探访文溯阁《四库全书》数字化影印出版工程

    引 子

    登临兰州北山九州台，甘肃省图书馆文溯阁《四库全书》藏书馆跃入眼帘——馆楼飞檐翘角，踞北山而瞰黄河。

    自正门入楼，穿鞋套，做登记，进书库。书库恒温恒湿，1128个香樟木书箱层层叠叠，收录典籍6141函、3474种、36315册的文溯阁《四库全书》就安放于箱中。

    《四库全书》编纂于清代乾隆年间，是我国历史上规模最大的丛书，修成后誊抄7部，分藏于紫禁城文渊阁、圆明园文源阁、盛京（今沈阳）文溯阁、承德避暑山庄文津阁、杭州文澜阁等地。目前存世三部半，分别为文渊阁本、文溯阁本、文津阁本，以及被称为“半部”的文澜阁残本。其中，文溯阁本辗转多地，于2006年入藏现在的藏书馆，也是“三部半”中唯一尚未完整影印出版的一部。

    为了让书写在古籍里的文字活起来，经过长期缜密的筹划论证，2021年8月，甘肃省正式启动文溯阁《四库全书》数字化影印出版工程。

    目前，文溯阁《四库全书》数字采集工作已全部完成，数据处理工作完成70%。从现在起至2028年，文溯阁《四库全书》将按经、史、子、集四部，分期分批推出全套影印版本。

    数字采集

    约8亿字的文溯阁《四库全书》共有多少页？数字化之前鲜有人知。

    “换算为现代书籍页码，共488万多页。”文溯阁《四库全书》数字化影印出版专职工作组组长宋学娟说。

    作为读者出版集团有限公司所属的读者古籍数字科技中心总经理，宋学娟过去两年多时间带领团队把文溯阁《四库全书》从纸上“搬进”了电脑——逐页扫描、存入，数据资源总量逾700TB（太字节）。“如果用常见的容量32GB的U盘存储，需要2.2万多个才能装下。”宋学娟说。

    文溯阁《四库全书》既是历史典籍，又是珍贵文物。若藏于高阁，难以活化利用；若活化利用，又有损坏之虞。如何破解“藏”“用”两难？2021年8月，甘肃省委宣传部制定《文溯阁〈四库全书〉数字化影印出版工作重启方案》，力求在保护的同时“唤醒”古籍。

    古籍真本由甘肃省图书馆提供，数据采集处理、影印出版等工作由读者出版集团有限公司具体实施。数字化影印出版工程分为“数字采集—数据处理—影印出版及数据库建设”3个阶段。所需经费，部分由中央文化产业发展专项资金、甘肃省财政资助，部分由读者出版集团有限公司自筹。

    数字采集，免不了要接触古籍真本，如何确保其安全无损？甘肃省图书馆和读者出版集团有限公司制定了周密完善的采集方案、流程规范和相关作业标准，“54条数字化工作流程规定，涵盖前期准备、文献出库、数据处理等全部流程。”宋学娟介绍。

    2021年12月23日，开机扫描；2022年5月23日，采集告竣。“整整5个月，经过人员倒班，实现每天工作16个小时、一天未休。古籍没有丝毫受损，函盒没有增加一道划痕。”阳光透过窗口，洒在黄底黑字的《文溯阁〈四库全书〉数字化工作手册》上，宋学娟长舒一口气。

    数据处理

    数字文件与古籍真本如同孪生，最大程度呈现古籍原貌

    偌大的房间里，数十名工作人员神情专注、紧盯屏幕，只听见键盘敲击声此起彼伏。在读者古籍数字科技中心的数据处理室，采集来的文溯阁《四库全书》数据，将被加工成标准的数字文件，供后续影印出版和数据库建设之用。

    “数据处理有4道流程，图版处理、一校、二校和质检存储。”宋学娟介绍，其中图版处理是关键，主要工作是拼接完整“叶”。

    叶，古籍特有的量词。不同于现代书籍，古代纸张多为单面印刷，一张纸即为一叶，书册由一叶一叶对折后装订而成。一叶，相当于现代书籍的两页。所以，数字采集到的扫描件实则都是半叶，图版处理就是让它们合二为一。

    “最初，我们先在电脑上制作一个标准叶模板，再利用智能软件，从扫描件上提取文字，贴在模板上。”宋学娟告诉记者，但实际操作中发现，智能软件可能会漏字、识错字，且原本每一叶的版式不尽相同，模板统一后，有“失真”之嫌。

    数字文件与古籍真本，如何保持孪生一般的相同面貌？“我们摒弃了标准模板，选择了逐叶拼接，最大程度呈现古籍原貌。”宋学娟说。

    图版处理不易，校对任务也很繁重。文溯阁《四库全书》数据校对人员张静从事古籍校对工作已有10年，但从未校对过如此海量内容。利用数字技术能够提速，但一些讹误很难被发现。

    不久前，张静在校对时发现，一个“丸”字疑为“九”字。经仔细核校后确认，果然是因为古籍宣纸里的植物纤维发生霉变，扫描时多出了这一“点”。

    起初，一天校对300叶是张静的上限。“刚开始时平均用力，耗时较多。”她说，而今这个数字翻了近3倍，“慢慢地，哪里容易出错、哪里容易变色，心里都有了数，效率提高不少。”

    为明确权责，避免误操作，从图版处理到一校、二校，再到最后的质检存储，文溯阁《四库全书》数据处理是条“单行道”。电脑之间不能互相访问，数据传给下一流程后，前一流程的人员将无权再改。

    “在数据处理程序软件和制度流程上，我们有一套完整设计，确保数据资源安全。”宋学娟输入账号、密码，登录数字化成果管理系统，所有成品文件呈现在眼前，函盒编码、书名、作者、朝代，以及长、宽、高和册数等基本信息，都有详细记录。“我们争取今年内基本完成图版处理工作。”她说。

    影印出版

    不少图书馆、藏书机构等正虚位以待，静待“四阁四库合璧”

    文溯阁《四库全书》影印出版，汇聚了社会各界的期待。

    西北师范大学教授赵逵夫全程参与了文溯阁《四库全书》影印出版工程专家论证会。他说，《四库全书》现存不同版本在内容、册数、卷数上皆有不同，通过数字化影印出版，方便学者比对研究，意义重大。

    兰州大学教授汪受宽也持相同观点。他曾用两年时间，带着学生对甘肃省图书馆编印的《影印文溯阁四库全书四种》进行整理、标点和精细校勘，并将收录其中的《易图说》《长安志图》《墨法集要》《璇玑图诗读法》这4种（每种各1册）书，跟文渊阁本进行对比，发现两个版本的文字、图片等存在901处差异。

    “4册书就有这么多差异，3.6万多册会是什么样？”汪受宽说，“文溯阁《四库全书》影印出版，将对文化史、史学史、文献学研究等都产生重要影响。”

    原彦平说，文溯阁《四库全书》多达3.6万余册，数据采集、处理、编辑、出版等投入大，且多为手工完成，成本高，发行对象则主要为图书馆、文化馆、高校、研究院所等专业机构和为数不多的研究者。

    2024年1月3日，文溯阁《四库全书》经部影印出版专题工作会议召开，确定了出版方案——缩印、16开本、236册。“我们将按经、史、子、集四部，分期分批推出缩印本。如果全套出齐，预计共1500册。”原彦平说。

    （《人民日报》5.31 董洪亮 王锦涛）