山西省长治市图书馆数字图书馆资源建设变更公告

数字图书馆资源建设

A、数字图书馆资源建设之地方图书数字化全文识别加工

资源数字化数量：20000页

1、元数据加工标准

1.1规范性引用文件

下列文件对于本规则的应用是必不可少的。

《中国文献编目规则》（第二版）

《GB/T25100-2010 信息与文献 都柏林核心元数据》

《信息资源的内容形式和媒体类型标识》（GB/T3469-2013）

1.2著录对象

以数字化文献为著录对象。一般以具有独立名称、并可独立使用的一个数字资源为著录单位。

图书的著录单位为一种图书。对于多部分资源，一般可自由选择综合著录或分散著录。

1.3著录信息源

著录信息源是资源本身。资源本身是著录的首选来源。资源本身信息不足，可参考其他信息源。

1.4著录用文字

题名、责任者等取自资源本身的信息一般按资源本身的文字著录。

由编目员进行描述或标引的信息均采用简体中文著录。

有规范或规定编码标准的要求按标准著录，如：语种、中图分类。

日期用阿拉伯数字著录。

推荐采用ISBD著录标识符。

一个著录项中多个著录内容之间以半角分号分隔。

1.5元数据著录简表

必备项为：加工编号、正题名、中图分类、主题词或关键词、摘要、内容形式、媒体类型、格式、页码、语种、适用对象、CDOI、数据提交单位、所属任务年份，共计13项；有则必备项为：其它提名、责任者名称、责任方式、附注、出版者名称、出版地、出版日期、关联、时间范围、空间范围、版本、ISBN、统一书号、发布地址，共计14项。

2、图像数字化标准和命名规则

2.1图像扫描加工

扫描前根据国际色彩协会（International Color Consortium，简称ICC）标准，做加工设备的基本色彩校正，及针对各类型文献进行色彩校正；

逐页扫描；

黑白页和灰度页用灰度方式扫描

色彩位深：8 位

分辨率：300 dpi；小于5号字体用400 dpi

档案典藏级格式：TIFF 不压缩

发布服务级：PDF（经过 JPEG2000 压缩后，再做格式转换）

彩色页用彩色方式扫描

色彩位深：24 位

分辨率：300 dpi；小于5号字体用400 dpi

档案典藏级格式：TIFF 不压缩

发布服务级格式：PDF（经过 JPEG2000 压缩后，再做格式转换）

纠偏处理。对出现偏斜的图像进行纠偏处理，图像歪斜度不可以超过一度，对方向不正确的图像进行旋转还原，以符合阅读习惯；

去污处理。对图像页面中出现的影响图像质量的杂质如黑边等进行去污处理；

图像拼接。若原文献幅面较大，无法整体采集的，可将原件分画幅采集（分画幅采集时，注意各拍摄区域边缘须留有一定的重复采集区域，以保证拼接完成后所有接缝处连贯完整），服务级文件进行拼接处理，合并为一个完整的图像，以保证数字文件的整体性（合并信息应在readme.txt进行说明）。

2.2图像文件质量要求

图像文件（各种格式）放大到1：1状态，逐页检查。检查文件是否有彩点、彩线、太淡、太浓、黑边、污点、歪斜、模糊（马赛克等）或图像内容不完整等现象。若不符合图像质量要求应进行图像校正或重新扫描；

图像文件真实反映原件，同册图书的图像尺寸相同，不得有失真现象；不能有缺页、错页、数据内容缺失等现象（原件有缺失的除外）；

档案典藏级图像，允许进行适当的纠偏，去污等处理，以不压缩标准格式存档。发布服务级的图像，为有损压缩图像格式，一页为一个PDF文件，在转换工作中应在图像轮廓清晰可读的前提下（可放大到实际尺寸检查判定），尽量减小数据量；

图像符合扫描规格要求和技术参数；

所有文件保存位置以及文件命名正确,同一流水号不得有跳号情况，可以有效打开和显示；

图像的综合错误率不超过1‰。

2.3命名规则

2.3.1加工编号（book_id）

文献数字化加工过程中一册文献的唯一标识，它由11位数字和1位下划线组成。

文献基本资料类型（1位）、文献语种（1位）、任务年（2位）、机构代码（4位）、下划线（1位）、单位内部流水号(3位)。

本规则针对地方图书的文献基本资料类型为（0：图书），文献语种为（1：中文），任务年为公元年后两位数字（16年项目统一为16），机构代码见《推广工程数字资源联合建设机构代码》，单位内部流水号由各单位自行分配，从1开始，不足3位以0补齐。

