论文部分内容阅读
摘 要：针对电子文件作为数字信息资源长期保存面临的问题，对电子文件长期保存格式的选取，以及电子文件的永久可读性问题进行了论述。
关键词：计算机技术；信息化建设；电子文件
一、电子文件作为数字信息资源长期保存面临的问题
1、数字信息资源载体的寿命问题：数字信息资源都是以0和1的二进制方式存储在一定的物理载体上，如各种不同类型的磁盘、光盘等，其寿命就取决于这些物理载体的寿命。数字信息资源载体对存储环境的要求高，容易发生变质、损坏，遭受毁灭性损毁。数字信息资源载体需要黛县里相应的设备，才能判断其物理表象特征及其保存与使用状态。因此，数字化信息载体的保存和使用状况很难及时掌控，而载体是数字信息资源长期保存需要直接面对的问题之一。
2、数字信息资源对计算机软件的依赖性：数字信息资源必须依赖相应的计算机软件才能被人们所利用。
3、电子文件本身的特点：电子文件数量巨大、格式多样、使得对其进行长期保存面临较大的困难。在进行电子文件保存的过程中随时会遇到信息消失的问题，客观上影响了对电子文件系统持久的保存，影响对有价值电子文件的开发利用。
4、电子文件保存工作的复杂性：随着电子文件的日益增多，各国在电子文件保存方法上进行了大量有益的尝试和探索，许多实验项目已开展起来。从这些研究项目的运行来看，电子文件长期保存涉及政治、经济、法律、技术等各个方面，非一个机构或一个部门所能负担，仅靠一个机构或一个部门是无法完成的。
综上所述，由于电子文件本身的特点，长期保存时首先要选择合适的格式，我们要从保存需求分析入手，根据保存格式的选择标准，综合分析各种格式的利弊，最终选择最适于长期保存的文档格式，以保证电子文件的真实性和长期可利用性。
二、电子文件长期保存格式的选取
实际存储中W 格式为文档的主要保存格式。但是W 格式不适于长期保存，主要原因有二：（1）W ord是二进制的，即人不可读的形式。没有匹配的读取软件不能把文件内容从Word文档中提取出来。（2）Word是私有格式。尽管后来的 格式克服了 格式的上述两个缺点，但作为文档处理软件生成格式的固有弱点，它仍不适于长期保存。究其原因，也主要有二：（1）该格式主要是描述文件外观而不是结构。对于长期保存来说，文件的纸张大小、页面、字体等外观问题不甚重要，而对于文件被划分为几个部分、各部分之间的关系等结构问题对理解文件内容来说很重要；（2）该格式是扁平式的，即文件由标题和段落按顺序构成，而长期保存需要保存每个章节段落的深层次结构以及部分嵌入的内容。因为这种深层次的结构有助于结构检索和查询及文档格式转换。鉴于此，为了长期保存这些电子文件，我们需要把它们转换成适于长期保存的格式。
目前长期保存文档格式主要有两种：即PDF格式与基于XML的格式。
PDF文档是Adobe公司开发的一种文档格式。该格式的最大优点在于能如实地保留原有文件的内容与外观，而且容易生成，即可用Adobe Acrobat软件，也可用MicrosoK Word和Openoffice.orgWriter，它們都具有PDF的输出功能，此外，PDF 还具有支持联机、安全、交互式使用等优点。这些优点足以促使那些文档保管单位积极采用PDF作为主要的文档保存格式。
XML可扩展标识语言，是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件另以标识。它也是无标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。XML最大的优势在于对各种数据的管理。任何系统都可以通过XML的解析器来读取XML数据，因此安的数据可以通行各处，而不用担心系统不支持的问题。基于XML的格式也是一种理想的文档保存格式。首先它是开放的标准；其次，它使用标准的文字编码，能描述任何语言、任何事物；再次，它基于纯文本。这使它能长期被识读。XML的这些优点均有利于真实可靠地长期保存文档。
两者相比较而言，在长期保存文档方面，PDF不如XML适合保存文档，因为它的三项缺点对文档的长期保存来说都是致命的。此外，PDF的缺点还包括版本间的不兼容问题。
