抄寫(xiě)本方志古籍?dāng)?shù)字化整理與實(shí)踐

●胡以濤a，宋葉b

（南京農(nóng)業(yè)大學(xué)a．圖書(shū)館；b．人文社會(huì)科學(xué)學(xué)院，南京210095）

抄寫(xiě)本方志古籍?dāng)?shù)字化整理與實(shí)踐

●胡以濤a，宋葉b

（南京農(nóng)業(yè)大學(xué)a．圖書(shū)館；b．人文社會(huì)科學(xué)學(xué)院，南京210095）

古籍；數(shù)字化；地方志；抄寫(xiě)本

簡(jiǎn)要介紹了南京農(nóng)業(yè)大學(xué)抄寫(xiě)本地方志古籍?dāng)?shù)字化整理過(guò)程，并通過(guò)實(shí)踐摸索提出了“圖文對(duì)照+文檔附件”的整理模式，以期為類似古籍整理工作提供經(jīng)驗(yàn)借鑒。

1 引言

隨著中文信息處理技術(shù)的日趨成熟，其應(yīng)用也從普通文本處理向古籍文本領(lǐng)域拓展，古籍?dāng)?shù)字化整理成為古籍保存利用的重要手段之一。由于古籍本身版本、形制、詞匯等差異性較大，普通的數(shù)字化加工整理方法并不完全適用于古籍整理。對(duì)古籍文獻(xiàn)如明清地方志進(jìn)行數(shù)字化加工時(shí)，應(yīng)根據(jù)古籍的特點(diǎn)，選擇適宜的整理方法。

上世紀(jì)五六十年代，著名農(nóng)史學(xué)家、中國(guó)農(nóng)業(yè)遺產(chǎn)研究室（現(xiàn)中華農(nóng)業(yè)文明研究院）創(chuàng)始人萬(wàn)國(guó)鼎教授組織專業(yè)研究人員60多名，分赴全國(guó)40多個(gè)城市、100多個(gè)文史單位，從8000多部方志中摘抄了3600多萬(wàn)字的農(nóng)史資料。該抄寫(xiě)本方志資料內(nèi)容涉及農(nóng)業(yè)生產(chǎn)的各個(gè)方面，以動(dòng)植物品種資源和相關(guān)的種植飼養(yǎng)技術(shù)為主，具有極高的科技、經(jīng)濟(jì)和史料價(jià)值，成為世界上唯一一套明清方志古籍農(nóng)業(yè)資料，受到國(guó)內(nèi)外相關(guān)學(xué)者的高度重視。然而由于這套保存于線裝書(shū)文庫(kù)的孤本農(nóng)業(yè)資料全由手工抄寫(xiě)而成，隨著時(shí)間的推移，紙質(zhì)日漸脆破，字跡逐漸模糊，亟待加強(qiáng)保護(hù)和搶救。開(kāi)展抄寫(xiě)本地方志數(shù)字化整理工作，能擴(kuò)大農(nóng)業(yè)科技古籍的共享范圍，提高公共服務(wù)水平，對(duì)于弘揚(yáng)我國(guó)傳統(tǒng)文化，為現(xiàn)代農(nóng)業(yè)的可持續(xù)發(fā)展服務(wù)具有重要意義，是一項(xiàng)十分迫切的工作。

近年來(lái)，研究院在各級(jí)項(xiàng)目的支持下，從事過(guò)一部分地方志的數(shù)字化整理工作，已有一定的研究與實(shí)踐基礎(chǔ)，如博士生衡中青關(guān)于地方志的研究，完成了《方志物產(chǎn)·廣東》信息系統(tǒng)的設(shè)計(jì)和構(gòu)建。［1］本文在借鑒前人研究的基礎(chǔ)上，參考古籍?dāng)?shù)字化整理的一般方法，如古籍?dāng)?shù)字化工作過(guò)程及相關(guān)元數(shù)據(jù)、建庫(kù)技術(shù)等介紹，［2］結(jié)合南京農(nóng)業(yè)大學(xué)明清方志農(nóng)業(yè)物產(chǎn)數(shù)據(jù)庫(kù)建設(shè)項(xiàng)目的具體實(shí)施實(shí)踐，進(jìn)一步梳理了地方志數(shù)字化整理的過(guò)程及要注意的關(guān)鍵問(wèn)題。

