孫學(xué)政

摘 要：依托共享數(shù)據(jù)，對數(shù)字化學(xué)籍檔案重命名，構(gòu)建以姓名為主要檢索標(biāo)識的系統(tǒng)，借助everything檢索軟件，實(shí)現(xiàn)基于文件名的高效檢索。數(shù)字化檔案有序存放在指定文件夾，在可視化的情況下，文件夾同樣具備檢索功能。高校學(xué)籍檔案單機(jī)可視化檢索實(shí)證操作，簡單易學(xué)，軟硬件投入低，在涉及人名的檔案檢索中優(yōu)勢明顯，因受限于文件名長度，與基于檔案內(nèi)容本身的智能化檢索相比，有明顯的不足之處。

關(guān)鍵詞：學(xué)籍檔案；數(shù)據(jù)清洗；數(shù)據(jù)加工；可視化檢索

檔案網(wǎng)絡(luò)化智能檢索利用是檔案工作的終極發(fā)展方向，有朝一日，你想查看自己權(quán)限內(nèi)的檔案，只要說一聲，檢索結(jié)果就瞬間呈現(xiàn)在你眼前。檔案作為核心的信息資源，很大一部分需要限制利用，在利用時(shí)需要做好用戶身份識別與權(quán)限控制。就目前的技術(shù)水平而言，做到檔案網(wǎng)絡(luò)化智能檢索利用并不難，但從投入產(chǎn)出比來看，很多檔案不值得這么做。與高端的網(wǎng)絡(luò)化智能檢索系統(tǒng)相比，如果以不到10萬元的軟硬件投入，做到只輸入一個(gè)學(xué)生的姓名（遇到同名情況時(shí)增加相關(guān)檢索條件）就瞬間看到該生的新生錄取名冊、學(xué)籍表、成績表、畢業(yè)資格審查表、學(xué)歷注冊照片、學(xué)籍變動(dòng)、獎(jiǎng)懲等所有與該生有關(guān)的檔案，那么，這種檢索模式就更切合大多數(shù)高校檔案利用工作的實(shí)際。依托共享數(shù)據(jù)，對共享數(shù)據(jù)進(jìn)行清洗與加工，在此基礎(chǔ)上對數(shù)字化學(xué)籍檔案副本進(jìn)行批量重命名，構(gòu)建以學(xué)生姓名為主要檢索標(biāo)識的系統(tǒng)，借助everything免費(fèi)檢索軟件，可輕松實(shí)現(xiàn)高校學(xué)籍檔案單機(jī)可視化檢索。

1 高校學(xué)籍檔案可視化檢索的數(shù)據(jù)準(zhǔn)備

檔案利用最大的困難就是如何解決高效檢索問題。學(xué)籍檔案快速準(zhǔn)確檢索依賴學(xué)生學(xué)號、姓名、專業(yè)、班級等大量數(shù)據(jù)，如果全部需要手工錄入，不僅工作量大，而且很難保證準(zhǔn)確性，為保證數(shù)據(jù)準(zhǔn)確性而進(jìn)行的審核工作量甚至比錄入工作量更大。高校招生部門、教務(wù)部門有大量的準(zhǔn)確數(shù)據(jù)，依托這些共享數(shù)據(jù)構(gòu)建學(xué)籍檔案可視化檢索系統(tǒng)，可以起到事半功倍的效果。

1.1 共享電子數(shù)據(jù)的采集及補(bǔ)救措施。新生錄取名冊電子數(shù)據(jù)來自招生部門，可按省份、類別、專業(yè)、總分排序，經(jīng)過一定的處理，可基本實(shí)現(xiàn)數(shù)據(jù)共享；學(xué)號、姓名、曾用名、班級、專業(yè)等數(shù)據(jù)來自教務(wù)系統(tǒng)，可完全實(shí)現(xiàn)數(shù)據(jù)共享。如果上述學(xué)生數(shù)據(jù)不能收集齊全，作為補(bǔ)救措施，可借用學(xué)歷電子注冊數(shù)據(jù)，1991年以后的畢業(yè)生都進(jìn)行了學(xué)歷電子注冊，可從教務(wù)部門獲取，1991年之前的學(xué)生數(shù)據(jù)，可從檔案管理系統(tǒng)的卷內(nèi)目錄或校友通訊錄等數(shù)據(jù)源獲取，當(dāng)然這些數(shù)據(jù)不能直接利用，需要做進(jìn)一步的清洗與深加工。

