历史文献全文数字化--难点与解决方案

大。由于中易公司自行开发了多种软 万７千多个汉字的限制，实现了对符合 和笔画，使用鼠标即可完成汉字的 件，仅８个人在短时间内就顺利地完成 ＩＳＯ／ＩＥＣ １０６４６：２００３国际标准（同 输入。 了工作，令国图领导十分信服和满意。 Ｕｎｉｃｏｄ二４．０）的７万个汉字的显示、
２００３年９月１２日国家图书馆与中 输入、编辑、打印及照排输出等功能。
机难以完成的翻拍底片功能。想成功翻
电视机的水平扫描频率一般是
４）对非纯平的屏幕，要注意屏幕 拍底片要注意两点：一是相机对焦距离
１００Ｈｚ或５０Ｈｚ，所以如果快门速度高 自身造成的图像变形。避免这种现象的 要够近，二是光源要适合。另外还有一
于１／１００秒时，必然会出现快门与电视 方法是使数码相机离屏幕尽量远，同时 个不可或缺的拍摄器材，那就是亮度较
北京中易郑码新技术有限公司
都改变了一个模式。各学科、各行业均行的，广泛应用于近现代文献的数字化 （简称中易公司）长期从事中文信息全
应用信息科技作为辅助工具，以做到资工作中；一种是在７万甚至１０万汉字过程处理技术的软件开发和标准汉字库
源共享，快速反映，及时沟通和跨国界范围内，对历史久远的古籍进行全文数的设计与制作，在汉字字库、中文输入
引证文献(4条)
1.毛建军 古籍数字化研究的回顾与思考[期刊论文]-国家图书馆学刊 2007(03) 2.龚娅君 古籍文献数字化建设的几点思考[期刊论文]-现代情报 2008(12) 3.龚娅君,刘春金 中文古籍数字化建设[期刊论文]-浙江大学学报（人文社会科学版） 2006(04)
4.张承华 网络环境下信息服务模式构建研究——以古籍数字化建设为例[学位论文]硕士 2007
—ＤＩＧＩＴＡ函Ｌ ＆Ｍｊ， ＩＣＲＯ坚Ｇｋ ＲＡｐ－ 塑ｌＬ－ ＩｌＣ‘ ＩＭ避＾Ａ。 ＧＩＮ‘ Ｇ芷业争 之７ 彰
《郑码》荣获日内瓦国际发明金奖
历史支献舍支数字亿
一难点与解决方案
北京中易郑码新技术有限公司
信息科技的巨大影响力，在几年内 化有两种做法。一种是用字量在２万汉有专业技术才能解决。
将世界各国每一个层面的社会经济生活字范围内，利用ＯＣＲ汉字识别技术进
实现海量数据的资源整合、管理、
到２万多汉字，无法支持对大字符集的 法实现７万字及７万字以上的超大字符 调度、存储。
检索：
集汉字的输入。
实现古籍样貌（全文）在ＩＥ上再
●常用的输入法只支持对２万多字
《郑码》是国家语委的专家认可的 现，版式还原阅读清晰，更是重要的检
的输入；
遵循汉字规范的中文输入法，获得了中 索点。
易公司正式签署了《地方志》数字化 就是说，全部７万个汉字能够在Ｍｉ—
遵循大字符集标准的数万个四字节
工程委托协议书。
ｃｍｓｏｆｔ Ｏｆｆｉｃｅ等字处理软件中使用；可 字符编码构成的文字内容，可以建库、
兼容多语种平台，既可运行在英文、日 索引、关联检索。可以实现：海量数据
文等Ｗｉｎｄｏｗｓ平台上，也可与世界３０ 的快速检索；四字节搜索引擎，支持对
画面不同步的情况，结果就是所得画面 使用长焦距：
强的灯箱。如果翻拍的是负片，要用反
上有水平的黑纹。一般来说，在使用低
５）不要使用闪光灯：
转颜色的功能把底片变为正常颜色。反
于１／１００秒，高于１／５０秒的快门时，
６）对于投影仪（包括幻灯机）投 转颜色后的照片通常都会有一点偏色，
因为它不是５０Ｈｚ的整数倍，仍然会有 射的图像，因其亮度较低，要使用低速 因此要作大幅度的调校。如果是用Ｐｈｏ—
引用本文格式：北京中易郑码新技术有限公司 历史文献全文数字化--难点与解决方案[期刊论文]-数字与缩微影像
2005(1)
●版式复杂多样，难以实现自动还原； 国、英国和美国专利，获得日内瓦国际
提供易于阅读、研究的工具：对照
●很多历史文献不能采用ＯＣＲ技术 发明金奖和世界华人发明大奖等多项奖 原图、在线《康熙字典》全文版、书
●数字化后的数据需具有良好的通 励，为中文版Ｗｉｎｄｏｗｓ预装输入法。
签、笔记、放大镜等诸多工具。
黑纹。快门为１／５０秒或低于１／５０秒 快门；
ｔｏｓｈｏｐ，适度调整ｌｅｖｅ １值，一般可作