2 整理模式

抄寫(xiě)本地方志，主要指人工摘抄的明清時(shí)期地方志資料，按歷史資料分期，其應(yīng)屬于古籍整理范疇。毛建軍認(rèn)為古籍?dāng)?shù)字化就是從利用和保護(hù)古籍的目的出發(fā)，采用計(jì)算機(jī)技術(shù)，將常見(jiàn)的語(yǔ)言文字或圖形符號(hào)轉(zhuǎn)化為能被計(jì)算機(jī)識(shí)別的數(shù)字符號(hào)，從而制成古籍文獻(xiàn)書(shū)目數(shù)據(jù)庫(kù)和古籍全文數(shù)據(jù)庫(kù)，用以揭示古籍文獻(xiàn)信息資源的一項(xiàng)系統(tǒng)工作。［3］

目前國(guó)內(nèi)主要采取三種整理模式，分別為圖像版、文字（全文）版、圖文版。這三種模式各有優(yōu)劣。（1）圖像版全文數(shù)字化古籍是指將古籍書(shū)頁(yè)進(jìn)行原文圖像掃描，存儲(chǔ)在光盤(pán)或計(jì)算機(jī)硬盤(pán)等介質(zhì)上，從而為讀者提供文字圖像信息服務(wù)。圖像版數(shù)字化古籍的優(yōu)勢(shì)是：技術(shù)實(shí)現(xiàn)容易，運(yùn)行成本低廉，可以保存古籍原貌；其缺陷是：占據(jù)空間大，不能檢索。（2）文字版數(shù)字化古籍是指將古籍書(shū)頁(yè)轉(zhuǎn)換成文本字符的形式，存儲(chǔ)在光盤(pán)或計(jì)算機(jī)硬盤(pán)等介質(zhì)上，并附加全文檢索和鏈接系統(tǒng)等功能，從而為讀者提供全文閱讀或全文檢索服務(wù)。文字版數(shù)字化古籍的優(yōu)勢(shì)：儲(chǔ)存空間小，可以利用計(jì)算機(jī)進(jìn)行多角度、多范圍的檢索、排序、分析數(shù)據(jù)，并可進(jìn)行編輯、打印，使用起來(lái)非常方便；其缺陷是：文字輸入難度較大，開(kāi)發(fā)成本高，不能保持古籍原貌。（3）圖文版數(shù)字化古籍就是圖像版與文字版的結(jié)合。圖文版數(shù)字化古籍將數(shù)據(jù)庫(kù)中加入了原文圖像，將全文檢索數(shù)據(jù)和底本圖像頁(yè)面版式相互對(duì)照，研究者可根據(jù)需要隨時(shí)參考原文圖像。顯然，圖文版數(shù)字化古籍是最理想的數(shù)字化古籍開(kāi)發(fā)模式，其投入也相對(duì)較多。

然而，由于古籍文本一般是繁體中文，且非常用字較多，盡管目前已開(kāi)發(fā)了中文超大字符集，如統(tǒng)一碼（Unicode）的CJK、CJK-ExtA、CJK-ExtB包括7萬(wàn)余漢字通用Unicode字體支持，但古籍文字的錄入與顯示依然是個(gè)難題。基于此，在抄寫(xiě)本地方志整理中，提出了改進(jìn)版的圖文版整理模式——“圖文對(duì)照+文檔附件”，即采用原始掃描圖像+簡(jiǎn)體中文文本+繁體中文文檔相結(jié)合的模式，既能實(shí)現(xiàn)圖文對(duì)照，又可以適應(yīng)簡(jiǎn)體中文檢索，最終還能充分利用繁體中文文檔。該模式生成的主要材料及獲取方法如下表所示。

表數(shù)字化整理后形成素材類型及目的

3 整理過(guò)程

在抄寫(xiě)本地方志數(shù)字化過(guò)程中，通過(guò)分析地方志紙本材料，結(jié)合整理利用的需要，選擇合適的整理模式，在此基礎(chǔ)上制定加工整理具體流程（如圖1所示），其數(shù)字化整理過(guò)程包括以下四個(gè)階段。

圖1 地方志數(shù)字化流程

3.1 準(zhǔn)備階段

準(zhǔn)備階段需詳細(xì)了解地方志古籍的數(shù)量、紙質(zhì)情況、內(nèi)容體例、類型分布等，并根據(jù)共享使用的需要選擇合適的數(shù)字化整理模式。為了實(shí)現(xiàn)一次加工，多次使用，避免重復(fù)建設(shè)，選擇了改進(jìn)型的圖文對(duì)照模式，即采用“圖文對(duì)照+文檔附件”的模式進(jìn)行整理，該模式能保證整個(gè)整理過(guò)程的高效率、最優(yōu)化，滿足不同用途對(duì)資源格式的需要。