1.2自動(dòng)審核人工錄入數(shù)據(jù)。人工錄入數(shù)據(jù)不難，難就難在如何快速準(zhǔn)確錄入數(shù)據(jù)，數(shù)據(jù)不準(zhǔn)確的后果往往是災(zāi)難性的，會(huì)導(dǎo)致整個(gè)檢索體系的崩潰。高校有勤工助學(xué)的學(xué)生，發(fā)動(dòng)人海戰(zhàn)術(shù)，人工重新錄入學(xué)生姓名、專業(yè)等數(shù)據(jù)時(shí)，為保證準(zhǔn)確性，一般需采用雙人雙機(jī)錄入，校驗(yàn)合格后使用，這種做法工作量成倍增加，效率低下。為提高錄入效率，也可多人多機(jī)分別錄入不同數(shù)據(jù)，利用共享數(shù)據(jù)進(jìn)行自動(dòng)審核，確保錄入數(shù)據(jù)的準(zhǔn)確性，具體做法是利用電子表格的vlookup函數(shù)。以新生錄取名冊錄入為例，可新建電子表格，將共享數(shù)據(jù)拷貝到sheet1表中，調(diào)整單元格數(shù)據(jù)順序，A列必須為姓名，D列為專業(yè)（也可為其他需要審核的內(nèi)容），在sheet2表中A1、B1、C1、D1四個(gè)單元格分別錄入頁碼、姓名、專業(yè)、待審核四個(gè)字段名，在D2單元格錄入“=VLOOKUP（B2，'sheet1'！A：D，4，0）”（具體操作時(shí)不要錄入全角雙引號，下同），在sheet1表格A列中精確查找姓名與sheet2表格中B2姓名相同的學(xué)生，并將其相應(yīng)D列內(nèi)容鏈接到sheet2表格中D2單元格，此時(shí)sheet2表格中D2單元格顯示“*N/A”，鼠標(biāo)左鍵單擊D2單元格，光標(biāo)移至D2單元格右下角出現(xiàn)“+”時(shí)壓住鼠標(biāo)左鍵向下拖動(dòng)，想錄入多少人就拖多少行。當(dāng)在sheet2表格中B列錄入學(xué)生姓名時(shí)，D列相應(yīng)單元格會(huì)出現(xiàn)該生的專業(yè)，如果還是顯示“*N/A”，則表示錄入可能出錯(cuò)，如果經(jīng)核實(shí)錄入無誤，則表明共享數(shù)據(jù)不全，在sheet2表格中C列相應(yīng)單元格錄入該生專業(yè)，以備進(jìn)一步人工審核；如果出現(xiàn)的專業(yè)與該生不同，則可能共享數(shù)據(jù)有誤或存在同名學(xué)生情況，在sheet2表格中C列錄入該生專業(yè)，以備進(jìn)一步人工審核。利用共享數(shù)據(jù)自動(dòng)審核，既可保證數(shù)據(jù)準(zhǔn)確性，又可成倍提高錄入工作效率。sheet2表格中A列錄入紙質(zhì)檔案實(shí)際頁碼，與紙質(zhì)檔案一一對應(yīng)，待進(jìn)一步對數(shù)據(jù)進(jìn)行加工處理。

2 對數(shù)字化學(xué)籍檔案副本重命名，實(shí)現(xiàn)按姓名可視化檢索

學(xué)籍檔案的檢索以學(xué)生姓名為顯著特征，由于存在同名情況，因此，僅僅靠姓名，雖然可以做到查全率100%，但必須輔以其他檢索條件，借助可視化操作，才可快速準(zhǔn)確定位所需檔案。對數(shù)字化學(xué)籍檔案副本重命名，既要確定命名規(guī)則，又要具備簡單的軟件應(yīng)用知識。

