周錄祥

（韓山師范學(xué)院 中文系，廣東 潮州 521041）

所謂廣東文獻(xiàn)數(shù)字化建設(shè)，是指將紙質(zhì)的廣東地方文獻(xiàn)通過拍照、掃描、文本化，轉(zhuǎn)換成數(shù)字化的電子文獻(xiàn)資源（電子圖書或數(shù)據(jù)庫）。廣東文獻(xiàn)的數(shù)字化，是時代的趨勢，也必將是廣東文獻(xiàn)建設(shè)的主要方向之一，它使廣東文獻(xiàn)保存更加方便、傳播更加便捷、共享更加廣泛，必將使嶺南文化輻射力更強，影響力更大，也會進一步提升嶺南文化研究的水平。

一、廣東文獻(xiàn)數(shù)量眾多、特色明顯

廣東文獻(xiàn)從地域上講，包括廣府文獻(xiàn)、潮汕文獻(xiàn)、客家文獻(xiàn)等；從形態(tài)上分，包括圖書、報紙、期刊，還有地圖、圖片、傳單告示、票據(jù)、手稿、墨跡，拓片、唱片等；從時間上看，包括古代文獻(xiàn)、近現(xiàn)代文獻(xiàn)、當(dāng)代文獻(xiàn)，至于館藏地，則既包括省內(nèi)各公立圖書館、博物館、高校圖書館及其他藏書機構(gòu)、私人所藏，也包括省外、國外所藏。廣東文獻(xiàn)不僅數(shù)量眾多，而特色明顯。廣東雖偏處南國，歷代人文、著述不算豐富，但也有唐張九齡、明湛若水、翁萬達(dá)、清屈大均等文化名人，他們都留下了豐厚的著述，而自清末、近代起，廣東得風(fēng)氣之先，先后涌現(xiàn)出鄭觀應(yīng)、康有為、梁啟超等政治家、黃遵憲、丘逢甲、吳沃堯等文學(xué)家、孫中山、胡漢民、廖仲愷等民國政治家，可謂才俊輩出，群星璀璨，對于中國現(xiàn)代化進程的推動，對中國文化的發(fā)揚光大厥功至偉，在全國各省市中也是首屈一指。他們的光輝著述，都是寶貴的人類精神財富，構(gòu)成了極富特色的廣東文獻(xiàn)群組，是嶺南文化研究乃至于中國文化研究的重要材料。僅廣東中山圖書館特藏部（廣東地方文獻(xiàn)中心）就收藏有廣東地方文獻(xiàn)、孫中山文獻(xiàn)、粵人文庫、東南亞華僑史料、南海諸島資料以及清代史料、民國時期書刊等一大批史料價值高、學(xué)術(shù)性強的文獻(xiàn)資料。其中廣東地方文獻(xiàn)和孫中山文獻(xiàn)著稱尤為豐富，現(xiàn)收藏有廣東地方志、族譜、廣東史料、粵人著述、報紙、期刊、輿圖、圖片等地方史料8萬余種、30余萬冊，其中圖書約6萬多種，14萬多冊，報刊1萬多種，輿圖2千多種；孫中山著作、傳記、評論研究、手跡、圖片、唱片及有關(guān)辛亥革命資料等4000余冊（件）①。這些文獻(xiàn)資料，很大一部分都是國內(nèi)其他館稀有罕見的，在提倡信息共享的今天，有必要以數(shù)字化的形式傳播。而散藏于省外的廣東文獻(xiàn)也為數(shù)不少，本省學(xué)者借閱不便，也有必要組織力量，進行數(shù)字化，以利閱讀與研究。

二、廣東文獻(xiàn)數(shù)字化的意義與作用

1.廣東文獻(xiàn)數(shù)字化可有效保護珍貴文獻(xiàn)。傳統(tǒng)紙質(zhì)文獻(xiàn)的大量閱讀必然或多或少造成損傷。許多廣東文獻(xiàn)年代久遠(yuǎn)，其狀態(tài)岌岌可危，即使是民國的圖書報刊，也多是或紙質(zhì)脆化，或斷線散頁，翻閱稍有不當(dāng)，便會帶來無法挽回的損害，亟需加強保護。而一味地提高借閱條件，設(shè)置借閱障礙，以減少借閱帶來的損傷，又違背圖書館文獻(xiàn)收藏的初衷。怎樣才能兩全其美？一個最佳的解決方案就是，將這些廣東文獻(xiàn)數(shù)字化，向讀者提供數(shù)字化的版本，則可減少對原件的借閱，既保護珍貴文獻(xiàn)，又不影響讀者的閱讀和研究，誠為一勞永逸。

