電子檔案文件格式登記與管控系統(tǒng)構(gòu)建＊

周 祺 張照余

（蘇州大學(xué)社會(huì)學(xué)院，江蘇蘇州，215008）

一、文件格式登記與管控之緣起

電子文件具有對(duì)其初始技術(shù)環(huán)境的依賴性，合理選擇歸檔文件格式，加強(qiáng)對(duì)文件格式的管控，可以降低這種依賴性，延長(zhǎng)歸檔文件的技術(shù)生命，并有助于在現(xiàn)有格式徹底淘汰前建立起可行的遷移途徑，通過(guò)格式轉(zhuǎn)換延展歸檔電子文件的壽命。文件格式登記與管控系統(tǒng)，是電子文件的格式數(shù)據(jù)庫(kù)，通過(guò)共建共享方式集中收錄所有館藏電子檔案的文件格式信息，跟蹤記錄每種格式的升級(jí)迭代及其技術(shù)環(huán)境的更新變化，基于量化分析對(duì)各種文件格式的長(zhǎng)期保管風(fēng)險(xiǎn)進(jìn)行科學(xué)評(píng)估，并給出危險(xiǎn)格式的轉(zhuǎn)換目標(biāo)格式及其遷移手段。文件格式登記與管控系統(tǒng)不僅是一個(gè)在線的文件格式信息庫(kù)，更是一個(gè)格式研究評(píng)價(jià)中心，擁有登記、管控、跟蹤、評(píng)估各類電子文件格式及其技術(shù)環(huán)境動(dòng)態(tài)變化的一系列功能。

開(kāi)發(fā)建設(shè)文件格式登記與管控系統(tǒng)是國(guó)際檔案界普遍認(rèn)同的電子檔案長(zhǎng)久保管策略之一。英國(guó)國(guó)家檔案館（TNA）早在 2012年創(chuàng)建了格式登記系統(tǒng)PRONOM （Digital Format Database），并開(kāi)發(fā)DROID（Digital Record Object Identification）工具用于識(shí)別歸檔文件的格式信息。［1］美國(guó)國(guó)家檔案與文件署（NARA）則在2018年設(shè)立了格式概覽（Format Profile）項(xiàng)目，該項(xiàng)目在系統(tǒng)分析格式風(fēng)險(xiǎn)的基礎(chǔ)上列舉出10種最不宜歸檔的文件格式。［2］2021年，中辦國(guó)辦印發(fā)《“十四五”全國(guó)檔案事業(yè)發(fā)展規(guī)劃》，明確“深入推進(jìn)檔案安全體系建設(shè)，加強(qiáng)電子檔案長(zhǎng)期保存技術(shù)和管理研究”。格式管控關(guān)乎電子檔案長(zhǎng)期保存問(wèn)題已在我國(guó)檔案學(xué)界達(dá)成共識(shí)，并逐步形成了歸檔文件格式規(guī)范，但在實(shí)踐中我國(guó)尚未建立全國(guó)性的格式登記與管控體系。本文在借鑒國(guó)外實(shí)踐的基礎(chǔ)上，對(duì)我國(guó)電子檔案文件格式登記與管控系統(tǒng)（Format Register and Monitor System，簡(jiǎn)稱FRMS）進(jìn)行了初步構(gòu)想和模型設(shè)計(jì)，以期為該系統(tǒng)的開(kāi)發(fā)落地提供參照。

二、文件格式登記與管控系統(tǒng)之運(yùn)行

建設(shè)開(kāi)發(fā)電子檔案的文件格式登記與管控系統(tǒng)，首先要明確其建設(shè)開(kāi)發(fā)的實(shí)施主體和系統(tǒng)的適用范圍，并且建立起長(zhǎng)期有效的運(yùn)行機(jī)制來(lái)確保其可持續(xù)性。所謂實(shí)施主體就是由誰(shuí)來(lái)建設(shè)和維護(hù)的問(wèn)題，而適用范圍則是規(guī)定該系統(tǒng)的服務(wù)對(duì)象和服務(wù)領(lǐng)域。