2.1 數(shù)字化學(xué)籍檔案副本命名規(guī)則。文書檔案數(shù)字化副本命名規(guī)則，常用的是文件級檔號-件內(nèi)頁面流水號，或文件級檔號-稿本代號-稿本內(nèi)頁面流水號，這種命名方式雖然利于檔案數(shù)字化副本批量掛接到數(shù)據(jù)庫，但必須借助目錄查找檔案，并沒有實(shí)質(zhì)性提高數(shù)字化檔案的檢索效率。高校學(xué)籍檔案數(shù)字化副本如果參照此規(guī)則命名，檢索效率同樣不高。為便于快速準(zhǔn)確查找學(xué)籍檔案，充分發(fā)揮數(shù)字化檔案檢索利用優(yōu)勢，需針對高校學(xué)籍檔案實(shí)際，確定數(shù)字化學(xué)籍檔案副本命名規(guī)則，并與檔案實(shí)體一一對應(yīng)（如果僅僅從利用的角度來看，數(shù)字化檔案副本無需與實(shí)體檔案一一對應(yīng)，命名會(huì)更簡單，檢索效率會(huì)更高，此問題有待進(jìn)一步探討）。文件名稱構(gòu)成主要為“檔號-姓名”，為避免同名造成的誤檢，可根據(jù)實(shí)際情況增加文件名稱構(gòu)成項(xiàng)目，比如學(xué)籍表、成績表文件名構(gòu)成為“檔號-姓名-專業(yè)-入學(xué)年度”（檔號可反映畢業(yè)年度）；新生錄取名冊為“檔號-姓名-專業(yè)-報(bào)考省份”（檔號可反映入學(xué)年度）；畢業(yè)資格審查表為“檔號-姓名-專業(yè)”（檔號可反映畢業(yè)年度）；學(xué)籍變更材料、獎(jiǎng)懲材料為“檔號-文號-文件名-姓名”。為提高查準(zhǔn)率，二字姓名后統(tǒng)一添加“-”，多個(gè)姓名之間用“-”連接；各校還可以根據(jù)共享數(shù)據(jù)及檔案記載情況，增加文件名構(gòu)成項(xiàng)目，比如本校成績單記載有畢（結(jié)）業(yè)證書、學(xué)位證書號碼，可利用畢業(yè)資格審查表電子數(shù)據(jù)對掃描版成績單進(jìn)行重命名，實(shí)現(xiàn)按證書號碼精確檢索。

2.2 數(shù)字化學(xué)籍檔案副本的后期處理。大多數(shù)高校都實(shí)現(xiàn)了館藏紙質(zhì)檔案數(shù)字化，由于手寫檔案不能進(jìn)行OCR識別，部分打印版效果太差，OCR識別率太低，難以實(shí)現(xiàn)基于檔案內(nèi)容的高效檢索。掃描件的查找難度比紙質(zhì)檔案更大，需進(jìn)行進(jìn)一步的加工處理。

2.2.1 利用Adobe Acrobat X Pro軟件或WPS付費(fèi)軟件的拆分文檔功能，將成冊掃描的新生錄取名冊、畢業(yè)資格審查表按頁拆分為多個(gè)文檔，有多少頁拆分成多少個(gè)文檔（高速掃描一般都是成冊掃描成一個(gè)文檔，如果是單頁掃描成一個(gè)文檔，則省略此步），同一頁的所有學(xué)生對應(yīng)一個(gè)文檔，由于文件名長度不能超過255個(gè)字符，當(dāng)一個(gè)文檔的學(xué)生人數(shù)太多時(shí)，為保證能檢索到所有學(xué)生，可多拷貝幾份，分別命名，形成內(nèi)容完全相同但文件名不同的多個(gè)文檔（這種情況并不多見，僅是例外情況下的變通措施）；學(xué)籍表、成績表拆分之前要進(jìn)行相應(yīng)處理，保證學(xué)生與學(xué)籍表（或成績表）是一一對應(yīng)關(guān)系；學(xué)籍變更材料、獎(jiǎng)懲材料可根據(jù)原文件實(shí)際情況確定是一對一關(guān)系還是多對一關(guān)系。