2.廣東文獻(xiàn)數(shù)字化便于存儲、閱讀與共享。數(shù)字化文獻(xiàn)利用計算機技術(shù)進行存儲，占用空間很小，一塊硬盤，即可存儲G級數(shù)據(jù)、數(shù)以萬計的書籍。而電子數(shù)據(jù)的復(fù)制、傳播非常便捷，較之以往紙質(zhì)文獻(xiàn)的掃描、復(fù)印、影印，都方便得多。且可利用網(wǎng)絡(luò)進行遠(yuǎn)程傳輸，提供方便而及時的文獻(xiàn)服務(wù)（必要時，可以收取適當(dāng)?shù)馁M用），這樣異地讀者可以足不出戶，可以獲取相關(guān)的廣東文獻(xiàn)資料。文獻(xiàn)資源利用更加頻繁，充分發(fā)揮了其價值，客觀上也省去了讀者來往交通的時間、金錢，節(jié)約了大量的社會成本，同時提高了研究效率。

3.廣東文獻(xiàn)數(shù)字化有利于嶺南文化的傳播與研究。嶺南文化的核心是敢為人先、天下為公、開放多元，廣東文獻(xiàn)的數(shù)字化建設(shè)，與嶺南文化的理念頗有異曲同工之妙。廣東文獻(xiàn)研究和文化研究不能光靠省內(nèi)學(xué)者，而是要面向全國乃至世界。數(shù)字化后的廣東文獻(xiàn)，其傳播與共享方式突破了空間與傳統(tǒng)介質(zhì)的限制，具有傳統(tǒng)文獻(xiàn)載體無法企及的便捷性與發(fā)散性，直接面向受眾，而不是資料獨享，有利于打破閱讀壁壘，將廣東文獻(xiàn)迅捷地傳播開來，既可使海內(nèi)外眾多研究者快速獲得大量文獻(xiàn)資料，進一步拓寬研究的范圍，提升研究的水平；又可以帶動數(shù)字化廣東文獻(xiàn)上所承載的嶺南文化、嶺南人自信、包容與開放的心態(tài)向全國乃至世界輻射傳播，擴大嶺南文化的影響力，將嶺南文化發(fā)揚光大，將嶺南精神彰顯無遺。

三、廣東文獻(xiàn)數(shù)字化所需的條件已經(jīng)具備

1.文獻(xiàn)數(shù)字化技術(shù)已經(jīng)成熟。

經(jīng)過多年的探索與發(fā)展，時至今日，文獻(xiàn)數(shù)字化技術(shù)已經(jīng)相當(dāng)成熟。電子古籍的掃描與制作方面，“中美百萬”可謂其代表。2000年12月中美兩國計算機專家共同發(fā)起了“中美百萬冊數(shù)字圖書館合作計劃（China-US Million Book Digital Library Project）”。該計劃由中美兩國共建達(dá)百萬冊中英文圖書的數(shù)字圖書館，以提供便捷的全球可訪問的全文圖書瀏覽服務(wù)。與中國高等學(xué)校文獻(xiàn)保障體系（CALIS）一起，構(gòu)成中國高等教育數(shù)字化圖書館的框架。同時項目名稱定為“高等學(xué)校中英文圖書數(shù)字化國際合作計劃”（英文簡稱CADAL）。百萬冊圖書規(guī)模的數(shù)字資源建設(shè)主要服務(wù)于高校的教學(xué)和科研，同時兼顧到民族優(yōu)秀文化遺產(chǎn)的保存與傳承。截至2007年10月，該數(shù)據(jù)庫里有古籍190405冊、民國圖書114202冊、民國期刊6578冊、現(xiàn)代圖書401550冊、學(xué)位論文136098冊、繪畫3427件、視頻69種、英文44338冊②。 文獻(xiàn)數(shù)據(jù)庫建設(shè)方面，上海人民出版社和迪志公司出品的文淵閣《四庫全書》全文電子版、愛如生公司的《中國基本古籍庫》可謂佼佼者。前者可收書3千多種，可實現(xiàn)7億字的全文檢索，后者總計收書約16萬卷，版本12800多個，全文約17億字，影像約1千萬頁，擁有強大的檢索系統(tǒng)、完備的功能平臺和靈活的糾錯機制，可通過多條路徑、采用多種方法進行快速海量檢索，可輕松實現(xiàn)古籍瀏覽、?？?、標(biāo)注、分類、編輯、下載、打印的全電子化作業(yè)，并可隨時進行軟件升級和數(shù)據(jù)更新以確保在持續(xù)改進中日臻完善③?？傊?，各種方式的文獻(xiàn)數(shù)字化技術(shù)已經(jīng)日臻成熟，廣東文獻(xiàn)的數(shù)字化建設(shè)在技術(shù)上沒有太多的難題。

