數(shù)字環(huán)境下圖書館的古籍整理與保護

費愉慶

摘 要 論文闡述圖書館館藏古籍的特征及其數(shù)字化的必要性，列舉了圖書館古籍數(shù)字化及其組織與檢索的方法，論述了數(shù)字環(huán)境下圖書館古籍保護的舉措，如：建立數(shù)字加工處理標準化，研發(fā)古籍檢索與管理系統(tǒng)，大力推進古籍的合作編目，制訂適合古籍的元數(shù)據(jù)標準，等等。

關(guān)鍵詞 數(shù)字圖書館 古籍整理 古籍保護 古籍數(shù)字化 元數(shù)據(jù)標準

分類號 G255.1

1 圖書館館藏古籍的特征及其數(shù)字化的必要性

廣義的古籍應該是包括甲骨文拓本、青銅器銘文、簡牘帛書、敦煌吐魯番文書、唐宋以來雕版印刷品，即1911年以前產(chǎn)生的內(nèi)容為反映和研究中國傳統(tǒng)文化的文獻資料和典籍；狹義的古籍是專指唐代自有雕版印刷以來的，1911年以前產(chǎn)生的印本和寫本。

隨著信息數(shù)字化及網(wǎng)絡技術(shù)的發(fā)展，數(shù)字圖書館的興起，以及人們對歷史文化的重視，圖書館珍藏的歷史文獻成為數(shù)字化的重要對象，古籍的整理、組織與利用逐漸成為圖書館的重要職責。古籍的數(shù)字版本可以無限復制，是取之不盡、用之不竭的資源，并可以進行網(wǎng)絡實時傳播，突破了時空的限制；數(shù)字化古籍因為其傳播便利和易用性，讀者使用數(shù)字化古籍更方便，也較容易匯集知識從而產(chǎn)生新的價值；數(shù)字古籍容易儲存，體積小，便于檢索、應用及處理，所以數(shù)字化的古籍是使古籍保持生命力發(fā)揮價值唯一的選擇。

2 圖書館古籍數(shù)字化及其組織與檢索

保護古籍的目的是為了能讓更多的人利用它。因此，圖書館在采取一切必要措施保護古籍外，更要關(guān)注對古籍內(nèi)容進行發(fā)掘性的保護，并據(jù)此傳播古籍中的知識，以達到弘揚傳統(tǒng)文化，促進知識的傳播和利用的目的。對古籍中知識進行獲取，首先需要先整理出其“線索”，所以古籍的“內(nèi)容”及 “線索”是整理工作的兩個重要對象，而數(shù)字圖書館中的古籍整理也以此兩者為目的。古籍數(shù)字化是采用計算機技術(shù)對古籍文獻進行加工、處理，制成古籍文獻書目數(shù)據(jù)庫和古籍全文數(shù)據(jù)庫，用以揭示古籍文獻中所蘊涵的極其豐富的信息資源，為古籍的開發(fā)利用奠定良好的基礎(chǔ)。

數(shù)字圖書館提供古籍的“內(nèi)容”所用的方式包括數(shù)字化及建設全文數(shù)據(jù)庫，前者重現(xiàn)古籍原貌，以便即時閱覽、傳遞及打印，后者將古籍全文轉(zhuǎn)為電子文本，以便檢索、儲存及編輯。此外，圖書館描述、揭示古籍的“線索”所用的方式包括機讀編目、編制索引及編制古籍的詮釋資料，三者皆為組織及檢索網(wǎng)絡古籍資源的必要方式。

2.1 古籍的數(shù)字化加工和處理

數(shù)字處理系利用掃描技術(shù)將古籍或文獻數(shù)字化，可將圖書館所典藏的珍貴原件以最接近真實的數(shù)字形式復制保存，有效地發(fā)揮數(shù)字圖書館的保存功能。美國國會圖書館的國家數(shù)字化圖書館計劃，其數(shù)字化的對象不局限于古籍，還包括圖書、文獻、圖片、錄音資料、電影片等。這個計劃推動了全世界數(shù)字圖書館對文化及文化歷史遺產(chǎn)的重視，其后出現(xiàn)許多保護文化資產(chǎn)的計劃，圖書館也紛紛以珍藏文獻作為數(shù)字化的主題。例如：聯(lián)合國世界文化遺產(chǎn)數(shù)字化計劃，大英圖書館的11世紀盎格魯—撒克遜史詩手稿數(shù)字化計劃，IBM公司的梵蒂岡圖書館計劃，北京圖書館、上海圖書館的古籍數(shù)字計劃等。