例：01160000_001

2.3.2图像文件名

文件后缀名为小写字母

前封（含封一、封二）

扫描文件名为Axxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。

前附页

目录页之前的前附页扫描文件名为Bxxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。

目录页之后的前附页扫描文件名为Dxxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。

目录页

扫描文件名为Cxxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。

正文

有页码的正文扫描文件名为Txxxxx_00,其中xxxxx为5位数字,与原书页号一致，按原书顺序依次排序。当存在大幅图像需分区扫描时其文件命名为Txxxxx_00zz，其中zz为数字，表示扫描图像分区，按扫描顺序排序，对应的发布服务级进行合并后命名为Txxxxx_00。例如：该图在原书的第28页，该图分成4个画幅，则4个画幅的扫描文件名分别为T00028_0001.tif、T00028_0002.tif、T00028_0003.tif、T00028_0004.tif，拼接后的发布级图像文件名为T00028_00.pdf。

正文中插页扫描文件名为Txxxxx_yy，其中xxxxx为5位数字,表示插页的前一页顺序号,yy为数字，表示插页，并按原书顺序依次排序。当插页中存在大幅图像需分区扫描时其命名为Txxxxx_yyzz，yy为数字，表示插页；zz为数字，表示扫描图像分区，按扫描顺序排序，对应的发布服务级图像进行合并后命名为Txxxxx_yy。例如：一张图夹在20页、21页之间，且该图分成4个画幅扫描，则4个画幅的扫描文件名分别为T00020_0101.tif、T00020_0102.tif、T00020_0103.tif、T00020_0104.tif，将4个画幅拼接后，该图的文件名为T00020_01.pdf。

后附页

扫描文件名为Yxxxxx_00，其中 xxxxx为5位数字，按原书顺序依次排序。

后封（含封三、封四）

扫描文件名为Zxxxxx_00，其中xxxxx为5位数字,按原书顺序依次排序。

3、TXT文本标准

对图像数据逐页进行ocr识别，每页生成一个对应的TXT文件，文件命名与TIFF图像一致，后缀名小写。文本转换数据的准确率平均应达到90%以上。

4、数据库标准

4.1数据库命名

对象数据所对应数据库。数据库名由8位数字组成：

文献基本资料类型（1位）、文献语种（1位）、任务年（2位）、机构代码（4位）。

例：01160000.mdb

4.2数据库制作

4.2.1 对marc数据进行加工处理，制作文献基本信息表（book）。

4.2.2目录信息著录，生成文献目录信息表(catalog)。

4.2.3 文献版权页著录，生成文献版权信息表(copyright)。

4.2.4 不带页号插图信息著录，生成文献插页信息表(inset)。

注：图书中有夹页时，对该表字段进行标引。

4.2.5 文献缺页信息著录，生成文献缺页信息表(lostpage)。

注：图书有缺失页时，对该表字段进行标引。

4.2.6 文献结构信息著录，生成文献结构信息表(struct)。

注：起始页号均为文献印刷页码

4.2.7 记录扫描分辨率、压缩因子、文件数量、存储量等信息，生成文献加工信息表(process)。

4.3 数据库制作要求

数据库的制作符合下列要求。

（1）文件格式为mdb格式;

（2）使用字符集为UTF-8;

（3）著录信息应严格按照文献实际内容进行描述，所著内容与对象文件应正确链接;

（4）数据库字段各类表格等内容严格按照规定和样例版式;

（5）著录中遇到无法录入的生僻字、公式、符号等内容用“〓”表示。同时将“〓”所对应图像文件保存在档案典藏级数据内，以“〓”命名的文件夹内，建立方法：

子目录内应包含所有用“〓”表示的图像文件；

图像文件删除其他信息，仅保留“无法录入的内容”所在行的信息，tif不压缩格式，图像命名不变;

多个用“〓”表示的内容对应同一个图像时，仅保存一个图像文件;

