用、古籍?dāng)?shù)字化成果共享方式和古籍?dāng)?shù)字化標(biāo)準(zhǔn)規(guī)范等問(wèn)題進(jìn)行了研究，并提出了要求。國(guó)家古籍保護(hù)中心和各省級(jí)古籍保護(hù)中心進(jìn)行了規(guī)模宏大的中華古籍?dāng)?shù)字資源庫(kù)的建設(shè)。

長(zhǎng)期以來(lái)，圖書(shū)館大量投資，致力于古籍?dāng)?shù)據(jù)庫(kù)的購(gòu)置和自建，供用戶(hù)科研學(xué)習(xí)之用，而對(duì)圖書(shū)館自身如何利用這類(lèi)數(shù)據(jù)庫(kù)，制作二三次文獻(xiàn)或特色數(shù)據(jù)庫(kù)，乃至進(jìn)行其它電子資源的開(kāi)發(fā)，似并未加以關(guān)注。特撰寫(xiě)此文，拋磚引玉，希望引起同仁們的廣泛重視，從而使大量涌現(xiàn)的古籍?dāng)?shù)據(jù)庫(kù)不僅是用戶(hù)學(xué)術(shù)研究的工具，也是圖書(shū)館工作者拓展服務(wù)的利器。