2.廣東省財政可為廣東文獻(xiàn)數(shù)字化提供必要資金保障。

文獻(xiàn)數(shù)字化建設(shè)需要必要的資金、經(jīng)費支持，主要是三個方面：一是購置設(shè)備所需費用，如掃描儀、相機等。二是勞務(wù)費，從事規(guī)劃、掃描、制作的工作人員報酬。三是底本費或信息費。使用某些圖書館、博物館的文獻(xiàn)資料，照例會要求付給一定的費用。這個費用應(yīng)作統(tǒng)一規(guī)定，或統(tǒng)籌之后適當(dāng)減免，或以交換文獻(xiàn)的方式抵充。數(shù)量眾多的廣東文獻(xiàn)，要全部實現(xiàn)數(shù)字化，必須有足夠的財政、經(jīng)費投入作為支撐。廣東處于中國改革開放的前沿，三十年來經(jīng)濟持續(xù)繁榮，社會各項事業(yè)蒸蒸日上。近年廣東省國民經(jīng)濟持續(xù)、快速、健康發(fā)展，綜合經(jīng)濟實力連續(xù)多年居全國前列，生產(chǎn)總值、社會消費品零售總額、工業(yè)增加值、居民儲蓄存款、稅收、財政收入、全社會固定資產(chǎn)投資額、貨運量、科技發(fā)明專利申請量等重要經(jīng)濟指標(biāo)均居全國第一。據(jù)《關(guān)于廣東省2011年度省級預(yù)算執(zhí)行和其他財政收支的審計工作報告》，2011年“省級預(yù)算執(zhí)行和其他財政收支情況總體較好，省級財政收入1220.86億元……加上上級補助、下級上解、債券收入、上年結(jié)余（結(jié)轉(zhuǎn)）、調(diào)入資金等，省級財政總收入3479.83億?！雹茉趧?chuàng)建經(jīng)濟強省的同時，廣東省也在爭創(chuàng)文化大省，不斷加大對科教文化方面建設(shè)的撥款力度。所以廣東文獻(xiàn)數(shù)字化建設(shè)所需的相關(guān)資金資金、經(jīng)費完全可以保證。