3.2 加工階段

加工階段是數(shù)字化整理的基礎(chǔ)工作，只有獲得高質(zhì)量的原始圖像和精準(zhǔn)原文文字，才能確保后期建庫(kù)共享的質(zhì)量。

（1）圖像掃描處理。為了便于歸檔整理，本次整理按照抄寫(xiě)本地方志的省份建立一級(jí)文件夾，按照書(shū)籍的原始數(shù)字編號(hào)建立二級(jí)文件夾，然后掃描文件依次采用掃描軟件自動(dòng)流水生成，名稱為file0001. jpg~file9999.jpg。掃描分辨率設(shè)置為300dpi，真彩模式，保存為jpg文件，每頁(yè)原始圖像文件大約在4M左右。這樣一本書(shū)掃描完成后，掃描圖像數(shù)據(jù)可以直接用來(lái)原始存檔，可適用于圖像打印、印刷出版等。后期為了網(wǎng)上發(fā)布的需要，采用photoshop的批處理功能，把每本書(shū)的掃描圖像文件夾批量生成小圖片，依次命名為sfile0001.jpg~sfile9999.jpg。

（2）文字錄入校對(duì)。手抄本方志由人工抄寫(xiě)完成，考慮到其字體差異以及繁體中文的字體構(gòu)造復(fù)雜等特點(diǎn)，采用OCR文字識(shí)別效果不理想，因此，文字錄入校對(duì)工作主要采用人工手動(dòng)完成。為防止錄入時(shí)文件名與頁(yè)面不對(duì)應(yīng)，提高錄入質(zhì)量，保證錄入后文件中的復(fù)雜繁體中文的正常查看顯示，設(shè)計(jì)了計(jì)算機(jī)自動(dòng)生成書(shū)頁(yè)圖像對(duì)應(yīng)文檔的批處理應(yīng)用程序（如圖2所示）。首先建一個(gè)空word文檔templete.doc，通過(guò)批處理程序CreatDco.bat，根據(jù)掃描完成的原始數(shù)據(jù)圖像文件名，批量生成與原圖像文件同名的Word文檔，然后將生成的文檔發(fā)給錄入人員，由錄入人員在空白word文里錄入相應(yīng)的繁體中文，從而確保了文檔與圖像的正確對(duì)照。

特別需要注意的是：在進(jìn)行上述工作之前，需要在常用Windows xp系統(tǒng)下安裝支持Unicode的字體文件和安裝合適的輸入法，以確保系統(tǒng)能正常顯示、輸入手稿中的冷僻繁簡(jiǎn)字。［4］

文字錄入工作完成后，由熟悉古籍及古漢語(yǔ)知識(shí)的本專業(yè)研究生或?qū)I(yè)教師擔(dān)任文字校對(duì)員，可通過(guò)圖文對(duì)照模式進(jìn)行一次全面校稿，并由審核老師對(duì)完成任務(wù)進(jìn)行二校及抽樣校對(duì)，確保正確率在98%以上，以保證最終完成的古籍?dāng)?shù)字化資源的質(zhì)量。

圖2 生成圖像對(duì)應(yīng)文件名的空白Word文檔批處理程序

3.3 建庫(kù)階段

建庫(kù)階段主要進(jìn)行整個(gè)數(shù)字化加工支撐平臺(tái)的開(kāi)發(fā)或選擇。

（1）系統(tǒng)選擇。古籍?dāng)?shù)字化工作已有20多年的歷史，已有一些成熟的商業(yè)化加工平臺(tái)。本次加工選擇了由北京新星快威數(shù)碼技術(shù)有限公司開(kāi)發(fā)的“DⅠPS數(shù)字文獻(xiàn)處理系統(tǒng)3.0”，其集成了信息資源的采集挖掘、加工整理、數(shù)據(jù)庫(kù)建設(shè)管理、內(nèi)容發(fā)布與檢索利用等功能，適應(yīng)大量資源管理。

（2）分類建庫(kù)。通過(guò)選擇的平臺(tái)，可以按照系統(tǒng)已有模版，建立地方志圖文數(shù)據(jù)庫(kù)。首先根據(jù)資源特點(diǎn)，參考系統(tǒng)提供的數(shù)據(jù)庫(kù)例子和自己的經(jīng)驗(yàn)，設(shè)計(jì)數(shù)據(jù)庫(kù)的庫(kù)結(jié)構(gòu)（包括地方志圖文庫(kù)字段，每個(gè)字段的類型、作用，庫(kù)的顯示、檢索風(fēng)格等等）；其次制定方志文獻(xiàn)的分類表，如一級(jí)分類采用方志綜合、方志物產(chǎn)、方志分類，二級(jí)分類按照省份設(shè)立，分別為全國(guó)、北京、上海、天津、江蘇....；然后創(chuàng)建數(shù)據(jù)庫(kù)；最后在“數(shù)據(jù)加工系統(tǒng)”中獲取數(shù)據(jù)庫(kù)庫(kù)結(jié)構(gòu)。

