中文古籍?dāng)?shù)字化的成果與存在問題 陳 陽 |
||||||||||||||||||||||||||||||||||||||||||||||||||||
摘 要：我國古籍?dāng)?shù)字化的發(fā)展過程依次經(jīng)歷了數(shù)據(jù)庫檢索系統(tǒng)、光盤版古籍、古籍網(wǎng)絡(luò)化三個階段，取得了豐碩的成果。數(shù)字化古籍具有檢索、輸出方便，有利校勘，功能多樣等優(yōu)勢，其制作技術(shù)也日臻完善，但問題仍然存在。 關(guān)鍵詞：古籍 數(shù)字化 數(shù)據(jù)庫
浩如煙海的古籍資源是中華文明特有的存留，也是祖先留下的寶貴財富。據(jù)楊家駱先生1946年統(tǒng)計，僅西漢前至清末的古籍就有181755部。傳統(tǒng)的古籍整理主要依賴手工進(jìn)行，不但操作費(fèi)力、效率不高，而且成果的利用也存在種種困難。電腦和網(wǎng)絡(luò)的出現(xiàn)與普及，不僅為古籍資源整理提供了工具，而且為其成果的傳播提供了有效的媒介。有學(xué)者認(rèn)為，數(shù)字化將成為保存、整理和利用古籍資源的趨勢。 所謂古籍?dāng)?shù)字化，是利用現(xiàn)代信息技術(shù)將古代文獻(xiàn)轉(zhuǎn)化為電子媒體的形式，通過光盤、網(wǎng)絡(luò)等介質(zhì)保存和傳播。我國古籍?dāng)?shù)字化的發(fā)展經(jīng)歷了古籍?dāng)?shù)據(jù)庫檢索系統(tǒng)、光盤版古籍、古籍網(wǎng)絡(luò)化三個階段。 一、中文古籍?dāng)?shù)據(jù)庫 古籍?dāng)?shù)據(jù)庫檢索系統(tǒng)的開發(fā)始于20世紀(jì)80年代初，主要是以數(shù)據(jù)庫的形式儲存古籍文獻(xiàn)的相關(guān)資料，作為古籍研究的輔助工具。它可以利用計算機(jī)在資料的儲存、整理、檢索、數(shù)據(jù)統(tǒng)計以及索引編制等方面的優(yōu)越性，改進(jìn)古籍文獻(xiàn)檢索方式，對古籍資源的研究和開發(fā)非常有利。 最初的古籍?dāng)?shù)據(jù)庫主要是書目數(shù)據(jù)庫，它始于南京圖書館、遼寧圖書館、浙江圖書館等省市級大型圖書館，為方便讀者相繼建立了館藏古籍書目數(shù)據(jù)庫。目前，南京圖書館的古籍書目數(shù)據(jù)庫已經(jīng)建立了40萬條中文古籍書目數(shù)據(jù)。該數(shù)據(jù)庫設(shè)有書名目錄、著者目錄、分類目錄等，可以通過輸入古籍名稱檢索該古籍的全部版本，也可以通過輸入著者名稱檢索館藏全部相關(guān)書目。 比書目數(shù)據(jù)庫在技術(shù)上更進(jìn)一步的是全文數(shù)據(jù)庫，它將古籍資源全文錄入，轉(zhuǎn)化為電子文本，供用戶查閱，提供了一種以字符為主要處理對象，根據(jù)資料內(nèi)容而不是外在特征來實現(xiàn)檢索的先進(jìn)查詢手段。 在書目數(shù)據(jù)庫與全文數(shù)據(jù)庫檢索功能的基礎(chǔ)上，出現(xiàn)了綜合檢索系統(tǒng)。此類系統(tǒng)在檢索性能上有了很大改進(jìn)，不僅實現(xiàn)了任意字、詞和字符串的檢索，還實現(xiàn)了按條件檢索。