（6）各种著录的文字、符号、版式、位置和文件名称准确，其综合错误率不超过0.3‰。

5、说明文件

5.1制作文献的说明文件

说明文件格式：Microsoft Excel

说明文件命名：由8位组成：文献基本资料类型（1位）、文献语种（1位）、加工年（2位）、机构代码（4位）。如：01160000.xls

（说明文件的5张表需保存在同一个Excel文件的不同工作表中，每个工作表按下列表命名）。

5.1.1数据总体说明表

5.1.2保存级对象数据硬盘存储清单

5.1.3发布级PDF对象数据硬盘存储清单

5.1.4发布级TXT对象数据硬盘存储清单

5.1.5图书单册数据量统计表

5.2 制作每册文献和保存数据介质的说明文件

6、存储规则

6.1 存储介质及命名

存储介质为硬盘，硬盘命名由8位组成：

文献基本资料类型（1位）、文献语种（1位）、加工年（2位）、机构代码（4位）。

6.2数据存储规则

存储内容包括：TIFF图像、PDF、TXT文本、对应数据库、说明文件、介质说明文件，书目数据文件各一份。

各类型对象数据按加工编号递增顺序依次放置在硬盘内，保存目录及文件名由四级组成：

第一级目录为加工编号的前8位，如01160000，同时将介质说明文件并行保存(readme.txt)；

第二级目录为TIFF,PDF,TXT同时将对应数据库（01160000.mdb）、说明文件（01160000.xls）、书目数据文件（01160000.iso）并行保存；

第三级目录为加工编号；

第四级目录为相应格式的对象数据文件，需要相应的单册文献的说明文件。

7、加工成品数据的文献管理平台功能要求

1.该发布系统需具备完善的数字图书馆资源管理和发布软件技术平台,包括数字资源发布、检索、阅读、管理、采集、制作、下载以及用户交互等功能。资源类型包括图书、期刊、论文以及自建数据库，并且实现在图书，期刊，论文、自建库的统一的检索和获取。平台功能成熟，检索方便快捷，具备多种途径的单项检索、组合条件检索。

2.能够兼容国家863计划中国数字图书馆示范工程标准PDG格式的电子图书文献资源，技术上能够做到整合到同一平台中，同时支持转换PDF、PDG、PNG、Word格式的文档资料为网页版阅读方式，方便大多数用户使用习惯。同时实现不同格式的文档转换，所有图书均可实现文字图像复制摘录和图书无损缩放。支持元数据检索、目次检索、全文检索等多种检索方式，友好统一的用户界面，提供各种高级的检索功能，具有突出的检索性能。

3.该系统需具备独立完善的管理平台，管理功能全面，具备基本状态、流量分析、用户管理、排行管理、IP范围管理、图书管理、反馈需求管理、公告问题管理、频道专题管理、页面模板风格管理等功能；能实现自建特色库，系统具有良好的开放性和兼容性，除电子图书外还可以支持音频、视频、期刊、专题数据库、标准、网站信息等的使用。

4.不限制使用用户个数，无下载量限制，软件无用户数或使用次数限制；可以进行资源管理，包括推荐资源，查询，分类管理、设置；可以自行修改用户的访问权限和局域网IP范围。

5.提供原厂开发的数字图书馆软件系统一套，免费对数据库及相关软件系统的安装、调试、培训与维护。

6.平台提供IP和用户名两种身份认证和权限管理方式，图书馆设有外网地址的情况下可以实现镜像平台的外网账号访问；具有强大的查询检索、图书推荐、图书排行、访问量统计等功能，并支持页面定制。