筆者認(rèn)為，國(guó)家檔案主管機(jī)關(guān)是最理想的實(shí)施主體。由于我國(guó)尚未對(duì)歸檔格式的背景數(shù)據(jù)進(jìn)行全面登記和管控，因此，由國(guó)家檔案主管機(jī)關(guān)作為實(shí)施主體牽頭創(chuàng)建并運(yùn)行該系統(tǒng)，具有較強(qiáng)的組織號(hào)召力和資源把控優(yōu)勢(shì)。除此以外，非官方的社會(huì)組織、檔案研究機(jī)構(gòu)、檔案服務(wù)公司等也可實(shí)施或參與電子檔案格式登記與管控系統(tǒng)的開(kāi)發(fā)與運(yùn)行，利用自身技術(shù)、資源及經(jīng)驗(yàn)優(yōu)勢(shì)，以公益或市場(chǎng)化的運(yùn)作模式建立區(qū)域乃至全國(guó)性的電子檔案文件格式登記與管控系統(tǒng)及其運(yùn)作體系。

電子檔案文件格式登記與管控系統(tǒng)，可以也應(yīng)當(dāng)面向全國(guó)各級(jí)各類檔案管理機(jī)構(gòu)，包括檔案館、檔案室以及圖書館、數(shù)據(jù)中心等相關(guān)領(lǐng)域，其基礎(chǔ)數(shù)據(jù)來(lái)源越廣，數(shù)據(jù)的共享面越大，數(shù)據(jù)分析的準(zhǔn)確度就越高，系統(tǒng)實(shí)施效果和社會(huì)效益也越發(fā)顯著。無(wú)論建設(shè)主體是誰(shuí)，也無(wú)論采取何種運(yùn)營(yíng)模式，共建共享始終是電子檔案文件格式登記與管控系統(tǒng)的建設(shè)原則。

三、文件格式登記與管控系統(tǒng)之要件

對(duì)比國(guó)外已有格式登記與管控系統(tǒng)，該系統(tǒng)集合了格式登記、格式識(shí)別/格式驗(yàn)證、格式風(fēng)險(xiǎn)評(píng)估等功能于一體，具有較強(qiáng)的綜合性、動(dòng)態(tài)性與研究性。其中，準(zhǔn)確獲取文件格式信息是文件格式登記與管控系統(tǒng)有效運(yùn)轉(zhuǎn)的基礎(chǔ)，以下要素構(gòu)成文件格式登記與管控系統(tǒng)開(kāi)發(fā)運(yùn)行的前置要件。

1.文件格式的唯一標(biāo)識(shí)符

首先要建立或選擇涵蓋面廣并被普遍接受的文件格式標(biāo)識(shí)體系，據(jù)此為每種格式及其不同版本做標(biāo)識(shí)符，將該標(biāo)識(shí)符作為每種格式在系統(tǒng)中的唯一ID。這類似于數(shù)據(jù)庫(kù)中每組字段的唯一主鍵。特別說(shuō)明的是，格式標(biāo)識(shí)符的編號(hào)方式應(yīng)體現(xiàn)該格式的類型、格式屬性、版本關(guān)系。

2.文件格式識(shí)別工具

格式識(shí)別工具（模塊）是文件格式登記與管控系統(tǒng)（FRMS）的重要組成部分，其識(shí)別結(jié)果將作為文件類別與格式風(fēng)險(xiǎn)判斷的依據(jù)。據(jù)國(guó)外研究，一般有三種方式識(shí)別文件格式：第一種是通過(guò)文件自帶的擴(kuò)展名判斷；第二種是通過(guò)機(jī)器可識(shí)別的MIME型元數(shù)據(jù)判斷；第三種是通過(guò)文件二進(jìn)制代碼包含的有關(guān)格式數(shù)據(jù)或特征信息來(lái)判別。［3］系統(tǒng)也可以引用已有的開(kāi)源格式識(shí)別軟件的源代碼來(lái)幫助實(shí)現(xiàn)格式識(shí)別功能。