图纸电子文件保存时黑白图主要采用TIFF格式，彩图采用JPEG2000式。两种格式的主要特点为：1、TIFF是由Aldus和Microsoft公司为桌面出版系统研制开发的一种灵活的伴图图像枨，用于应用程序之间和计算机平台之间交换文件。实际上已被所有绘画、图像编辑和页面排版应用程序所支持，而且几乎所有桌面扫描仪都可以生成TIFF图像。TIFF支持多种编码方法，其中包括RGB无压缩、RLE压缩、LZW压缩、ZIP压缩、CCITT压缩等，6.0版本又增加了JPEG压缩选项。TIFF格式由于存储图像质量高非常有利于原稿的复制。另外，所有绘画、图像编辑和页面排版应用程序以及大多数扫描仪对TIFF格式都提供良好的支持，这使得 格式成为数字图像处理的最好选择。2、JPEG2000格式：JPEG2000于2001年正式成为国际标准。JPEG2000完全采用小波变换代替余弦变换，与JPEG相比，具备了更高的压缩比以及更多新功能，在文件大小相同的情况下，JPEG2000压缩的图像比JPEG质量更高，其压缩率比JPEG高30%左右，精度损失更小。
三、电子文件的永久可读性问题
电子文件格式种类繁多，找开方式多种多样，产生它位的软硬件环境也多种多样。对于一代又一代不同系统中生成的各种格式的电子文件，必须确保能够阅读，否则保存就失去了就有的意义。解决该问题的办法有：1、不断地将文件转换成当前通行的新文件格式，使之不至于因为软硬件平台的过时而无法阅读。2、采用一定的独立于任何计算机系统的统一格式存储文件。3、将电子文件连同生成该文件的软件及其运行该软件的操作系统和硬件一道保存起来。当然这些方法都还不是解决电子文件永久可读性问题的万全之策。我们在实践中只能在以上方法中选择损失信息较少，可行性较大的方法来作为现阶段的对策。目前，大多数人选择了第二种方法，他们舍弃了对原文件结构、格式的追求，而重点强调对原文件内容的踏实再现，在可能的范围内使用较为通用的编码格式。而对于那些特殊的，没有标准格式的电子文件采用第三种方法，暂时将其支持系统一并保存下来，等待有关标准的出台。另外，在目前电子文件数量较少的情况下，采用第一种方法也是可行的。
如今数字技术飞速发展，电子文件数据量越来越大，而数字信息的可存取性却变得非常脆弱。电子文件采用可长久存取的文件格式的优越性惠及数据创建者、数据管理者。因此，对于电子文件的长期保存问题，不仅需要电子文件制作者，还需要负责电子文件管理和长久存取的所有人员都特别重视，积极采取措施确保电子文件的长期存取。
作者简介：
邓国利（1980—），女，山东聊城，大学本科，学士学位，工程师。
关键词：计算机技术；信息化建设；电子文件
一、电子文件作为数字信息资源长期保存面临的问题
1、数字信息资源载体的寿命问题：数字信息资源都是以0和1的二进制方式存储在一定的物理载体上，如各种不同类型的磁盘、光盘等，其寿命就取决于这些物理载体的寿命。数字信息资源载体对存储环境的要求高，容易发生变质、损坏，遭受毁灭性损毁。数字信息资源载体需要黛县里相应的设备，才能判断其物理表象特征及其保存与使用状态。因此，数字化信息载体的保存和使用状况很难及时掌控，而载体是数字信息资源长期保存需要直接面对的问题之一。
2、数字信息资源对计算机软件的依赖性：数字信息资源必须依赖相应的计算机软件才能被人们所利用。
3、电子文件本身的特点：电子文件数量巨大、格式多样、使得对其进行长期保存面临较大的困难。在进行电子文件保存的过程中随时会遇到信息消失的问题，客观上影响了对电子文件系统持久的保存，影响对有价值电子文件的开发利用。
4、电子文件保存工作的复杂性：随着电子文件的日益增多，各国在电子文件保存方法上进行了大量有益的尝试和探索，许多实验项目已开展起来。从这些研究项目的运行来看，电子文件长期保存涉及政治、经济、法律、技术等各个方面，非一个机构或一个部门所能负担，仅靠一个机构或一个部门是无法完成的。
综上所述，由于电子文件本身的特点，长期保存时首先要选择合适的格式，我们要从保存需求分析入手，根据保存格式的选择标准，综合分析各种格式的利弊，最终选择最适于长期保存的文档格式，以保证电子文件的真实性和长期可利用性。
二、电子文件长期保存格式的选取
实际存储中W 格式为文档的主要保存格式。但是W 格式不适于长期保存，主要原因有二：（1）W ord是二进制的，即人不可读的形式。没有匹配的读取软件不能把文件内容从Word文档中提取出来。（2）Word是私有格式。尽管后来的 格式克服了 格式的上述两个缺点，但作为文档处理软件生成格式的固有弱点，它仍不适于长期保存。究其原因，也主要有二：（1）该格式主要是描述文件外观而不是结构。对于长期保存来说，文件的纸张大小、页面、字体等外观问题不甚重要，而对于文件被划分为几个部分、各部分之间的关系等结构问题对理解文件内容来说很重要；（2）该格式是扁平式的，即文件由标题和段落按顺序构成，而长期保存需要保存每个章节段落的深层次结构以及部分嵌入的内容。因为这种深层次的结构有助于结构检索和查询及文档格式转换。鉴于此，为了长期保存这些电子文件，我们需要把它们转换成适于长期保存的格式。