3.大型文獻(xiàn)數(shù)字化項目可提供寶貴經(jīng)驗。

除上述“中美百萬”項目外，國內(nèi)外不少大型文獻(xiàn)數(shù)字化項目都已成功組織多個部門，匯集各方資料，建設(shè)海量文獻(xiàn)數(shù)據(jù)庫，可以為廣東文獻(xiàn)數(shù)字化建設(shè)提供寶貴經(jīng)驗。如“IDP”（international dunhuang project，國際敦煌項目），“是一個開創(chuàng)性的國際性協(xié)作項目，目標(biāo)是使敦煌及絲綢之路東段其他考古遺址出土的寫本、繪畫、紡織品以及藝術(shù)品的信息與圖像能在互聯(lián)網(wǎng)上自由地獲取，并通過教育與研究項目鼓勵使用者利用這些資源?！雹菟狭酥?、英、法、俄、日、德等多國文獻(xiàn)資料，截止2009年10月7日，已存儲并開放247712幅圖片資料，極大地促進了國際敦煌學(xué)的發(fā)展。又如愛如生系列數(shù)據(jù)庫·地方文獻(xiàn)系列中的《浙江文獻(xiàn)》數(shù)據(jù)庫，網(wǎng)羅浙江區(qū)域相關(guān)之歷史文獻(xiàn)，包括記述浙江歷史地理之史籍志書，以及歷代浙江籍貫人之著述和在浙江建功立業(yè)人之著述，共計800種。每種皆據(jù)善本制成數(shù)碼全文，附以原版影像，配備可以進行條目檢索、全文檢索、高級檢索的快速檢索系統(tǒng)和可以進行版本對照、標(biāo)點批注、分類收集、編輯下載、原文打印等作業(yè)的功能平臺，為浙江文獻(xiàn)研究提供了重要的資料保證⑥。此外，許多圖書館及高校藏書都已經(jīng)數(shù)字化，如國家圖書館的部分方志、上海圖書館的部分善本古籍，都通過拍照等方式數(shù)字化，讀者可在其網(wǎng)站瀏覽閱讀，美國哈佛燕京圖書館、日本東京大學(xué)、早稻田大學(xué)等高校的古籍，都已經(jīng)制成電子掃描本，發(fā)布于網(wǎng)站，可供讀者方便獲取。以上皆可為廣東文獻(xiàn)數(shù)字化建設(shè)提供借鑒。

四、廣東文獻(xiàn)數(shù)字化的具體方式

一是鍵盤輸入，形成文本。將文獻(xiàn)內(nèi)容，逐字通過鍵盤錄入，其優(yōu)勢是以文本方式存儲文獻(xiàn)信息，一是形成的文本可方便進行復(fù)制等操作，二是所需存儲空間較小，三是檢索非常方便，可以逐字檢索，查全率、查準(zhǔn)率高，且檢索速度快。但此種方式有明顯的缺點，一是轉(zhuǎn)換速度較慢，需要大量人力投入，二是錄入過程中會有較多的文字錯誤，需要較大的校對工作量。三是不能保留文獻(xiàn)的原貌以及原文獻(xiàn)的字體。這種方式比較適合一些部頭較小的廣東文獻(xiàn)，或散見于大部頭典籍中的單篇廣東文獻(xiàn)。

二是圖像掃描后制作成電子古籍。將每頁紙質(zhì)文獻(xiàn)用掃描儀掃描成圖片格式保存，再合并，制作成PDG、PDF或DJVU格式的電子書籍，既可方便復(fù)制、傳輸與閱讀，也可保護紙本文獻(xiàn)。中美百萬等已經(jīng)大量運作，某些電子文獻(xiàn)愛好者個人也可制作，比較方便易行。大量的嶺南文獻(xiàn)可通過這種方式化身億萬，出現(xiàn)在省內(nèi)大小圖書館，乃至于供省外、國外機構(gòu)使用。采用圖像格式的優(yōu)點是可以再現(xiàn)其原貌，制作技術(shù)相對簡單，制作成本相對低。缺點是占用存貯空間較大，影響傳遞速度，不過隨著存儲技術(shù)、網(wǎng)絡(luò)寬帶的發(fā)展，這些問題將逐步解決。大多數(shù)廣東文獻(xiàn)，尤其是難以識別的手寫體文獻(xiàn)、圖表較多的文獻(xiàn)都適合采用圖像掃描的方式完成數(shù)字化。

三是圖像掃描后OCR識別。先以圖像格式保存數(shù)字化文獻(xiàn)，并通過OCR轉(zhuǎn)換成文本形式，并編制自動索引，輔以人工標(biāo)引。尤其是全息文件技術(shù)的發(fā)展，以文件格式保存數(shù)字化文獻(xiàn)，能夠較為全面地將印刷型文獻(xiàn)的內(nèi)容、版面版式信息都體現(xiàn)出來，可完成自動標(biāo)引，并提供讀者摘錄功能，具有很強的優(yōu)越性。缺點是制作難度很大，主要原因是各種文獻(xiàn)字體不一、大小迥異，掃描后難以識別，且古籍中用字復(fù)雜，異體字、繁難字難以納入普通字庫，所以制作過程中非常容易出現(xiàn)訛字，處理不好，文獻(xiàn)價值大打折扣。采用鉛字印刷的清末、民國廣東文獻(xiàn)和刻印比較工整、字體比較規(guī)范、易于識別的明清刻本，比較適合采用這種方式實現(xiàn)數(shù)字化，但后期的?？睆?fù)核工作需尤為仔細(xì)。