B、数字图书馆资源建设之地方报纸数字化及篇名识别加工

建设数据量：5000版

1、元数据加工标准

1.1规范性引用文件

下列文件对于本规则的应用是必不可少的。

《中国文献编目规则》（第二版）

《GB/T25100-2010 信息与文献 都柏林核心元数据》

《信息资源的内容形式和媒体类型标识》（GB/T3469-2013）

1.2著录对象

以数字化文献为著录对象。一般以具有独立名称、并可独立使用的一个数字资源为著录单位。

报纸的著录单位为一种报纸。

对于连续性资源的著录对象是否发生改变，可依据题名、发行者、版本等的变化情况进行判断，具体规则参照《中国文献编目规则》（第二版）。

1.3著录信息源

著录信息源是资源本身。资源本身是著录的首选来源。资源本身信息不足，可参考其他信息源。

报纸的著录信息源是本题名下第一期或第一部分，若无法获得本题名下第一期或第一部分，应以可获得的最早发行的一期或部分著录。

1.4著录用文字

题名、责任者等取自资源本身的信息一般按资源本身的文字著录。

由编目员进行描述或标引的信息均采用简体中文著录。

有规范或规定编码标准的要求按标准著录，如：语种、中图分类。

日期用阿拉伯数字著录。

推荐采用ISBD著录标识符。

一个著录项中多个著录内容之间以半角分号分隔。

1.5元数据著录简表

必备项为：加工编号、正题名、中图分类、主题词或关键词、内容形式、媒体类型、格式、语种、适用对象、出版频率、馆藏范围、CODI、数据提交单位、所属任务年份，共计14项；有则必备项为：其它提名、附注、出版者名称、出版地、开始日期、终止日期、关联、时间范围、空间范围、ISSN、统一刊号、发布地址，共计12项。

2图像数字化标准和命名规则

2.1图像扫描加工

扫描前根据国际色彩协会（International Color Consortium，简称ICC）标准，做加工设备的基本色彩校正，及针对各类型文献进行色彩校正；

逐版扫描；

黑白页和灰度页用灰度方式扫描

色彩位深：8 位

分辨率：300 dpi

档案典藏级格式：TIFF 不压缩

彩色页用彩色方式扫描

色彩位深：24 位

分辨率：300 dpi

档案典藏级格式：TIFF 不压缩

纠偏处理。对出现偏斜的图像进行纠偏处理，图像歪斜度不可以超过一度，对方向不正确的图像进行旋转还原，以符合阅读习惯；

去污处理。对图像页面中出现的影响图像质量的黑边等进行去污处理。

2.2图像文件质量要求

图像文件放大到1：1状态，逐版检查。检查文件是否有彩点、彩线、太淡、太浓、黑边、污点、歪斜、模糊（马赛克等）或图像内容不完整等现象。若不符合图像质量要求应进行图像校正或重新扫描；

图像文件真实反映原件，同种报纸图像尺寸相同，不得有失真现象；按版次顺序由小到大，符合阅读习惯，不能有缺版、错版、数据内容缺失等现象（原件有缺失的除外）；

图像符合扫描规格要求和技术参数；

所有文件保存位置以及文件命名正确，可以有效打开和显示；

图像综合错误率不超过1‰。

2.3命名规则

注：档案典藏级文件（TIFF格式）与其相应的发布文件（双层PDF格式和XML格式）命名规则相同，这里仅以TIFF格式文件为例，文件后缀名均为小写。

2.3.1加工编号

加工编号是报纸数字化加工过程中一种报纸的唯一标识号，由11位数字和下划线组成。文献基本资料类型（1位）、文献语种（1位）、任务年（2位）、机构代码（4位）、下划线（1位）、单位内部报纸种类编号（3位）。中文报纸的文献基本类型为(2：报纸)，文献语种编码为（1：中文）。

2.3.2文件命名规则

每期报纸按照实际版次命名，用三位数字表示，后缀名小写tif。如第一版为001.tif，第2版为002.tif；则若报纸包含号外、增刊、副刊、特刊等特殊版面，且其不属于报纸原有常规版次内容，为独立的另起版面，其文件的命名规则为：特殊版面种类拼音首字母（大写）+版次（2位，如有实际印刷版次，按实际命名，如没有则按01开始顺序命名），如号外第一版H01.tif、增刊第一版Z01.tif、副刊第一版F01.tif、特刊第一版T01.tif；若报纸中存在通版（即打通同一面上两个相邻版而形成的版）情况，应将这两版整体扫描为一个图像文件，并同时将其保存为这两版的图像，如当报纸中的第2版和第3版为通版时，通版图像整体保存为一个文件，并且将这一图像同时命名为002.tif和003.tif。

3双层PDF标准

3.1双层PDF加工

将处理完成后的图像进行报纸篇目文字识别校对。采用图在文上的模式进行双层PDF输出。

PDF文件根据图像尺寸、颜色、数据存储量、按JPEG2000有损压缩，压缩因子适度动态调整，在确保图像清晰的情况下，尽量压缩图像文件所占空间至最小。

3.2PDF文件质量要求

兼容adobe reader6.0及以上版本。

在保持图像清晰可读的基础上尽可能减小存储量。

PDF文字层所使用的字体以”已嵌入子集”方式嵌入PDF文件。

双层PDF文件的图像层和文字层的文字对位准确，反显区域与文字区域相差1毫米以内。

双层PDF错误率不超过0.3‰。

4XML文件标准

文件应著录全面的报纸信息，记录标题及篇目位置等信息，标题位置为引题、标题和副题的整体位置，遵守XML语法规则，按规范标签进行制作XML，使用utf-8字符集，错误率小于0.3‰。