2.2 古籍全文數(shù)據(jù)庫建設

古籍在數(shù)字化的過程中會遇到諸如古籍的文字過小或蟲蛀嚴重等問題。也會遇到掃描后的古籍，雖然可以在網(wǎng)上供讀者進行即時閱覽，但是由于未經(jīng)過光學字符識別無法進行全文檢索，無法提供讀者進行編輯以及其他格式的文本存儲。

如果要達到古籍最好的使用效果，讓其發(fā)揮最大效益，我們需要將古籍的全文掃描后并轉(zhuǎn)成電子文本。既往建立古籍全文數(shù)據(jù)庫一般有以下兩種方式：（1）將古籍的文字以鍵盤輸入，進而達到數(shù)字化的目的；（2）利用文字識別系統(tǒng)，由系統(tǒng)自動作數(shù)字處理、文件分析、文字識別、建立索引等，建立古籍全文數(shù)據(jù)庫提供查詢與閱讀。

北京大學善本書數(shù)據(jù)庫計劃就是采用了上述第一種方式，該計劃除了將北京大學圖書館所藏善本書掃描為圖像外，并將內(nèi)容輸入文檔，再加上標點，制成全文檢索系統(tǒng)。一般來說，古籍系統(tǒng)提供文件原貌重現(xiàn)、全文檢索、查詢與閱讀等功能，特色包括可以處理多種顏色的文件，不需打字或校對來進行文件的數(shù)字化。

2.3 機讀目錄

自上世紀以來，國內(nèi)外已陸續(xù)編制古籍機讀目錄。1980年美國研究圖書館協(xié)會提出中國古籍善本國際聯(lián)合目錄計劃，將中國清嘉慶（1796年）以前的印本及抄稿本編制成機讀形式的中國古籍善本國際聯(lián)合目錄，1991年正式啟動，現(xiàn)已有18所學術(shù)機構(gòu)的圖書館參與提供書目資料，包括美加地區(qū)13所，中國5所，該目錄提供多項檢索點，具有網(wǎng)上檢索功能。目前，該工作是屬于美國普林斯頓大學東亞研究所的一個獨立計劃，稱為中文善本書計劃。OCLC使用中日韓文自動化系統(tǒng)建立數(shù)據(jù)庫。國內(nèi)進行古籍機讀編目的圖書館除了上述參與中國古籍善本國際聯(lián)合目錄的五所（中國科學院、復旦大學、北京大學、湖北省圖書館、遼寧省圖書館）外，另北京圖書館已根據(jù)機讀格式著錄宋元版古籍，南京圖書館也已建立了中國古籍總目、南京館藏書目、南京館藏方志目錄等三個古籍書目數(shù)據(jù)庫。

2.4 編制索引

編制書目、索引是圖書館整理資源、為讀者服務的重要方式，利用電腦編制機讀書目長期以來一直受到圖書館的重視，并且發(fā)展成為館際、甚至國際間的合作系統(tǒng)，而索引在這方面的開發(fā)較慢。事實上目前的全文檢索系統(tǒng)已取代了過去的逐字索引，以前人工編制索引時代所有的標引項目（如：書名、人名、地名、文章篇名、事物名等）都可以輸入電腦并快速檢索。過去對于查閱方志、類書中的資料以及檢索古籍中的篇名頗為困難，但目前借助電腦都可以有效解決。

2.5 網(wǎng)絡古籍資源的組織與檢索

古籍資源在網(wǎng)絡上使用元數(shù)據(jù)來進行組織與檢索，元數(shù)據(jù)是對館藏資料屬性的一組描述，目的在于促進資料系統(tǒng)中對資料的檢索、管理與分析。元數(shù)據(jù)在傳統(tǒng)圖書館中就是以目錄卡片或網(wǎng)上公用目錄中的機讀編目格式的形式，扮演了資料找尋工具的重要角色。元數(shù)據(jù)具有傳統(tǒng)目錄中著錄的功能，目的在于使資料的管理維護者及使用者，可通過元數(shù)據(jù)了解并辨識資料，進而去利用和管理資料。簡單來說，元數(shù)據(jù)對網(wǎng)絡數(shù)字資源提供定位、探索、文件記錄、評估及選擇等功能。在目前的元數(shù)據(jù)中，都柏林核心集（Dubline Core）及電子文獻編碼記錄（TEI header）受到廣泛的重視，Dubline Core包括15個欄位，現(xiàn)有的機讀書目格式可以經(jīng)過轉(zhuǎn)換成為Dubline Core，TEI header的功能是以標準交換格式來記錄電子文件，以供檢索。