四是將多個文本整合成數(shù)據(jù)庫。通過OCR技術(shù)轉(zhuǎn)換大量文獻(xiàn)后，精心?？?，可按各種目的，整合成各種數(shù)據(jù)庫，能夠?qū)崿F(xiàn)全數(shù)據(jù)庫的單字檢索、組合檢索，如陜西師范大學(xué)歷史文化學(xué)院袁林、張宇等開發(fā)的《漢籍全文檢索系統(tǒng)》，可實現(xiàn)千余種圖書的全文檢索與組合查詢，復(fù)制也很方便。而文淵閣《四庫全書》全文檢索版則更是典范之作，可實現(xiàn)7億字文獻(xiàn)的全文檢索，非常便捷。這種方式是文獻(xiàn)數(shù)字化的最高境界，也應(yīng)是廣東文獻(xiàn)資源數(shù)字化的方向，目前廣東的歷代方志可以再全文掃描識別后，制成廣東方志數(shù)據(jù)庫；也可以整合部分民國圖書、報刊，制成民國文獻(xiàn)數(shù)據(jù)庫。

五、廣東文獻(xiàn)數(shù)字化的具體流程和要點

1.摸清家底，擬定目錄，避免重復(fù)。需將廣東文獻(xiàn)的具體情況先掌握清楚，具體可以《廣東文獻(xiàn)綜錄》⑦為基礎(chǔ)，再增加該書未收的報紙、期刊、碑帖等文獻(xiàn)。其中有些廣東文獻(xiàn)，已經(jīng)有數(shù)字化版本的，則不必重復(fù)勞動。如收入《四庫》系列叢書（《四庫全書》、《續(xù)修四庫全書》、《四庫全書存目叢書》、《四庫禁毀書叢刊》、《四庫未收書輯刊》等）的粵人著述，都已有PDF或DJVU格式的電子版，不必再重新數(shù)字化。又如屈大均編《廣東文選》、明萬歷鄒守愚刻本翁萬達(dá)《東涯集》等，已收入《北京圖書館古籍珍本叢刊》，已有電子版，則不必重復(fù)勞動。凡此，皆需專人對網(wǎng)絡(luò)已有傳播的廣東文獻(xiàn)作詳細(xì)調(diào)查，屆時可避免重復(fù)勞動，這樣事半功倍，既能加快速度，又可節(jié)約成本。

2.精選內(nèi)容，分清緩急，按期進行。廣東文獻(xiàn)數(shù)量眾多，具體數(shù)字化操作時，如果沒有統(tǒng)一規(guī)劃，而是隨機掃描、制作，必然雜亂無序，不成體系。所以分清輕重緩急，制定分期規(guī)劃很有必要。具體原則應(yīng)有兩個，一是重要性原則，二是稀缺度原則。具體說，首先要精選出影響較大的、使用比較頻繁的、具有代表性的特色廣東文獻(xiàn)，優(yōu)先掃描、制作、數(shù)字化，這樣短期內(nèi)即可初顯廣東文獻(xiàn)的概貌。另一方面，部分廣東文獻(xiàn)非常稀缺，存世量極少，可以同時優(yōu)先數(shù)字化?？上日湎”?、后易見本；先善本，后普本。往往普本存量較大，各地圖書館多有收藏，查閱相對方便。而善本、珍本、稿本、抄本等，存世數(shù)量較少，甚至僅有孤本行世，彌足珍貴，讀者查閱、研究不便，應(yīng)優(yōu)先進行數(shù)字化，以便化身億萬，既保護文獻(xiàn)原本，又滿足讀者借閱與研究需要。分清輕重緩急后，根據(jù)不同選擇，安排數(shù)字化的先后次序，制定具體時期，有條不紊地進行，可以充分滿足社會需要，既有鮮明的廣東文獻(xiàn)特色，又能面向全國、全球，有步驟、有計劃地建設(shè)，可使有限的人力物力發(fā)揮最大效果。