2.2.2 靈活運(yùn)用Excel或WPS以及方方格子插件等軟件對電子數(shù)據(jù)進(jìn)行清洗與深加工。共享電子數(shù)據(jù)要做相應(yīng)清洗，比如以前有些生僻字打不出時(shí)經(jīng)常會(huì)用“*”或“？”代替，由于文件名不能包含“＼ / ：* ？< >|”等字符，重命名前要清除這些字符，可以用查找替換的方式進(jìn)行清洗，查找“*”“？”需要在查詢欄分別輸入“～*”和“～？”，替換欄輸入正確的數(shù)據(jù)（以前打不出的生僻字，現(xiàn)在基本上能打出，可通過搜索引擎查找復(fù)制粘貼，比如煇字，可搜索一個(gè)火字加一個(gè)軍）。由于批處理文件中不能出現(xiàn)多余的空格、軟回車等，這些也需在WPS或EXCEL中進(jìn)行清洗。為提高檢索效率，電子數(shù)據(jù)要進(jìn)行進(jìn)一步加工，在清除空格后，二字姓名后可批量添加“-”，假設(shè)A列為原姓名數(shù)據(jù)，B列為處理后的新姓名數(shù)據(jù)，在B1單元中錄入“=if（len（A1）=2，A1&"-"，A1）”，左鍵單擊選定B1單元格，雙擊B1單元格右下角“+”（或壓住“+”向下拖到結(jié)尾），可在二字姓名后批量添加“-”，復(fù)制B列數(shù)據(jù)，選擇性粘貼（選數(shù)值）到A列，刪除B列，完成二字姓名數(shù)據(jù)加工處理。方方格子插件目前有Excel版和WPS版（試用版），可實(shí)現(xiàn)電子表格數(shù)據(jù)行列轉(zhuǎn)換，也可實(shí)現(xiàn)一行多列、一列多行數(shù)據(jù)合并，可減輕數(shù)據(jù)加工處理的工作量，上文sheet2表格中A列數(shù)據(jù)中相同頁碼的B列多行姓名可輕松合并到一個(gè)單元格中，重命名數(shù)字化文件后，可實(shí)現(xiàn)新生錄取名冊、畢業(yè)資格審查表多對一檢索。

2.2.3 文件批量重命名的具體操作。最基本的重命名語句為“ren 源文件名 目標(biāo)文件名”（中間兩處空格不能省略），假設(shè)電子表格中ABCDE列分別為源文件名、檔號、姓名、專業(yè)、入學(xué)年度等信息，包含有整個(gè)年度所有學(xué)生的學(xué)籍表信息，源文件為pdf版式文件，在F1單元格中輸入命令“="ren "&A1&" "&B1&"-"&C1&"-"&D1&"-"&E1&".pdf"”（命令中兩處空格不能省略），可生成一條重命名語句，單擊選定F1單元格，雙擊F1單元格右下角的黑+，可生成整個(gè)年度的學(xué)籍表批量更名數(shù)據(jù)；將電子表格中處理好的批量重命名語句拷貝到新建的文本文件（重命名.txt），再另存為批處理文件（重命名.bat）。將重命名批處理文件拷貝到源文件相同的目錄下，運(yùn)行批處理文件（特別提醒：重命名前做好備份），可實(shí)現(xiàn)文件批量更名，更名后所有文件名中都含有檔號、姓名、專業(yè)、入學(xué)年度等檢索項(xiàng)。

3 學(xué)籍檔案單機(jī)可視化檢索利用的實(shí)踐

3.1 everything檢索軟件及其應(yīng)用?？稍?60軟件管家下載免費(fèi)使用，是一款基于名稱實(shí)時(shí)定位文件和目錄的文件搜索工具，該軟件大小不足2MB，界面簡潔易用，檢索速度極快，占用系統(tǒng)資源極低，實(shí)時(shí)跟蹤文件變化。在搜索框輸入檢索內(nèi)容，會(huì)實(shí)時(shí)顯示過濾后的文件和目錄，檢索結(jié)果可進(jìn)行復(fù)制、瀏覽、修改和刪除等操作，可輕松實(shí)現(xiàn)模糊檢索與精確檢索。比如聽說張某某的弟弟1986年考入本校養(yǎng)殖專業(yè)，現(xiàn)想知道張某某的弟弟是誰，在檢索欄輸入“張 養(yǎng) 86”（中間空格不能省略，本校養(yǎng)殖專業(yè)有海養(yǎng)、淡養(yǎng)、養(yǎng)專等不同專業(yè)，僅輸入一個(gè)養(yǎng)字，是為了在模糊查找時(shí)擴(kuò)大檢索范圍，提高查全率），檢索結(jié)果會(huì)顯示本校1986年入學(xué)的養(yǎng)殖專業(yè)所有張姓學(xué)生，分別查看學(xué)籍表，通過社會(huì)關(guān)系記載，如果找到張某某就可以基本確定其弟弟是誰，如果學(xué)籍表中沒有張某某的記載，則基本確定張某某的弟弟不是本校養(yǎng)殖專業(yè)1986級學(xué)生。當(dāng)單次檢索呈現(xiàn)的結(jié)果較多時(shí)，可繼續(xù)增加檢索條件，以縮小檢索結(jié)果，比如，想查找“張文”的成績表，在檢索欄輸入“張文”，呈現(xiàn)的結(jié)果較多，繼續(xù)在檢索欄輸入“-”（緊跟在文字后面，不要空格），則只出現(xiàn)張文的學(xué)籍檔案，如果還存在同名的情況，則可增加更多的檢索條件（不同檢索條件之間用空格隔開）或通過查看路徑找到所需的結(jié)果。本校成績單文件名已包含畢業(yè)證書、學(xué)位證書號碼，輸入證件號可精確查找到所需要的成績單，電話核查學(xué)歷證書真?zhèn)螘r(shí)，只需錄入證件號碼，即可實(shí)時(shí)告知查詢結(jié)果。

