中文古籍?dāng)?shù)字化的成果與存在問(wèn)題 陳 陽(yáng) |
||||||||||||||||||||||||||||||||||||||||||||||||||||
摘 要：我國(guó)古籍?dāng)?shù)字化的發(fā)展過(guò)程依次經(jīng)歷了數(shù)據(jù)庫(kù)檢索系統(tǒng)、光盤版古籍、古籍網(wǎng)絡(luò)化三個(gè)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(shì)，其制作技術(shù)也日臻完善，但問(wèn)題仍然存在。 關(guān)鍵詞：古籍 數(shù)字化 數(shù)據(jù)庫(kù)
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(cái)富。據(jù)楊家駱先生1946年統(tǒng)計(jì)，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(shì)。 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(guò)光盤、網(wǎng)絡(luò)等介質(zhì)保存和傳播。我國(guó)古籍?dāng)?shù)字化的發(fā)展經(jīng)歷了古籍?dāng)?shù)據(jù)庫(kù)檢索系統(tǒng)、光盤版古籍、古籍網(wǎng)絡(luò)化三個(gè)階段。 一、中文古籍?dāng)?shù)據(jù)庫(kù) 古籍?dāng)?shù)據(jù)庫(kù)檢索系統(tǒng)的開(kāi)發(fā)始于20世紀(jì)80年代初，主要是以數(shù)據(jù)庫(kù)的形式儲(chǔ)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(jì)算機(jī)在資料的儲(chǔ)存、整理、檢索、數(shù)據(jù)統(tǒng)計(jì)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(duì)古籍資源的研究和開(kāi)發(fā)非常有利。 最初的古籍?dāng)?shù)據(jù)庫(kù)主要是書(shū)目數(shù)據(jù)庫(kù)，它始于南京圖書(shū)館、遼寧圖書(shū)館、浙江圖書(shū)館等省市級(jí)大型圖書(shū)館，為方便讀者相繼建立了館藏古籍書(shū)目數(shù)據(jù)庫(kù)。目前，南京圖書(shū)館的古籍書(shū)目數(shù)據(jù)庫(kù)已經(jīng)建立了40萬(wàn)條中文古籍書(shū)目數(shù)據(jù)。該數(shù)據(jù)庫(kù)設(shè)有書(shū)名目錄、著者目錄、分類目錄等，可以通過(guò)輸入古籍名稱檢索該古籍的全部版本，也可以通過(guò)輸入著者名稱檢索館藏全部相關(guān)書(shū)目。 比書(shū)目數(shù)據(jù)庫(kù)在技術(shù)上更進(jìn)一步的是全文數(shù)據(jù)庫(kù)，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(duì)象，根據(jù)資料內(nèi)容而不是外在特征來(lái)實(shí)現(xiàn)檢索的先進(jìn)查詢手段。 在書(shū)目數(shù)據(jù)庫(kù)與全文數(shù)據(jù)庫(kù)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(shí)現(xiàn)了任意字、詞和字符串的檢索，還實(shí)現(xiàn)了按條件檢索。檢索的范圍不再局限于書(shū)目和文本，而是對(duì)古籍的標(biāo)題、詞句、注解等實(shí)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(guó)社科院的《全唐詩(shī)》數(shù)據(jù)庫(kù)檢索系統(tǒng)，不僅可供快速查檢《全唐詩(shī)》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(shī)》中的冊(cè)、頁(yè)、行數(shù)。 表1 現(xiàn)有的部分中文古籍?dāng)?shù)據(jù)庫(kù)