目前长期保存文档格式主要有两种：即PDF格式与基于XML的格式。
PDF文档是Adobe公司开发的一种文档格式。该格式的最大优点在于能如实地保留原有文件的内容与外观，而且容易生成，即可用Adobe Acrobat软件，也可用MicrosoK Word和Openoffice.orgWriter，它們都具有PDF的输出功能，此外，PDF 还具有支持联机、安全、交互式使用等优点。这些优点足以促使那些文档保管单位积极采用PDF作为主要的文档保存格式。
XML可扩展标识语言，是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件另以标识。它也是无标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。XML最大的优势在于对各种数据的管理。任何系统都可以通过XML的解析器来读取XML数据，因此安的数据可以通行各处，而不用担心系统不支持的问题。基于XML的格式也是一种理想的文档保存格式。首先它是开放的标准；其次，它使用标准的文字编码，能描述任何语言、任何事物；再次，它基于纯文本。这使它能长期被识读。XML的这些优点均有利于真实可靠地长期保存文档。
两者相比较而言，在长期保存文档方面，PDF不如XML适合保存文档，因为它的三项缺点对文档的长期保存来说都是致命的。此外，PDF的缺点还包括版本间的不兼容问题。
图纸电子文件保存时黑白图主要采用TIFF格式，彩图采用JPEG2000式。两种格式的主要特点为：1、TIFF是由Aldus和Microsoft公司为桌面出版系统研制开发的一种灵活的伴图图像枨，用于应用程序之间和计算机平台之间交换文件。实际上已被所有绘画、图像编辑和页面排版应用程序所支持，而且几乎所有桌面扫描仪都可以生成TIFF图像。TIFF支持多种编码方法，其中包括RGB无压缩、RLE压缩、LZW压缩、ZIP压缩、CCITT压缩等，6.0版本又增加了JPEG压缩选项。TIFF格式由于存储图像质量高非常有利于原稿的复制。另外，所有绘画、图像编辑和页面排版应用程序以及大多数扫描仪对TIFF格式都提供良好的支持，这使得 格式成为数字图像处理的最好选择。2、JPEG2000格式：JPEG2000于2001年正式成为国际标准。JPEG2000完全采用小波变换代替余弦变换，与JPEG相比，具备了更高的压缩比以及更多新功能，在文件大小相同的情况下，JPEG2000压缩的图像比JPEG质量更高，其压缩率比JPEG高30%左右，精度损失更小。
三、电子文件的永久可读性问题
电子文件格式种类繁多，找开方式多种多样，产生它位的软硬件环境也多种多样。对于一代又一代不同系统中生成的各种格式的电子文件，必须确保能够阅读，否则保存就失去了就有的意义。解决该问题的办法有：1、不断地将文件转换成当前通行的新文件格式，使之不至于因为软硬件平台的过时而无法阅读。2、采用一定的独立于任何计算机系统的统一格式存储文件。3、将电子文件连同生成该文件的软件及其运行该软件的操作系统和硬件一道保存起来。当然这些方法都还不是解决电子文件永久可读性问题的万全之策。我们在实践中只能在以上方法中选择损失信息较少，可行性较大的方法来作为现阶段的对策。目前，大多数人选择了第二种方法，他们舍弃了对原文件结构、格式的追求，而重点强调对原文件内容的踏实再现，在可能的范围内使用较为通用的编码格式。而对于那些特殊的，没有标准格式的电子文件采用第三种方法，暂时将其支持系统一并保存下来，等待有关标准的出台。另外，在目前电子文件数量较少的情况下，采用第一种方法也是可行的。
如今数字技术飞速发展，电子文件数据量越来越大，而数字信息的可存取性却变得非常脆弱。电子文件采用可长久存取的文件格式的优越性惠及数据创建者、数据管理者。因此，对于电子文件的长期保存问题，不仅需要电子文件制作者，还需要负责电子文件管理和长久存取的所有人员都特别重视，积极采取措施确保电子文件的长期存取。
作者简介：
邓国利（1980—），女，山东聊城，大学本科，学士学位，工程师。