（3）標(biāo)引入庫(kù)。標(biāo)引入庫(kù)前，為了實(shí)現(xiàn)任務(wù)的批量處理，往往需要對(duì)加工階段形成的圖像和文字?jǐn)?shù)據(jù)做進(jìn)一步處理。圖像的處理，可按照書(shū)頁(yè)掃描圖像對(duì)應(yīng)的文件夾，采用photoshop進(jìn)行批處理；文字的處理，主要是借助已完成審校錄入的繁體中文文檔，通過(guò)批處理工具，如文檔批處理工具（BacthDoc5.9）批量進(jìn)行繁簡(jiǎn)轉(zhuǎn)化、類型轉(zhuǎn)化，把doc文檔轉(zhuǎn)換為txt文檔。接下來(lái)通過(guò)批量上傳工具，開(kāi)展入庫(kù)工作，在“數(shù)據(jù)加工系統(tǒng)”中新建作業(yè)、導(dǎo)出經(jīng)處理審校的資源，并進(jìn)行一定的分類、標(biāo)引后進(jìn)行資源上載，上傳到系統(tǒng)平臺(tái)對(duì)應(yīng)目錄即可。

3.4 共享階段

根據(jù)共享的需要，一般以網(wǎng)上數(shù)據(jù)庫(kù)形式和單機(jī)光盤(pán)形式進(jìn)行發(fā)布。網(wǎng)上數(shù)據(jù)庫(kù)形式，是直接利用該平臺(tái)實(shí)現(xiàn)共享發(fā)布；單機(jī)光盤(pán)形式，是采用本平臺(tái)配套的光盤(pán)加工生成工具直接生成。

4 結(jié)語(yǔ)

以上簡(jiǎn)要介紹了南京農(nóng)業(yè)大學(xué)抄寫(xiě)本地方志古籍?dāng)?shù)字化整理的過(guò)程，并通過(guò)實(shí)踐摸索提出了優(yōu)化升級(jí)的改進(jìn)版圖文對(duì)照模式，為類似古籍的數(shù)字化整理提供了一套行之有效地解決方案。古籍?dāng)?shù)字化整理的過(guò)程繁多，在具體加工整理實(shí)踐過(guò)程中，要求很高的專業(yè)基礎(chǔ)知識(shí)，需要投入大量的人力物力，盲目行事或浮淺理解容易造成加工質(zhì)量粗糙、重復(fù)投資。建議在古籍?dāng)?shù)字化整理工作中，應(yīng)該注重分工與協(xié)作建設(shè)，注重質(zhì)量把控，制定統(tǒng)一標(biāo)準(zhǔn)，減少低水平重復(fù)。在古籍選擇上應(yīng)選擇急需保護(hù)、利用價(jià)值高的文獻(xiàn)，開(kāi)展相關(guān)工作，以取得更大的效益。

［1］衡中青．地方志知識(shí)組織及內(nèi)容挖掘研究——以《方志物產(chǎn)廣東》為例［D］．南京：南京農(nóng)業(yè)大學(xué)，2007.

［2］曹玲．農(nóng)業(yè)古籍?dāng)?shù)字化整理研究［D］．南京：南京農(nóng)業(yè)大學(xué)，2006.

［3］毛建軍．古籍?dāng)?shù)字化的概念與內(nèi)涵［J］．圖書(shū)館理論與實(shí)踐，2007（4）：82－84.

［4］徐健，肖卓．古籍?dāng)?shù)字化中的漢字錄入與顯示［J］．圖書(shū)與情報(bào)，2006（6）：79－82.

G250.74

A

1005－8214（2014）08－0101－03

胡以濤（1980－），男，南京農(nóng)業(yè)大學(xué)圖書(shū)館館員；宋葉（1983－），女，南京農(nóng)業(yè)大學(xué)人文社會(huì)科學(xué)學(xué)院講師。

2013－07－15［責(zé)任編輯］李金甌

本文系中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金、南京農(nóng)業(yè)大學(xué)人文社會(huì)科學(xué)重大招標(biāo)項(xiàng)目“明清方志數(shù)字化整理”（項(xiàng)目編號(hào)：SKZD201202）研究成果之一。