檢索的范圍不再局限于書目和文本，而是對古籍的標(biāo)題、詞句、注解等實際內(nèi)容進(jìn)行全面檢索。此外，綜合檢索系統(tǒng)還往往具有多種特色檢索功能和特定的輔助功能。例如，中國社科院的《全唐詩》數(shù)據(jù)庫檢索系統(tǒng)，不僅可供快速查檢《全唐詩》中任何作品的字、句、標(biāo)題、注解，還可以查找該作品在《全唐詩》中的冊、頁、行數(shù)。 表1 現(xiàn)有的部分中文古籍?dāng)?shù)據(jù)庫
二、光盤版古籍 所謂光盤版古籍，其實就是以光盤為載體的古籍文獻(xiàn)或古籍?dāng)?shù)據(jù)庫。前期的古籍?dāng)?shù)據(jù)庫往往只是某些單位或個人出于輔助研究工作或方便用戶考慮，自行開發(fā)設(shè)計且僅在一定范圍內(nèi)使用的。隨著古籍?dāng)?shù)據(jù)庫優(yōu)越性的逐步展現(xiàn)和影響擴(kuò)大，出于保存、推廣古籍的愿望或者商業(yè)目的，光盤版古籍紛紛推出，成為當(dāng)前古籍?dāng)?shù)字化的主導(dǎo)方向。 現(xiàn)有的光盤版古籍一般有三種類型：一是圖像版，它將古籍直接以圖像格式掃描存儲，有簡單的標(biāo)題和分類，但缺少檢索手段；二是全文版，它存儲的不再是圖像，而是數(shù)字化的古籍文本，是真正意義上的數(shù)字化圖書，可實現(xiàn)全文檢索與查找；三是圖文版，它在古籍書頁圖像存儲的基礎(chǔ)上，將書中具有檢索意義的內(nèi)容數(shù)字化，并輔以數(shù)字化的電子工具書，為讀者提供快捷有效的檢索、統(tǒng)計、整理和編輯功能。 圖像版是利用掃描技術(shù)將古籍以圖像方式存入光盤，技術(shù)簡單、容易操作，而且可以保存古籍原貌，因而成為國內(nèi)采用較多的一種方式。1997年，武漢大學(xué)出版社推出的“四庫全書光盤版”就采用了這種技術(shù)。它以文淵閣本《四庫全書》為底本，將全書200余萬頁逐頁掃描，并將“總目”手工錄入，壓縮到150張光盤中。 全文版以文本形式將古籍存儲于光盤上，并在全文檢索系統(tǒng)的支持下，對文本實行逐字逐詞檢索。它雖然不能像圖像版那樣保持古籍原貌，而且文字錄入的難度也相當(dāng)大，但由于具備方便快捷的檢索功能，且占據(jù)的存儲空間要遠(yuǎn)遠(yuǎn)小于圖像版，所以仍有較大優(yōu)勢。 圖文版的優(yōu)勢較之前兩類更加明顯。其一，它既具備方便快捷的檢索功能，又能讓用戶得覽古籍原貌，這對研究者而言非常重要，因為古籍的原始面貌往往能提供很多有用的信息；其二，文本錄入不管如何校對都難免存在誤差，用戶可以對比圖像進(jìn)行查證；其三，當(dāng)前各計算機(jī)系統(tǒng)漢字字庫容量有限，出版者在錄入古籍文本時往往將異寫、通假、避諱等生僻字用常見字進(jìn)行替換，研究者需要根據(jù)圖像來查看古籍原貌。香港中文大學(xué)的漢達(dá)古籍資料庫光盤便采用了圖文對照形式，它不僅收錄了140多萬字的竹簡帛書出土文獻(xiàn)，還可以在視窗系統(tǒng)上直接顯示簡帛圖片和對照文本。 三、古籍網(wǎng)絡(luò)化 隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展和普及，古籍資源的網(wǎng)絡(luò)化也成為一種趨勢。