3 數(shù)字環(huán)境下圖書館古籍保護的舉措

圖書館館藏古籍一般來說都是屬于圖書館的珍藏品，具有很高的收藏價值和學術(shù)價值；再者，圖書館所藏古籍距今年代久遠，歷經(jīng)歲月滄桑，且由于當時的紙質(zhì)問題，不易保存；此外圖書館館藏古籍具有很強的稀缺性，隨著時間的推移，因為保存的條件等其他的人為因素，古籍的數(shù)量只會越來越少。囿于以上因素，古籍一般很難被廣大讀者所利用。這嚴重違背了圖書館的辦館理念，也不利于知識的傳播和文化的傳承。為了更好地履行圖書館職能，促進古籍的保護與傳承，我們可以采取建立數(shù)字化加工處理的標準，研發(fā)古籍檢索與管理系統(tǒng)，大力推進古籍的合作編目、制訂適合古籍的元數(shù)據(jù)標準等措施來保護和傳播、利用古籍這一人類文化的珍貴資源。

3.1 建立數(shù)字加工處理標準化

“標準化”是指制定技術(shù)標準并就其達成一致意見的過程。古籍數(shù)字化的標準化建設主要是在古籍數(shù)字資源庫開發(fā)過程中，對于多樣、相關(guān)的重復流程或加工環(huán)節(jié)制定需要共同遵守的準則和依據(jù)，以獲得古籍整理領(lǐng)域較大的認可度。作為文獻的一種類型，古籍的數(shù)字化與其他文獻的數(shù)字化相比，有共性，但也有個性。古籍數(shù)字化應該根據(jù)古籍的特點來進行，并通過數(shù)字化的加工使古籍中所包含信息進行再現(xiàn)與重組。因而，構(gòu)建古籍數(shù)字化標準體系應遵循以下原則：開放性、系統(tǒng)性、實用性及拓展性。

我們在加工處理古籍的時候不可避免地牽涉到若干標準化的問題，例如：圖像在制作及呈現(xiàn)時分別有不同的解析度，以滿足不同的需求；另外黑白及彩色圖像的儲存格式也不同。例如上海圖書館掃描古籍目前采用TIFF格式存儲黑白圖像，采用JPEG格式存儲彩色圖像，黑白掃描設定為200-300dpi，彩色掃描設定為100-150dpi。建立古籍影像數(shù)據(jù)庫的技術(shù)瓶頸包括：中文文字辨識系統(tǒng)、儲存媒體、文件影像分析處理技術(shù)，其中中文文字辨識技術(shù)為最大技術(shù)瓶頸所在，也是系統(tǒng)自動化處理的最大障礙，今后應該尋求能夠辨讀各種語文、字形、字體的技術(shù)，并且開發(fā)失真率低、壓縮比高的影像壓縮技術(shù)；在文件影像分析處理方面，也要針對古籍的特性及需求加以考慮；此外，預計將來制作古籍影像的資料相當大，所以為了將來的管理及資源共享，有必要對其儲存的格式、媒體及相關(guān)環(huán)境的控制等問題建立標準化。

3.2 研發(fā)古籍檢索與管理系統(tǒng)

