中华书局推进古籍数字化：让中华经典“活起来”

      日前，中华书局研发完成“中华经典古籍库”第一期数字化成果，完成自有版权的300种共2亿字古籍的数字化，包括了中国传世典籍的最核心部分。这一数据库将依托全国十几家图书馆的平台向公众开放，让中华经典跃然屏幕，让文化真正“活起来”。
　　完成这2亿字，中华书局用了十年。

　　 古为今用：传承中华文化的时代担当
　　打开中华书局“中华古籍数据库”，黄褐色的界面充满古典感和文化气息，左侧的目录栏里，各本古籍按照“经”“史”“子”“集”分类排列，纲举目张，条理清晰。
　　这一数据库保留了标点、校勘、专名、注释等全部整理成果，提供原书扫描图像页与数字文本一一对照，公众将拥有可靠、可直接引用的数字化古籍，实现了中国高质量古籍整理图书的数字化。
　　浩瀚的文字背后，是烦琐的古籍整理和精细的后期数据加工工作。
　　早在2003年，中华书局便成立古籍资源部，开展“中华古籍语料库”项目的研制开发，当时还完全没有“数字出版”的概念，古籍资源部主要从事古籍的数字化编辑加工，用6年时间将3亿字的整理本古籍做数字化处理，完成了初步的平台建设和语料积累。
　　这些语料积累，源自中华优秀传统文化和典籍作品。我国浩繁的文化典籍，是中华民族政治、经济、历史、文化和民族精神的重要载体。据专家估计，中国存世古籍总计在20万种以上，如果计入碑刻、家谱等，数量更多。
　　“这些存世古籍负载着厚重的中华文明，凝聚着民族智慧，是祖先留给我们的精神遗产。”中华书局总经理徐俊说，弘扬中华民族的优秀文化，为学术研究和广大读者提供高质量的基本古籍，是中华书局长期致力的目标。

      内容为王：秉持精益求精的文化品格
　　20世纪90年代，古籍数字化开始在我国起步，随着网络的普及，古籍数字化迅速兴起。
　　在古籍数字化欣欣向荣的同时，我们也看到，目前我国古籍数字化在数据质量、数据内容等方面存在诸多问题。个别数字化资源随意节选，以讹传讹，对读者产生了误导；很多古籍数字出版物没有获得合法著作权、网络盗版猖獗，成为知识发展的重大障碍。
　　“在目前的数字出版界，始终存在一种争议，那就是数字出版应坚持技术为王还是内容为王？”中华书局副总编辑顾青介绍说，“我们在做古籍数字化之前，首先明确了这个问题，确定了‘内容为王、质量至上’的原则。”
　　对此，徐俊也明确指出：“保证数字产品的合法性和基本质量，是古籍专业社应该做的事，但也正是版权和质量这两点使得专业社古籍库产品研发步履维艰。”
　　顾青介绍说，由此，我们确定了古籍数字化的几个基本理念：一是古籍数字化一定要以古籍整理为基础，做到内容准确；二是古籍数字化产品必须要拥有合法著作权，确保法律上无瑕疵；三是古籍数字化一定要方便读者使用，让古籍从书页中走到屏幕上来。

　　 攻克难关：打造数字出版的百年老店
　　“我们点开右侧的‘人名信息关联’功能，输入‘曹操’这个人名，便会出现这个古籍库中所有曹操的人名、别名信息，这对于学者的研究很有帮助。”中华书局市场部主任翁向红说。
　　然而，外人却很难了解，在这背后，数据编辑工作人员付出了怎样的艰辛。
　　“这就意味着，编辑人员需要在数据底层把人名、地名、年代等信息都归纳标引出来，再编成可供读者检索的程序，这个工作需要有深厚的专业功底，做到专业领先，同时要攻克技术难关。”徐俊介绍。
　　为了破解古籍数字化中遇到的难题，中华书局投入了大量精力参与计算机用字规范项目的建设，如“中华字库”“国家数字图书馆汉字规范处理项目”“新闻出版用大字符集”等项目。“通过这些项目的建设，我们规范了计算机古籍用字，积累了大量的汉字属性数据，为古籍数字化的工作提供了基础。也正是有了这些基础，“中华经典古籍库”的造字工作才能顺利展开。”顾青说。
　　为做到数据持续更新，“中华经典古籍库”计划每年推出一辑数据包，持续收录新出版的优秀整理本古籍，在保证质量的基础上有序扩充数据量，同时不断进行数据的修订与完善。
　　徐俊认为，未来，古籍数字化需要政府、企业、社会三方面努力，为数字出版营造良好的政策和法律环境，让优秀中华文化走出书本，得到更好地使用和传承。