二、光盤版古籍 所謂光盤版古籍，其實(shí)就是以光盤為載體的古籍文獻(xiàn)或古籍?dāng)?shù)據(jù)庫(kù)。前期的古籍?dāng)?shù)據(jù)庫(kù)往往只是某些單位或個(gè)人出于輔助研究工作或方便用戶考慮，自行開(kāi)發(fā)設(shè)計(jì)且僅在一定范圍內(nèi)使用的。隨著古籍?dāng)?shù)據(jù)庫(kù)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(chǔ)，有簡(jiǎn)單的標(biāo)題和分類，但缺少檢索手段；二是全文版，它存儲(chǔ)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(shū)，可實(shí)現(xiàn)全文檢索與查找；三是圖文版，它在古籍書(shū)頁(yè)圖像存儲(chǔ)的基礎(chǔ)上，將書(shū)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(shū)，為讀者提供快捷有效的檢索、統(tǒng)計(jì)、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(jiǎn)單、容易操作，而且可以保存古籍原貌，因而成為國(guó)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(kù)全書(shū)光盤版”就采用了這種技術(shù)。它以文淵閣本《四庫(kù)全書(shū)》為底本，將全書(shū)200余萬(wàn)頁(yè)逐頁(yè)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(chǔ)于光盤上，并在全文檢索系統(tǒng)的支持下，對(duì)文本實(shí)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(chǔ)空間要遠(yuǎn)遠(yuǎn)小于圖像版，所以仍有較大優(yōu)勢(shì)。 圖文版的優(yōu)勢(shì)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(duì)研究者而言非常重要，因?yàn)楣偶脑济婷餐芴峁┖芏嘤杏玫男畔�；其二，文本錄入不管如何校�?duì)都難免存在誤差，用戶可以對(duì)比圖像進(jìn)行查證；其三，當(dāng)前各計(jì)算機(jī)系統(tǒng)漢字字庫(kù)容量有限，出版者在錄入古籍文本時(shí)往往將異寫(xiě)、通假、避諱等生僻字用常見(jiàn)字進(jìn)行替換，研究者需要根據(jù)圖像來(lái)查看古籍原貌。香港中文大學(xué)的漢達(dá)古籍資料庫(kù)光盤便采用了圖文對(duì)照形式，它不僅收錄了140多萬(wàn)字的竹簡(jiǎn)帛書(shū)出土文獻(xiàn)，還可以在視窗系統(tǒng)上直接顯示簡(jiǎn)帛圖片和對(duì)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(shì)。它主要是將數(shù)字化的古籍資源在網(wǎng)絡(luò)上有償或無(wú)償發(fā)布，供互聯(lián)網(wǎng)用戶使用。例如，國(guó)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(shī)》《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(lái)的發(fā)展趨勢(shì)。當(dāng)全國(guó)各主要圖書(shū)館實(shí)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(kù)和全國(guó)性數(shù)據(jù)庫(kù)，甚至在全世界范圍內(nèi)實(shí)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(wèn)題 1．技術(shù)問(wèn)題。古籍文本輸入的主要方法目前有兩個(gè)：鍵盤輸入與光學(xué)字符識(shí)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(dòng)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(shí)別率低等技術(shù)性問(wèn)題。并且，現(xiàn)有的漢字識(shí)別系統(tǒng)多數(shù)是針對(duì)簡(jiǎn)體的，識(shí)別字?jǐn)?shù)一般只有4000左右，識(shí)別豎排繁體古籍效果非常不理想。即使是能識(shí)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(yǔ)差異較大，使得識(shí)別效果一般較差。 計(jì)算機(jī)對(duì)文字的處理要通過(guò)編碼來(lái)完成，國(guó)標(biāo)字庫(kù)（GB）僅收字6763個(gè)，國(guó)標(biāo)擴(kuò)展?jié)h字字庫(kù)（GBK）收字也只有20902個(gè)。與此相對(duì)的是龐大的漢字?jǐn)?shù)量，《漢語(yǔ)大字典》收字近6萬(wàn)，《中華字�！肥兆诌_(dá)8萬(wàn)，古籍通用字約有4萬(wàn)，常用異體字約為2萬(wàn)。相對(duì)古籍中眾多的繁體字、異體字、通假字、避諱字而言，計(jì)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(wèn)題。在古籍?dāng)?shù)字化過(guò)程中，最重要的工作是要在錄入文本前對(duì)古籍進(jìn)行整理。