3.統(tǒng)籌安排，統(tǒng)一認(rèn)識，調(diào)集書籍。政府文化部分和相關(guān)機構(gòu)要充分認(rèn)識到廣東文獻(xiàn)數(shù)字化對于保存廣東地方文獻(xiàn)、促進學(xué)術(shù)交流、弘揚嶺南文化的意義，積極牽頭，籌措資金，加大投入，并協(xié)調(diào)各館藏單位，統(tǒng)一調(diào)集圖書。圖書館、博物館等藏書單位要顧全大局，服從安排，不得壟斷資源，而應(yīng)該革除以往某些圖書館將館藏的古籍視為本館私有物品，甚至囤積居奇，或收取高昂閱覽費的現(xiàn)象，方不至于妨礙文獻(xiàn)流通和學(xué)術(shù)研究的開展，違背了公共圖書館設(shè)立的本意。當(dāng)然，是調(diào)集圖書集中數(shù)字化，還是分配任務(wù)，各收藏單位分別進行，需視具體技術(shù)力量和文獻(xiàn)數(shù)量而定，收藏文獻(xiàn)較少較為零散的單位，技術(shù)力量不足，可統(tǒng)一集中數(shù)字化；而收藏文獻(xiàn)較多較集中的單位，有條件的話，可通過培訓(xùn)，在本館完成，以免大規(guī)模調(diào)書造成散失與損傷。

4.認(rèn)真制作，查漏補缺，實現(xiàn)提升。文獻(xiàn)逐頁掃描與OCR識別過程是艱巨而枯燥的任務(wù)，稍一疏忽，就容易造成漏掃缺頁、誤掃重復(fù)的現(xiàn)象，所以在制作過程中，需認(rèn)真仔細(xì)，每件文獻(xiàn)掃制完成后，要認(rèn)真查漏補缺，力求盡善盡美。如人力物力充足，可以投入編輯力量，進行二次文獻(xiàn)、三次文獻(xiàn)的創(chuàng)作與組合，根據(jù)具體需要，將零散的多個文獻(xiàn)整合成專題數(shù)據(jù)庫或大型數(shù)據(jù)庫，這樣才能夠進一步提升紙質(zhì)文獻(xiàn)的利用價值，而不是單純的把紙質(zhì)文獻(xiàn)轉(zhuǎn)為數(shù)字信息。

5.創(chuàng)建平臺，提供下載，促進傳播。最終數(shù)字化形態(tài)是電子圖書或數(shù)碼照片格式的廣東文獻(xiàn)，可存儲于服務(wù)器中，并建立相應(yīng)的網(wǎng)站，提供下載，并鼓勵下載者發(fā)表研究成果，互相討論、交流。如將部分廣東文獻(xiàn)制成數(shù)據(jù)庫形式，也應(yīng)面向互聯(lián)網(wǎng)開放，提供遠(yuǎn)程檢索功能，最好既能提供文本格式，又能提供對應(yīng)的圖像格式，以便檢核。當(dāng)然也可講數(shù)據(jù)庫制作成光盤形式，提供給相關(guān)的科研機構(gòu)，以便于廣東文獻(xiàn)的研究與嶺南文化的傳播。

總之，廣東文獻(xiàn)的數(shù)字化對于文獻(xiàn)的保藏、傳播、共享，對于嶺南文化的傳播、弘揚與研究，都有著積極而深遠(yuǎn)的意義。作為經(jīng)濟強省、文化大省的廣東，完全有能力，也有責(zé)任，積極推行廣東文獻(xiàn)數(shù)字化建設(shè)，為信息共享工程作出應(yīng)有的貢獻(xiàn)。

注釋：

①詳見廣東省立中山圖書館介紹：http://www.zslib.com.cn/html/lib_jianjie/20081014/67.html.

②詳見http://www.cadal.zju.edu.cn/Index.action.

③詳見愛如生網(wǎng)站介紹：http://www.er07.com/article/notice.jsp?typeId=23.

④藍(lán)佛安.關(guān)于廣東省2011年度省級預(yù)算執(zhí)行和其他財政收支的審計工作報告［N］.見網(wǎng)頁：http://www.rd.gd.cn/rdgz/jdgk/201207/t20120731_125789.html.

⑤詳見其網(wǎng)站：http://idp.nlc.gov.cn/.

⑥詳見http://www.er07.com/article/notice.jsp?typeId=378.

⑦駱偉.廣東文獻(xiàn)綜錄［M］.廣東：中山大學(xué)出版社，2000.