3.文件格式清單

格式清單是以格式登記庫(kù)（Format Registry，簡(jiǎn)稱FR）數(shù)據(jù)為對(duì)象，基于格式技術(shù)環(huán)境分析和安全風(fēng)險(xiǎn)評(píng)估而生成的動(dòng)態(tài)反映各種格式安全性的數(shù)據(jù)庫(kù)。它在系統(tǒng)的數(shù)據(jù)存儲(chǔ)中是以一張數(shù)據(jù)表的形式存在，因此在系統(tǒng)設(shè)計(jì)層面也稱其為“格式清單表”。按照格式風(fēng)險(xiǎn)等級(jí)可劃分為 “推薦格式清單庫(kù)”“危險(xiǎn)格式清單庫(kù)”等，它是評(píng)判某種文件格式是否適合歸檔的科學(xué)依據(jù)，同時(shí)也是檔案庫(kù)定期檢測(cè)格式安全性的參照標(biāo)準(zhǔn)。格式管控中心必須在每次格式風(fēng)險(xiǎn)評(píng)估后定期更新這些格式清單，以為檔案館（室）實(shí)施電子文件歸檔和電子檔案格式轉(zhuǎn)換提供指南，實(shí)現(xiàn)對(duì)歸檔文件格式的風(fēng)險(xiǎn)管控和安全預(yù)警。

四、文件格式登記與管控系統(tǒng)之設(shè)計(jì)

1.FRMS的功能模塊

按照軟件開(kāi)發(fā)結(jié)構(gòu)化模型——瀑布模型（SDLC）的設(shè)計(jì)方法，在FRMS的設(shè)計(jì)與開(kāi)發(fā)之前首先需要明確該系統(tǒng)的功能要素?？傮w來(lái)說(shuō)，F(xiàn)RMS系統(tǒng)需要幫助用戶實(shí)現(xiàn)格式信息的查詢/登記、文件格式識(shí)別、危險(xiǎn)格式文件遷移等命令，此外它還可以自動(dòng)監(jiān)測(cè)電子檔案數(shù)據(jù)庫(kù)中的格式信息，統(tǒng)計(jì)危險(xiǎn)格式文件數(shù)量并通知用戶。吸收PRONOM等國(guó)外格式登記系統(tǒng)的功能設(shè)計(jì)理念，結(jié)合格式登記與管控的策略需要，將FRMS的功能總體上分為以下八個(gè)模塊。這些功能的運(yùn)行以“格式登記庫(kù)（FR）”及系統(tǒng)中建立的“推薦/可接受/危險(xiǎn)格式清單表”“格式轉(zhuǎn)換器清單表”等前期建立的基礎(chǔ)數(shù)據(jù)為支撐。

一是“文件導(dǎo)入”模塊。用戶將擬歸檔進(jìn)入文件存儲(chǔ)系統(tǒng)的電子文件或已歸檔的電子文件通過(guò)單獨(dú)或批量上傳的方式導(dǎo)入FRMS的功能。二是“格式登記”模塊。用戶提交與文件格式相關(guān)的信息來(lái)更新文件格式數(shù)據(jù)庫(kù)的功能，通過(guò)不斷增加新出現(xiàn)的文件格式及格式信息來(lái)提高系統(tǒng)格式信息的全面性與專業(yè)性。三是“格式識(shí)別”模塊。識(shí)別用戶導(dǎo)入FRMS的電子文件格式并匹配格式登記庫(kù)中格式信息的過(guò)程，它是判斷文件格式風(fēng)險(xiǎn)的前提。四是“格式查詢”模塊。用戶檢索FRMS中的格式信息以及兼容格式的軟件信息，并以瀏覽界面與檢索框并存的形式展示于系統(tǒng)首頁(yè)。其中檢索項(xiàng)可設(shè)置為“格式類型”“格式名稱”“擴(kuò)展名”“軟件名”等。五是“格式風(fēng)險(xiǎn)評(píng)估”模塊。依據(jù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系分析每種格式的“格式風(fēng)險(xiǎn)等級(jí)”，以此來(lái)判斷文件格式的安全性，它是決定是否進(jìn)行格式轉(zhuǎn)換的關(guān)鍵。六是“格式轉(zhuǎn)換/遷移”模塊。有將風(fēng)險(xiǎn)評(píng)估為“危險(xiǎn)”級(jí)別的文件轉(zhuǎn)換為相應(yīng)的“低?；驘o(wú)風(fēng)險(xiǎn)”格式文件的功能。七是“危險(xiǎn)格式預(yù)警”模塊。格式轉(zhuǎn)換后的文件如果無(wú)法轉(zhuǎn)換為“格式清單”中可接受格式或轉(zhuǎn)換后出現(xiàn)文件本身不可讀的現(xiàn)象，如出現(xiàn)亂碼等，系統(tǒng)將發(fā)出“危險(xiǎn)格式預(yù)警”信號(hào)，提醒管理人員格式轉(zhuǎn)換失敗。八是“歸檔”模塊。將已具備“可接受格式”或“推薦格式”等級(jí)的電子文件及其元數(shù)據(jù)傳輸至電子檔案管理系統(tǒng)內(nèi)的過(guò)程。該模塊考慮到與檔案保存系統(tǒng)兼容，盡可能與其保持功能一致，以保護(hù)文件完整與安全。模塊擬具備電子文件“四性檢測(cè)”功能，可將原始文件、格式轉(zhuǎn)換后的文件以及各格式下的元數(shù)據(jù)完整歸檔。