古籍全文數(shù)據(jù)庫解決方案，應當具備數(shù)字處理、文件解析、文字識別、容錯性檢索等，經(jīng)過上述加工后的全文，可以以完全不失真的方式重現(xiàn)古籍原文，并且可以實現(xiàn)全文檢索。由于漢字的別體存在，也就是古今字、通假字、異體字以及新舊字形等問題，會導致多檢和漏檢。目前的技術(shù)尚不能對手寫或木刻的古籍進行有效辨識。同樣，語義的切分及別稱等問題，也都會導致漏檢或多檢。對于古籍數(shù)據(jù)庫的檢索與管理，希望將來能開發(fā)出一套最適合制作古籍影像及全文數(shù)據(jù)庫的理想方案。在全國范圍內(nèi)實現(xiàn)古籍全文檢索與管理，應打破館藏壁壘，整合各個圖書館乃至研究所、高校以及商業(yè)機構(gòu)的資源，積極鼓勵各方協(xié)同參與數(shù)據(jù)庫建設，實現(xiàn)古籍資源的檢索便捷性與兼容性，全面掃清古籍數(shù)字化發(fā)展的障礙，實現(xiàn)古籍信息資源共享。

3.3 大力推進古籍的合作編目

合作編目應該是現(xiàn)有建立書目數(shù)據(jù)庫的可行方式，合作建立中文古籍書目數(shù)據(jù)庫涉及以下兩項因素：設法整合建檔的書目資料；共同探討各種相關(guān)的規(guī)范。尤其后者是建立中國古籍書目數(shù)據(jù)庫的基本工作。具體而言，古籍的合作編目所牽涉到的問題包括：收錄范圍及類型、著錄規(guī)則、分類及標題方式、建檔格式、中文內(nèi)碼等，這些問題的解決有賴共同制訂合適的標準并付諸實施。

當前主要古籍書目數(shù)據(jù)庫著錄標準基本依據(jù)《CALIS古籍聯(lián)機合作編目規(guī)則》《古籍著錄規(guī)則》（GB/T3792.7-2009）等。CALIS聯(lián)機合作編目中心是中國高等教育文獻保障體系的兩大服務中心之一，2000年3月CALIS聯(lián)機合作編目系統(tǒng)正式啟動，以高校為主要服務對象，開展了聯(lián)機合作編目、編目數(shù)據(jù)批量提供等業(yè)務，一些高校圖書館采用了CALIS著錄古籍，但僅限于成員館，而且僅針對高等學校。CALIS古籍聯(lián)機編目使用統(tǒng)一的編目客戶端、統(tǒng)一的著錄標準、統(tǒng)一的數(shù)據(jù)格式、統(tǒng)一的分類法，對國內(nèi)古籍聯(lián)合目錄的建設具有示范作用，但應進一步增加成員館，尤其是吸收公共圖書館等古籍單位加入進來。

3.4 制訂適合古籍的元數(shù)據(jù)標準

目前，古籍文獻逐漸成為建設數(shù)字化圖書館的重要內(nèi)容，和館藏古籍數(shù)字化相比，后期的檢索功能和實現(xiàn)顯得更為重要，需要不斷完善數(shù)據(jù)庫的信息檢索。元數(shù)據(jù)是對館藏古籍屬性的一種描述，其目的在促進數(shù)據(jù)庫中對館藏古籍數(shù)據(jù)的檢索、管理與分析。所以館藏古籍的數(shù)字化和網(wǎng)絡化，除了對古籍本身進行數(shù)字化外，還需要建立書目信息并作適當?shù)男畔⒔M織，以便提供有效的檢索方法。古籍既然是圖書館館藏文獻中比較珍貴和難得的資源，所以我們在數(shù)字圖書館的環(huán)境中來探討古籍整理與利用，首先需要重視元數(shù)據(jù)的發(fā)展及其和古籍的關(guān)系。

北京大學數(shù)字圖書館古籍元數(shù)據(jù)就是在此領(lǐng)域的良好嘗試，它基于先進的網(wǎng)絡技術(shù)和最通用的XML網(wǎng)絡傳輸語言，用戶不必安裝任何軟件，即可實現(xiàn)WEB界面的聯(lián)機編目；具有強大的圖文管理功能，從而方便地實現(xiàn)目錄、圖像、全文之間的連接和管理；簡化了MARC格式中的定長字段，使編目界面變得直觀而簡潔，無論是專業(yè)編目員還是非專業(yè)編目員，都可以參與古籍編目工作。除了主題和分類之外，它一般不再另行設置為檢索而用的字段，最大限度地將著錄與檢索結(jié)合在一起。

3.5 古籍數(shù)據(jù)庫的標準

古籍數(shù)據(jù)庫建設的標準化主要表現(xiàn)為兩個方面：一是數(shù)據(jù)庫管理系統(tǒng)的標準化；二是數(shù)據(jù)庫數(shù)據(jù)著錄的標準化。

