刘聪明

（清华大学图书馆，北京 100084）

刘聪明 男，1970年生。本科学历，馆员。

长期以来，古籍文献存在着“藏”与“用”的矛盾，数字环境下这一矛盾日益突出。图像处理技术、存储技术以及信息检索技术的发展与完善，为矛盾的有效解决创造了良好的技术条件，古籍数字化成为古籍文献开发利用的总趋势。近年来，随着全文检索技术的发展，建设全文数据库成为古籍数字化的主要形式。

1 古籍全文数据库的现状

古籍全文数据库是指以计算机可读的字符代码形式或以古籍文献页面扫描的影像形式存贮古籍文献正文内容，计算机可进行处理与查询的数据库[1]。与古籍书目数据库相比，古籍全文数据库有了很大的进步，目前主要有文本全文数据库、图像全文数据库以及图加文全文数据库。

1.1 文本全文数据库

文本全文数据库是古籍全文数据库早期的形式，主要是通过人工将古籍全文录入数据库，再进行分类标引形成可检索的全文数据库。其最大的优势是为使用者提供了文本格式的古籍全文，可以实现全文检索，能够进行文本复制、字词统计等操作，占用的存储空间较小。其不足之处是古籍文献中的文字相当复杂，不仅有篆、隶、楷、行、草等书体之异，更有繁、简、俗、异、古等文字之别，人工输入不仅量大难度高，而且错讹难免，有失原貌，无校勘价值[2]。也就是说文本古籍数据库为利用者提供的是一种与古籍的原始面貌截然不同的全新形式，使用者如果研究版式、印刷、批注、印章等信息必须查阅原始古籍。……