2.FRMS的運(yùn)行流程與權(quán)限設(shè)置

（1）活動(dòng)流程分析。FRMS的活動(dòng)流程符合OAIS參考模型中的電子檔案管理邏輯，以便在電子文件管理的同時(shí)對(duì)格式進(jìn)行管控。同時(shí)將格式管控流程納入電子文件管理，從而拓寬OAIS模型對(duì)于“長(zhǎng)久保存計(jì)劃”的含義。流程中共有兩條路徑對(duì)文件格式進(jìn)行風(fēng)險(xiǎn)管控：對(duì)于尚未歸檔的增量（零散）電子文件來(lái)說(shuō)，用戶將電子文件導(dǎo)入FRMS后，系統(tǒng)將對(duì)其進(jìn)行格式識(shí)別，將可以識(shí)別得到的結(jié)果與各格式清單庫(kù)進(jìn)行比對(duì)，符合推薦格式的文件將直接歸檔；若屬于危險(xiǎn)格式，尤其是高危格式則需進(jìn)行格式轉(zhuǎn)換（遷移）后進(jìn)行歸檔。對(duì)于已經(jīng)歸檔的存量電子文件來(lái)說(shuō)，系統(tǒng)需要根據(jù)“危險(xiǎn)格式清單”定期檢索電子檔案管理系統(tǒng)內(nèi)的電子檔案，通過(guò)檔案管理系統(tǒng)的格式索引批量識(shí)別危險(xiǎn)格式文件，并對(duì)檢索出來(lái)的危險(xiǎn)格式進(jìn)行格式遷移，以將檔案庫(kù)內(nèi)的文件格式控制在安全范圍。檢索周期可根據(jù)格式清單庫(kù)的更新頻率、政府或機(jī)構(gòu)公布的格式策略（或標(biāo)準(zhǔn)）而定，也可以根據(jù)服務(wù)器的忙碌程度而定。

格式登記庫(kù)（FR）作為FRMS重要的后臺(tái)數(shù)據(jù)庫(kù)，其數(shù)據(jù)來(lái)源于兩個(gè)渠道。第一個(gè)是系統(tǒng)普通用戶或歸檔業(yè)務(wù)人員申請(qǐng)登記格式信息，由電子檔案管理員審核格式信息的準(zhǔn)確性與標(biāo)準(zhǔn)性，如果符合登記標(biāo)準(zhǔn)則格式信息直接進(jìn)入庫(kù)內(nèi)，不符合則登記失??；第二個(gè)是電子檔案管理員可以直接登記格式信息，更新格式數(shù)據(jù)庫(kù)的信息。其中在上傳電子文件時(shí)，無(wú)法進(jìn)行格式識(shí)別的用戶也可以進(jìn)行登記或申請(qǐng)登記格式數(shù)據(jù)。登記的格式應(yīng)符合“歸檔范圍適用性原則”“文件格式分類管控原則”及“格式轉(zhuǎn)換前后檔案內(nèi)容等價(jià)原則”并且應(yīng)擁有自身格式標(biāo)準(zhǔn)，符合FR數(shù)據(jù)庫(kù)的屬性，做到真實(shí)、準(zhǔn)確、有跡可循。