时，则会好很多。 除此以外，还需要注意以下几点：
７）还有一个使用ＬＣＤ的小技巧， 大部分的矫正。 就是在开始测光时，通过ＬＣＤ观察屏
１）要根据屏幕的种类仔细调整白 幕，如发现ＬＣＤ上有滚动的黑条，就
１８ １曩字与 万蛐方舅＿数２００据５
●若自行造字，在Ｉｎｔｅｒｎｅｔ上难以
馆际共建共享。检索方法有：全文检 索、选定范围检索、模糊检索、二次检 索（结果集再检索）、关联检索。
数据共享；
输入法是数字方志项目的难点之
●对于异形异体字需要规范和管理； 一，也是中文信息处理技术的关键技
●常用的二字节搜索引擎只能检索 术。拼音、五笔字型等输入法都没有办
如果在阳光下拍摄，则最好使用斜平衡，选择最接近的设置，如果要求比说明选用的快门速度过高，需要降低。
射的阳光。阳光下拍摄也可以加用反光较高，可以使用电视台播出的测试图自
板，但要防止产生阴影。
定义白平衡；
２）将屏幕的亮度调到最大；
３）要保证周围没有其他光源，以
用数码相机还可以实现一般传统相
免影响图像的亮度、对比度和色温；
中的１００万宇。《京畿地方志》中许多 由国家科技部ＩＴ领域首席科学家顾钧 输入法支持《康熙字典》所收集的４７，
纸页泛黄，字迹不很清晰，版式各式各 教授亲任组长，目前已顺利完成。《中 ０００个汉字的输入。此输入法使用方
样更是复杂，不但字数多且难度也更 易汉神ｅ》突破了当今电脑只能处理２ 便，不需要学习，通过查询汉字的部首
种数量的汉字级都一样适用（２万、７
Ｕｎｉｃｏｄｅ ４．０同）７万个国际标准编码
万、１０万、至更多），编码规则不变，
汉字的外字，中易公司成功地进行了数
重码少。
字化，见图１。
这个项目在２００１年列入《国家
中易公司同时还开发了《康熙部
试制的第二批是《京畿地方志》 ９７３信息技术与高性能软件规划项目》， 首输入法》同《郑码》配合使用。此
字库的输入系统。输入后检索速度快， 在海量数据中可以进行快速提取。《郑
的高难度的试样，中易公司两天就出色
码》将汉字拆分为不同的部件（字
地完成了任务。令国家图书馆非常满意
根），再按照规则进行给码，完全符合
的还有：在这１８页的“地方志”中，
国家语言文字规范，且具有通用性，各
有５个字是ＩＳＯ／ＩＥＣ １０６４６：２００３（与
万方数据
—ＤＩＧＴＡ—Ｌ＆ＭｊＩＣＲＯ鬯ＧＲＡＰ堕Ｈ１ＣＤＩＧＴＡＬ ＭＩＣＲＯＧＲＡＰＨｌＣ型ＩＭＡＧＩＮＧ馆ａｔ．业之彰 ＿－‘—＿ｌ孓７
数据交换打下基础。
多４码就能迅速地调用所有汉字的历史
难题，是目前唯一可以快速处理７万大
第一批试制的是１８页的《武功县 志》。这是一批具有眉批、大小字穿插
总结数字方志项目，在全文数字化 多种主要语种共存。它全面地解决了处 ＩＳ０／ＩＥＣ １０６４６：２００３（Ｕｎｉｃｏｄｅ ４．０）７
的过程中，主要有以下几个难点：
理大汉字符集的需要，也可以和国际互 万汉字的检索；可进行多库检索，支持
●大量的生僻字、异体字在现有系 联网联接实现全球浏览和检索。 统字库中不包括；
用性，兼容多语种平台，为全球浏览和
《郑码》解决了用２６个通用键最
遵循ＸＭＬ标准，多种输出格式，
万方数据 ２０ 矗字与＿＿＿■２００５
万方数据
历史文献全文数字化--难点与解决方案
作者： 作者单位： 刊名：
英文刊名： 年，卷(期)： 被引用次数：
ຫໍສະໝຸດ Baidu
北京中易郑码新技术有限公司
数字与缩微影像 DIGITAL & MICROGRAPHIC IMAGING 2005(1) 4次
交流。数字图书馆和大型电子文献资料字化，在这种古籍全文数字化的过程检索系统、系统支撑环境三大领域处于
库的开发和建设，近年来已成为～个热中，技术难点多，主要集中在输入方国际领先水平。
门项目，得到了高度重视。
法、字库字容量不足、如何实现全文检
中易的《计算机全汉字处理系统
中国历史文献数量庞大，全文数字索和通用标准的文件格式几个方面，只集成》可以在计算机上输入、编辑和 坐业业业ｊｋ誊簟业业业业誊｝斗亭船妊誊誊啦紫业业业誊业誊ａｔ－誓｝业誊誊业警船业妇誓业坐妇螺业誊啦业ｇ｝业