3.5.1 數(shù)據(jù)庫管理系統(tǒng)的標準化

在執(zhí)行標準化和規(guī)范化的過程中， 特別是在描述語言和標引語言方面，必須盡可能采用國際、國內(nèi)通用的數(shù)據(jù)著錄標準、數(shù)據(jù)格式標準、數(shù)據(jù)標引標準、規(guī)范控制標準及協(xié)議進行系統(tǒng)化、邏輯化組織。主要標準包括：通信標準（TCP/IP）、字符編碼標準、標準通信置標語言/可擴展置標語言（SGML/XML）、元數(shù)據(jù)（METADA2TA）標準、檢索語言標準、安全標準等等。這樣既有利于實現(xiàn)本校數(shù)字圖書館系統(tǒng)與其他系統(tǒng)數(shù)據(jù)庫之間的轉(zhuǎn)換和互聯(lián)、互訪，同時又為用戶節(jié)約了檢索時間和費用，提高了檢索效率，實現(xiàn)共建共享的目標。

3.5.2 數(shù)據(jù)庫數(shù)據(jù)著錄的標準化

（1）在對古籍進行數(shù)字化時，根據(jù)版本的優(yōu)劣來進行選擇，這勢必會嚴重影響古籍數(shù)字化的質(zhì)量，盡可能選用善本來數(shù)字化。然而在對不同版本進行比較、校勘外，也要盡可能提供其他未被選用的版本信息，以供研究者參考。

（2）對文獻的文本內(nèi)容進行?？闭?，保留前人留下的校勘記、批注等內(nèi)容，為讀者提供其他版本異同的內(nèi)容，了解版本整理的經(jīng)過。就形式方面，應將各版本的版本信息，諸如版本類型、版刻年代、刻工姓名、牌記、卷端、行款、字體、墨色等通過技術(shù)手段加以保留。

（3）對古籍的內(nèi)容進行深度標引就非常有必要， 在實際標引過程中不應放過任何含有學術(shù)信息的關(guān)鍵詞，比如文獻中的人名、官階、地名、年號、典故、制度、族屬、語詞、范疇和其他專名等都應制成索引，力求做到從任何角度都能檢索到讀者所需要的信息。對于存在的同書異名、同名異書、同一作者的不同稱謂等問題，可借鑒傳統(tǒng)文獻整序時采用的“名稱及主題規(guī)范檔”“權(quán)威檔”等方法對關(guān)鍵詞進行規(guī)范控制。例如添加年號與公元紀年對照表、歷代官階序列表、家族世系表、姻親關(guān)系表、地名沿革表、人名字號表等。

（4）古籍數(shù)字化一定要注意文件格式標準化問題。當前數(shù)字化古籍的文件格式可謂五花八門，種類繁多。除了常見的txt、doc、html格式外，還有exe、pdf等為核心的全方位電子文獻全文檢索格式。這些不同格式的文件，往往需要各自專門的閱讀器才能進行瀏覽，相互之間難以兼容，給讀者造成了不少麻煩。而且，由于許多圖書采用了圖片格式，也給使用者提取資料帶來了許多困難。我們需要正確處理好版權(quán)保護盒便利使用之間的關(guān)系。

4 結(jié)語

綜上所述，隨著信息技術(shù)的不斷發(fā)展，隨著網(wǎng)絡的迅猛普及和發(fā)展，數(shù)字圖書館中的古籍整理不只是技術(shù)的變革，更意味觀念的更新。新的信息技術(shù)和網(wǎng)絡技術(shù)將會使古籍以更為便捷的方式服務讀者，是圖書館為讀者提供更深層的服務，并通過網(wǎng)絡來傳承文化弘揚國粹。面對經(jīng)濟全球化的到來，面對數(shù)字時代的降臨，圖書館應抓住機遇迎接挑戰(zhàn)，通過館藏古籍的數(shù)字化來保存祖國文化瑰寶，傳承和弘揚傳統(tǒng)文化，是圖書館人義不容辭的責任和義務，圖書館應當重視古籍保護和整理開發(fā)的意義，積極開展多種多樣的數(shù)字化工作來真正實現(xiàn)對古籍的保護。