（2）用例分析。根據(jù)角色的不同將系統(tǒng)功能劃分成不同使用權(quán)限。將使用FRMS的角色分為“角色1”“角色2”“角色3”三類。依據(jù)系統(tǒng)功能概要，F(xiàn)RMS的用例有“上傳電子文件” “更新FR” “查詢FR”“審核格式信息”等10個(gè)。角色1現(xiàn)實(shí)中的身份是電子檔案管理人員，他們負(fù)責(zé)歸檔電子文件的管理工作，其中包括文件的格式風(fēng)險(xiǎn)控制，因此這類用戶的功能權(quán)限全面且貫穿格式登記與管控的全流程，權(quán)限級(jí)別最高。角色2現(xiàn)實(shí)中的身份是業(yè)務(wù)人員，他們的部分工作是負(fù)責(zé)一個(gè)部門或一個(gè)機(jī)構(gòu)的電子文件收集與歸檔，不具備檔案管理的職能。在歸檔階段需要了解歸檔格式要求，查看“推薦/危險(xiǎn)”格式清單，必要時(shí)需將危險(xiǎn)格式進(jìn)行轉(zhuǎn)換，以保證歸檔質(zhì)量。因此這類用戶權(quán)限級(jí)別低一級(jí)。角色3現(xiàn)實(shí)中相當(dāng)于檔案管理工作之外的普通用戶，在其日常工作中沒(méi)有文件歸檔職能，但使用FRMS可以幫助他們查詢現(xiàn)有格式信息，識(shí)別手頭文件的格式并進(jìn)行簡(jiǎn)單的格式轉(zhuǎn)換。FRMS向大眾開(kāi)放可以有效地起到“格式風(fēng)險(xiǎn)”知識(shí)普及的作用。因此可以幫助普通用戶解決部分“格式問(wèn)題”。

圖1 FRMS數(shù)據(jù)流圖（DFD）

3.邏輯功能架構(gòu)

系統(tǒng)的邏輯功能是根據(jù)需求概要分析系統(tǒng)內(nèi)部功能之間以及與外部實(shí)體的交互關(guān)系。根據(jù)設(shè)計(jì)規(guī)劃，F(xiàn)RMS的邏輯功能以繪制三層數(shù)據(jù)流圖來(lái)描述。（見(jiàn)圖1）

4.系統(tǒng)數(shù)據(jù)建模

從邏輯功能架構(gòu)分析可知，F(xiàn)RMS大概需要五個(gè)數(shù)據(jù)存儲(chǔ)。它們由數(shù)據(jù)庫(kù)或數(shù)據(jù)表組成。數(shù)據(jù)庫(kù)是表的集合，表用來(lái)描述與存儲(chǔ)數(shù)據(jù)及其元數(shù)據(jù)。本節(jié)針對(duì)FRMS數(shù)據(jù)存儲(chǔ)中“格式登記庫(kù)（FR）”以及“格式清單表”“格式轉(zhuǎn)換器表”進(jìn)行設(shè)計(jì)建模。由于這三個(gè)數(shù)據(jù)存儲(chǔ)設(shè)計(jì)關(guān)乎電子檔案文件格式的登記策略與風(fēng)險(xiǎn)控制，因此良好的設(shè)計(jì)方案尤為重要。