3.2 數(shù)字化學(xué)籍檔案副本的有序化存放。everything搜索只基于文件和文件夾的名稱，上文已給出了文件批量重命名的實(shí)證操作，在可視化的情況下，文件夾同樣具備檢索功能，數(shù)字化文件有序存放，會(huì)極大提高檢索效率。以廣東海洋大學(xué)數(shù)字化學(xué)籍檔案副本為例，按不同全宗建有新生錄取名冊、學(xué)籍表、成績表、畢業(yè)資格審查表、數(shù)字化文件等分目錄，分目錄下再根據(jù)實(shí)際情況設(shè)立類別、年度等子目錄（比如，廣東海洋大學(xué)2018屆博士畢業(yè)生成績存放在“D：＼廣海大＼成績＼博士生＼2018”目錄下），數(shù)字化檔案存放在相應(yīng)的目錄下，檢索時(shí)就能可視化快速定位。everything軟件檢索結(jié)果會(huì)顯示名稱、路徑、大小、修改時(shí)間等內(nèi)容，路徑就是數(shù)字化文件存放的位置，數(shù)字化文件存放有序，就可以充分發(fā)揮可視化檢索優(yōu)勢，直接定位所需要檔案。比如本校有8名畢業(yè)生叫“張文”，涉及兩個(gè)檔案全宗，有全日制研究生、本科生、?？粕灿谐扇私逃龑W(xué)生，可根據(jù)路徑快捷定位所需的檔案。

3.3 數(shù)據(jù)安全與隱私保護(hù)問題。解決數(shù)據(jù)安全問題，最關(guān)鍵的不是技術(shù)而是管理，在投入有限、不能確保網(wǎng)絡(luò)信息安全的情況下，數(shù)字化學(xué)籍檔案副本只能實(shí)行單機(jī)不聯(lián)網(wǎng)檢索。由于everything是免費(fèi)軟件，并且功能過于強(qiáng)大，電腦上所有文件名信息都會(huì)實(shí)時(shí)自動(dòng)提取整合為一個(gè)數(shù)據(jù)文件，聯(lián)網(wǎng)使用可能會(huì)有安全隱患，不建議在聯(lián)網(wǎng)的電腦上使用。數(shù)字化學(xué)籍檔案包含學(xué)生的身份信息、高考成績、社會(huì)關(guān)系、求學(xué)經(jīng)歷、家庭住址、學(xué)業(yè)成績、學(xué)籍異動(dòng)等個(gè)人隱私，從信息安全的角度，不宜保存在聯(lián)網(wǎng)的電腦上。及時(shí)備份數(shù)據(jù)是保證數(shù)據(jù)安全的重要措施，推薦使用BCompare軟件，主要功能有：文件夾比較、文本比較、MP3比較、版本比較、十六進(jìn)制比較、數(shù)據(jù)比較、圖片比較、注冊表比較、文件夾同步、文本合并等。通過文件夾比較，可保證電腦數(shù)據(jù)與備份數(shù)據(jù)的一致性；文件夾同步可極大減少數(shù)據(jù)備份工作量；通過文本比較，可確保文本內(nèi)容未被非法修改。為更好地保護(hù)個(gè)人隱私，在提供數(shù)字化檔案利用時(shí)，推薦使用 Photoshop軟件。對于新生錄取名冊、畢業(yè)資格審查表中涉及的其他學(xué)生信息，提供利用前，復(fù)制一份文檔，用PS的色階功能將其他學(xué)生的信息涂白，僅打印與利用者有關(guān)的信息。所有檢索利用結(jié)果都保存?zhèn)洳?，建好利用工作臺(tái)賬。

*本文系廣東高校檔案工作協(xié)會(huì)2018年科研課題（重點(diǎn)項(xiàng)目）《大數(shù)據(jù)環(huán)境下高校檔案信息資源的集成與服務(wù)研究》（粵高檔協(xié)[2018]6號）研究成果之一。

（作者單位：廣東海洋大學(xué)檔案館 來稿日期：2018-12-21）