因?yàn)楣偶径际秦Q排繁體字，還包含大量的異體字、通假字等，且沒(méi)有標(biāo)點(diǎn)符號(hào)，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(jì)算機(jī)技術(shù)的人才�，F(xiàn)狀卻是古籍整理專業(yè)人員不懂電子技術(shù)，計(jì)算機(jī)技術(shù)人員缺少古籍知識(shí)。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(wèn)題。我國(guó)古籍?dāng)?shù)量龐大，且往往分散各地，僅由一個(gè)單位或組織來(lái)負(fù)責(zé)完成某一專業(yè)領(lǐng)域內(nèi)的古籍書(shū)目數(shù)據(jù)庫(kù)建設(shè)是非常困難的，需要多方合作才能進(jìn)行。而國(guó)內(nèi)的古籍?dāng)?shù)字化工作缺乏一個(gè)全國(guó)性的權(quán)威機(jī)構(gòu)的統(tǒng)一指導(dǎo)和協(xié)調(diào)，開(kāi)發(fā)單位各自為政，熱點(diǎn)項(xiàng)目重復(fù)建設(shè)，冷門項(xiàng)目少有問(wèn)津。1998年一年至少出現(xiàn)了3種光盤版的四庫(kù)全書(shū)，投資額驚人，造成了人力、物力的極大浪費(fèi)。長(zhǎng)期以來(lái)，很多單位都做了古籍書(shū)目數(shù)據(jù)庫(kù)或古文獻(xiàn)資料數(shù)據(jù)庫(kù)，并自造了相當(dāng)數(shù)量的字庫(kù)，浪費(fèi)了資源。另外，個(gè)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(kù)涵蓋的文獻(xiàn)資料頗為有限，遠(yuǎn)未能實(shí)現(xiàn)對(duì)全國(guó)范圍內(nèi)的整體檢索。 4．標(biāo)準(zhǔn)問(wèn)題。規(guī)范、統(tǒng)一的數(shù)據(jù)庫(kù)形式是數(shù)據(jù)庫(kù)的生命所在。要建立全國(guó)統(tǒng)一的古籍書(shū)目數(shù)據(jù)庫(kù)，必須有統(tǒng)一的數(shù)據(jù)格式要求。如果沒(méi)有規(guī)范的機(jī)讀目錄格式，數(shù)據(jù)庫(kù)就無(wú)法進(jìn)行交換，無(wú)法真正實(shí)現(xiàn)國(guó)家乃至世界范圍內(nèi)的資源共享。許多單位設(shè)計(jì)數(shù)據(jù)庫(kù)時(shí)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(duì)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(huì)出現(xiàn)書(shū)目數(shù)據(jù)不準(zhǔn)確，造成不同的書(shū)被著錄成一種書(shū)，或者是一種書(shū)被著錄為多種書(shū)的狀況，給讀者的使用和研究帶來(lái)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(shí)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(guó)內(nèi)數(shù)字化古籍的開(kāi)發(fā)與利用。 5．經(jīng)費(fèi)問(wèn)題�，F(xiàn)在擁有古籍文獻(xiàn)資料最多的是公共圖書(shū)館。它們雖擁有豐富的文獻(xiàn)資料和文獻(xiàn)處理經(jīng)驗(yàn)，但因?yàn)槿鄙俳?jīng)費(fèi)，無(wú)法購(gòu)置必需的設(shè)備和軟件，也缺乏足夠的人力和相關(guān)的計(jì)算機(jī)技術(shù)人才，不少已經(jīng)規(guī)劃好的項(xiàng)目無(wú)法開(kāi)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(wèn)題，引進(jìn)技術(shù)人員，正常開(kāi)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(shì)．圖書(shū)館理論與實(shí)踐，2000（3） [2]厲莉．古籍?dāng)?shù)字化的現(xiàn)狀及對(duì)策．江西圖書(shū)館學(xué)刊，2002（1） [3]王桂平．我國(guó)古籍?dāng)?shù)字化的現(xiàn)狀及展望．圖書(shū)情報(bào)知識(shí)，2000（4） [4]李為實(shí)．關(guān)于古籍?dāng)?shù)字化的思考．四川圖書(shū)館學(xué)報(bào)，2002（3） [5]王育紅．未來(lái)古籍出版的對(duì)策與趨勢(shì)分析．科技與出版，2002（3） |
||||||||||||||||||||||||||||||||||||||||||||||||||||
 |