它主要是將數(shù)字化的古籍資源在網(wǎng)絡(luò)上有償或無償發(fā)布，供互聯(lián)網(wǎng)用戶使用。例如，國學(xué)網(wǎng)就擁有《十三經(jīng)》《資治通鑒》《續(xù)資治通鑒》《楚辭》《全唐詩》《全宋詞》《人間詞話》《文心雕龍》《韓非子》《淮南子》等大量古籍的電子版。 網(wǎng)絡(luò)化是古籍?dāng)?shù)字化未來的發(fā)展趨勢。當(dāng)全國各主要圖書館實現(xiàn)古籍?dāng)?shù)字化以后，就可以建立以網(wǎng)絡(luò)為紐帶的古籍?dāng)?shù)字化地區(qū)聯(lián)合數(shù)據(jù)庫和全國性數(shù)據(jù)庫，甚至在全世界范圍內(nèi)實現(xiàn)共享。網(wǎng)絡(luò)化也能夠使更多人方便地閱讀和使用古籍，為古籍資源的研究和傳統(tǒng)文化的弘揚(yáng)提供一條嶄新的渠道。 表2 中文古籍資源相關(guān)網(wǎng)站
四、現(xiàn)存的主要問題 1．技術(shù)問題。古籍文本輸入的主要方法目前有兩個：鍵盤輸入與光學(xué)字符識別（OCR）掃描輸入。鍵盤輸入屬于手工作業(yè)，效率低，成本高。OCR則是一種較為先進(jìn)的自動化信息資源輸入技術(shù)，但也存在一些諸如圖像質(zhì)量不高，掃描速度低，單位成本高，識別率低等技術(shù)性問題。并且，現(xiàn)有的漢字識別系統(tǒng)多數(shù)是針對簡體的，識別字?jǐn)?shù)一般只有4000左右，識別豎排繁體古籍效果非常不理想。即使是能識別繁體漢字的系統(tǒng)，也由于古籍漢字的頻度與現(xiàn)代漢語差異較大，使得識別效果一般較差。 計算機(jī)對文字的處理要通過編碼來完成，國標(biāo)字庫（GB）僅收字6763個，國標(biāo)擴(kuò)展?jié)h字字庫（GBK）收字也只有20902個。與此相對的是龐大的漢字?jǐn)?shù)量，《漢語大字典》收字近6萬，《中華字海》收字達(dá)8萬，古籍通用字約有4萬，常用異體字約為2萬。相對古籍中眾多的繁體字、異體字、通假字、避諱字而言，計算機(jī)的文字編碼不敷應(yīng)用，缺字一直是古籍電子化的瓶頸。 2．人才問題。在古籍?dāng)?shù)字化過程中，最重要的工作是要在錄入文本前對古籍進(jìn)行整理。因為古籍原本都是豎排繁體字，還包含大量的異體字、通假字等，且沒有標(biāo)點(diǎn)符號，行文格式繁瑣，必須先進(jìn)行整理，而古籍整理工作只能依賴于專業(yè)人員。所以，古籍資源數(shù)字化是傳統(tǒng)學(xué)術(shù)方法與現(xiàn)代科學(xué)技術(shù)的結(jié)合，它需要一批既懂得古籍整理又精通計算機(jī)技術(shù)的人才。現(xiàn)狀卻是古籍整理專業(yè)人員不懂電子技術(shù)，計算機(jī)技術(shù)人員缺少古籍知識。古籍資源數(shù)字化專門人才的培養(yǎng)亟待提上日程。 3．統(tǒng)籌問題。我國古籍?dāng)?shù)量龐大，且往往分散各地，僅由一個單位或組織來負(fù)責(zé)完成某一專業(yè)領(lǐng)域內(nèi)的古籍書目數(shù)據(jù)庫建設(shè)是非常困難的，需要多方合作才能進(jìn)行。