5数据库标准

5.1数据库命名

每种报纸单独制作数据库，其命名与报纸加工编号相同，如：21160000_001.mdb。

5.2数据库制作

5.2.1报纸基本信息表（book）

5.2.2报纸版面篇目信息表（catalog）

5.2.3报纸结构信息表（struct）

5.3 数据库制作及要求

标引数据库以MDB数据库方式提交，后缀名mdb；

基本信息表的内容应与MARC数据相应内容保持一致；

版面篇目信息数据库标引要求真实反映报纸原貌；

结构信息表应严格按文献实际情况进行描述；

无法录入的生僻字等用“〓”表示；

版面篇目信息表与XML文件的对应元素项的内容应一致；

各种著录、说明文件的文字、符号、版式、位置和文件名称准确，其综合错误率不超过0.3‰。

6说明文件

6.1数字化成品总清单

说明文件格式：Microsoft Excel

说明文件命名：地方文献数据说明（说明文件的5张表需保存在同一个Excel文件的不同工作表中，每个工作表按下列表命名）。

6.1.1提交数据总体说明

6.1.2保存级对象数据硬盘存储清单

6.1.3发布级PDF对象数据硬盘存储清单

6.1.4发布级XML对象数据硬盘存储清单

6.1.5每种文献数据量统计表

6.2每个存储介质内的说明文件（readme.txt）

7. 存储规则

7.1 存储介质及命名

存储介质为硬盘，硬盘命名由8位组成：

文献基本资料类型（1位）、文献语种（1位）、加工年（2位）、机构代码（4位）。

7.2 数据存储规则

存储内容包括：TIFF图像、双层PDF、XML、对应数据库、说明文件、介质说明文件，书目数据文件各一份。

各类型对象数据按加工编号递增顺序依次放置在硬盘内，保存目录及文件名由四级组成：

第一级目录为加工编号的前8位，如21160000，同时将介质说明文件并行保存(readme.txt)；

第二级目录为TIFF,PDF,XML同时将对应数据库、说明文件（21160000.xls）、书目数据文件（21160000.iso）并行保存；

第三级目录为加工编号；

第四级目录为相应格式的对象数据文件；

第五级目录为相应格式的对象数据文件。

8加工成品数据的文献管理平台功能要求

1.该发布系统需具备完善的数字图书馆资源管理和发布软件技术平台,包括数字资源发布、检索、阅读、管理、采集、制作、下载以及用户交互等功能。资源类型包括图书、期刊、论文、报纸以及自建数据库，并且实现在图书，期刊，论文、报纸、自建库的统一的检索和获取。平台功能成熟，检索方便快捷，具备多种途径的单项检索、组合条件检索。

2.能够兼容国家863计划中国数字图书馆示范工程标准PDG格式的电子图书文献资源，技术上能够做到整合到同一平台中，同时支持转换PDF、PDG、PNG、Word格式的文档资料为网页版阅读方式，方便大多数用户使用习惯。同时实现不同格式的文档转换，所有图书均可实现文字图像复制摘录和图书无损缩放。支持元数据检索、目次检索、全文检索等多种检索方式，友好统一的用户界面，提供各种高级的检索功能，具有突出的检索性能。

3.该系统需具备独立完善的管理平台，管理功能全面，具备基本状态、流量分析、用户管理、排行管理、IP范围管理、图书管理、反馈需求管理、公告问题管理、频道专题管理、页面模板风格管理等功能；能实现自建特色库，系统具有良好的开放性和兼容性，除电子图书外还可以支持音频、视频、期刊、专题数据库、标准、网站信息等的使用。

4.不限制使用用户个数，无下载量限制，软件无用户数或使用次数限制；可以进行资源管理，包括推荐资源，查询，分类管理、设置；可以自行修改用户的访问权限和局域网IP范围。

5.提供原厂开发的数字图书馆软件系统一套，免费对数据库及相关软件系统的安装、调试、培训与维护。

6.平台提供IP和用户名两种身份认证和权限管理方式，图书馆设有外网地址的情况下可以实现镜像平台的外网账号访问；具有强大的查询检索、图书推荐、图书排行、访问量统计等功能，并支持页面定制。