（1）格式登記庫(kù)設(shè)計(jì)格式。登記庫(kù)（Format Registry，F(xiàn)R）是一個(gè)可以存儲(chǔ)、發(fā)現(xiàn)和提供有關(guān)電子檔案文件格式信息服務(wù)的關(guān)系型數(shù)據(jù)庫(kù)模型。它是由多個(gè)數(shù)據(jù)表組成的，該登記庫(kù)亦可通過(guò)網(wǎng)絡(luò)界面實(shí)現(xiàn)格式數(shù)據(jù)的檢索與更新。一是概念設(shè)計(jì)。數(shù)據(jù)庫(kù)的概念設(shè)計(jì)一般通過(guò)E-R圖表達(dá)。據(jù)筆者研究，F(xiàn)R需要建立四個(gè)實(shí)體和三種關(guān)系，分別是“格式”與“查看器”的相關(guān)關(guān)系、“格式”與“格式類型”的所屬關(guān)系以及“查看器”與“開(kāi)發(fā)商”的開(kāi)發(fā)關(guān)系。這樣設(shè)計(jì)的原因概括為兩點(diǎn)：第一，對(duì)電子文件來(lái)說(shuō)僅記錄格式本身的信息是不充分的，記錄查看器及其開(kāi)發(fā)商的信息可以更全面地判斷格式風(fēng)險(xiǎn)；第二，文件格式需要分類、分專業(yè)管控，因此單獨(dú)設(shè)計(jì)一個(gè)“格式類型”實(shí)體與“格式”實(shí)體相關(guān)聯(lián)。此外，各實(shí)體（或關(guān)系）屬性的數(shù)量體現(xiàn)出格式元數(shù)據(jù)信息的粒度大小，映射到數(shù)據(jù)表中是各條數(shù)據(jù)的字段，因此需要全面地考慮屬性問(wèn)題。FR的屬性數(shù)量與定義設(shè)計(jì)見(jiàn)圖2，其中“格式ID”字段是唯一識(shí)別符。二是邏輯設(shè)計(jì)。將FR的E-R模型轉(zhuǎn)化為關(guān)系模式，分別得到格式表、查看器表、格式類型表和開(kāi)發(fā)商表。

（2）格式清單表和格式轉(zhuǎn)換器表設(shè)計(jì)。格式清單表是格式風(fēng)險(xiǎn)評(píng)估結(jié)果的數(shù)據(jù)體現(xiàn)。根據(jù)文件格式屬性與評(píng)估結(jié)果所需數(shù)據(jù)，將該數(shù)據(jù)表的邏輯結(jié)構(gòu)設(shè)計(jì)如下：格式風(fēng)險(xiǎn)評(píng)估結(jié)果形成的格式清單按照危險(xiǎn)程度區(qū)分，即“推薦格式清單”“可接受格式清單”和“危險(xiǎn)格式清單”。因此數(shù)據(jù)表中“危險(xiǎn)級(jí)別”字段下的條目設(shè)置將與以上三種危險(xiǎn)程度相對(duì)應(yīng)。若想單獨(dú)生成各危險(xiǎn)級(jí)別的清單時(shí)用庫(kù)內(nèi)的“查詢（select）”語(yǔ)句即可。不同危險(xiǎn)程度的格式清單形成知識(shí)庫(kù)應(yīng)用于各個(gè)場(chǎng)景。

格式轉(zhuǎn)換器表的作用是存儲(chǔ)經(jīng)過(guò)測(cè)試后的格式轉(zhuǎn)換器信息，在格式轉(zhuǎn)換（遷移）之前方便用戶以最快的速度選擇符合適用范圍的轉(zhuǎn)換工具。根據(jù)“格式轉(zhuǎn)換前后內(nèi)容一致性”原則，轉(zhuǎn)換器表中需設(shè)置“轉(zhuǎn)換器描述”字段，以方便錄入各個(gè)轉(zhuǎn)換器使用后質(zhì)量損失與功能損失情況數(shù)據(jù)。

圖2 FR數(shù)據(jù)庫(kù)E-R圖

5.系統(tǒng)非功能需求

觀感（界面）需求方面，要求系統(tǒng)界面簡(jiǎn)潔、顏色友好、功能清晰、操作簡(jiǎn)單。為方便用戶使用，頁(yè)面中需要放置格式信息的檢索框和格式類目導(dǎo)航且首頁(yè)展示系統(tǒng)的主要功能模塊。系統(tǒng)性能方面，要求FRMS運(yùn)行穩(wěn)定，有一定的容錯(cuò)能力和可擴(kuò)展能力。同時(shí)要保證自身系統(tǒng)與電子檔案管理系統(tǒng)的數(shù)據(jù)安全。用戶交互模式選擇方面，為了更方便地維護(hù)與開(kāi)發(fā)且不受操作系統(tǒng)的影響，F(xiàn)RMS采用B/S的架構(gòu)，用戶通過(guò)瀏覽器即可完成數(shù)據(jù)交互。開(kāi)發(fā)時(shí)采用體積小、速度快、成本低的MySQL數(shù)據(jù)庫(kù)，它搭配 PHP和Apache服務(wù)器即可組成良好的開(kāi)發(fā)環(huán)境。