而國內(nèi)的古籍?dāng)?shù)字化工作缺乏一個全國性的權(quán)威機(jī)構(gòu)的統(tǒng)一指導(dǎo)和協(xié)調(diào)，開發(fā)單位各自為政，熱點(diǎn)項目重復(fù)建設(shè)，冷門項目少有問津。1998年一年至少出現(xiàn)了3種光盤版的四庫全書，投資額驚人，造成了人力、物力的極大浪費(fèi)。長期以來，很多單位都做了古籍書目數(shù)據(jù)庫或古文獻(xiàn)資料數(shù)據(jù)庫，并自造了相當(dāng)數(shù)量的字庫，浪費(fèi)了資源。另外，個別單位僅考慮自身利益，拒絕資源共享，致使一些數(shù)據(jù)庫涵蓋的文獻(xiàn)資料頗為有限，遠(yuǎn)未能實現(xiàn)對全國范圍內(nèi)的整體檢索。 4．標(biāo)準(zhǔn)問題。規(guī)范、統(tǒng)一的數(shù)據(jù)庫形式是數(shù)據(jù)庫的生命所在。要建立全國統(tǒng)一的古籍書目數(shù)據(jù)庫，必須有統(tǒng)一的數(shù)據(jù)格式要求。如果沒有規(guī)范的機(jī)讀目錄格式，數(shù)據(jù)庫就無法進(jìn)行交換，無法真正實現(xiàn)國家乃至世界范圍內(nèi)的資源共享。許多單位設(shè)計數(shù)據(jù)庫時采用的標(biāo)準(zhǔn)不一致，導(dǎo)致難以共享使用。此外，還必須對古籍原本進(jìn)行鑒別和統(tǒng)一著錄，執(zhí)行統(tǒng)一的分類表和分類原則，否則就會出現(xiàn)書目數(shù)據(jù)不準(zhǔn)確，造成不同的書被著錄成一種書，或者是一種書被著錄為多種書的狀況，給讀者的使用和研究帶來極大不便。 如果相關(guān)部門能夠聯(lián)合從事古籍?dāng)?shù)字化的主要單位，制訂古籍?dāng)?shù)字化的統(tǒng)一標(biāo)準(zhǔn)，實現(xiàn)標(biāo)準(zhǔn)化、規(guī)范化，在此基礎(chǔ)上進(jìn)行分工合作，建立可共享的資源體系，必定能夠促進(jìn)國內(nèi)數(shù)字化古籍的開發(fā)與利用。 5．經(jīng)費(fèi)問題。現(xiàn)在擁有古籍文獻(xiàn)資料最多的是公共圖書館。它們雖擁有豐富的文獻(xiàn)資料和文獻(xiàn)處理經(jīng)驗，但因為缺少經(jīng)費(fèi)，無法購置必需的設(shè)備和軟件，也缺乏足夠的人力和相關(guān)的計算機(jī)技術(shù)人才，不少已經(jīng)規(guī)劃好的項目無法開展。只有投入足夠的經(jīng)費(fèi)，才能夠解決設(shè)備、軟件短缺問題，引進(jìn)技術(shù)人員，正常開展古籍?dāng)?shù)字化工作。 參考文獻(xiàn): [1]王純．古籍?dāng)?shù)字化之趨勢．圖書館理論與實踐，2000（3） [2]厲莉．古籍?dāng)?shù)字化的現(xiàn)狀及對策．江西圖書館學(xué)刊，2002（1） [3]王桂平．我國古籍?dāng)?shù)字化的現(xiàn)狀及展望．圖書情報知識，2000（4） [4]李為實．關(guān)于古籍?dāng)?shù)字化的思考．四川圖書館學(xué)報，2002（3） [5]王育紅．未來古籍出版的對策與趨勢分析．科技與出版，2002（3） |
||||||||||||||||||||||||||||||||||||||||||||||||||||
 |