吳志勇,韓小荊
(1.湖北大學(xué)新聞傳播學(xué)院;2.武漢大學(xué)文學(xué)院)
詞匯是語(yǔ)言和語(yǔ)言學(xué)的基礎(chǔ)。房山石刻經(jīng)文(以下簡(jiǎn)稱(chēng)“房山石經(jīng)”)作為古籍的重要組成部分,其中的漢字與悉曇梵文為宗教學(xué)、漢語(yǔ)言文字學(xué)、藝術(shù)等領(lǐng)域提供了多種研究視角。根據(jù)古文字字形與現(xiàn)代漢字的對(duì)應(yīng)關(guān)系,古文字大致可以分成三類(lèi):已識(shí)字、歧釋字和未識(shí)字。本文研究對(duì)象為第三種,即尚未得到考釋、無(wú)法隸定且沒(méi)有對(duì)應(yīng)的現(xiàn)代漢字的古文字。[1]本文沿用臺(tái)灣學(xué)界整理古籍的慣用,稱(chēng)其為缺字。在整理房山石經(jīng)過(guò)程中,盡管有大量文字可通過(guò)現(xiàn)有字庫(kù)表現(xiàn)出來(lái),但仍有一些缺字游離于各種字庫(kù)之外。本文以???、整理《大佛頂陀羅尼》個(gè)案為突破口,探討古籍缺字?jǐn)?shù)據(jù)庫(kù)的內(nèi)容建構(gòu)與流程管理的一些思路與視角,期望引起學(xué)界對(duì)項(xiàng)目流程管理的更多關(guān)注。
學(xué)界和業(yè)界把漢字字庫(kù)和相應(yīng)的輸入法認(rèn)為是衡量古文字?jǐn)?shù)字化處理水平的一項(xiàng)重要參考指標(biāo)。古籍整理過(guò)程中會(huì)遇到大量生僻漢字,可通過(guò)方正超大字符集、SuperCJK超大字符集,或日本“今昔文字鏡”等字庫(kù)進(jìn)行查詢(xún),但異?,F(xiàn)象時(shí)有發(fā)生。尉遲治平等根據(jù)《廣韻》《集韻》《漢語(yǔ)大字典》等古籍,對(duì)五千多個(gè)中文漢字字符進(jìn)行了造字處理,并開(kāi)發(fā)了漢字超大字符集輸入法,[2]彌補(bǔ)了ISO10646字符國(guó)際編碼標(biāo)準(zhǔn)與Unicode統(tǒng)一編碼方案中的缺陷。華中科技大學(xué)創(chuàng)建了13個(gè)甲骨文子字庫(kù)和24個(gè)金文子字庫(kù)的通用古文字字庫(kù)。[3]業(yè)界和學(xué)界的共同努力,為古籍?dāng)?shù)字化進(jìn)程起到了重要的推動(dòng)作用。
《說(shuō)文解字》將9,353個(gè)正篆分別歸入540部首下,實(shí)現(xiàn)了漢字字形與字理的初步規(guī)范化管理。現(xiàn)代漢字構(gòu)形學(xué)理論主張從部件功能和組合方式等方面來(lái)分析漢字的構(gòu)造。李晶認(rèn)為,基于字型結(jié)構(gòu)的漢字造字?jǐn)?shù)據(jù)庫(kù)中最基本的信息是漢字結(jié)構(gòu)描述信息、部件描述信息以及漢字索引信息。[4]趙彤通過(guò)分析小篆的結(jié)構(gòu)特征,按照設(shè)計(jì)的漢字構(gòu)造的關(guān)系模型和部件位置與功能的描述方式,使用數(shù)據(jù)庫(kù)軟件Microsoft Acess嘗試建立一個(gè)漢字字形數(shù)據(jù)庫(kù)的樣本。[5]臺(tái)灣“中央研究院”提出以部件為基本構(gòu)型單位的“漢字構(gòu)型資料庫(kù)”,中華電子佛典協(xié)會(huì)CBETA提出用大五碼(BIG5)為構(gòu)字部件,[6]這兩種“組字式”紀(jì)錄方式都在一定程度上完善了現(xiàn)有字庫(kù)。
項(xiàng)目流程管理主要涉及項(xiàng)目與任務(wù)的流程分配、進(jìn)度跟蹤、人員安排等,同時(shí)也能對(duì)數(shù)字資產(chǎn)進(jìn)行數(shù)據(jù)存儲(chǔ)、查詢(xún)、版本控制與安全管理。20世紀(jì)90年代起,CBETA開(kāi)始佛典數(shù)字化,他們首創(chuàng)的佛典古籍的數(shù)字化流程[7]具有重要的指導(dǎo)意義。北京大學(xué)釋法幢[8]從作業(yè)流程、技術(shù)規(guī)范與技術(shù)研發(fā)角度對(duì)這個(gè)流程進(jìn)行了拓展。北京大學(xué)葉少勇先生對(duì)梵巴文獻(xiàn)??敝械男畔⑻幚硖岢隽擞幸饬x的寫(xiě)作規(guī)范。中華書(shū)局下屬的“籍合網(wǎng)”平臺(tái)被認(rèn)為是目前國(guó)內(nèi)權(quán)威的古籍?dāng)?shù)字化與古籍整理門(mén)戶(hù)網(wǎng)站,該平臺(tái)提供有標(biāo)點(diǎn)、注釋、??薄⒎g等在線(xiàn)編輯模塊,能極大提高項(xiàng)目管理的效率。
近年來(lái),生產(chǎn)管線(xiàn)(pipeline)的理念在數(shù)字媒體行業(yè)中引起了極大關(guān)注,一些影視節(jié)目制作開(kāi)始有意識(shí)地運(yùn)用項(xiàng)目管理思維與相關(guān)技術(shù)組織生產(chǎn),部分公司已經(jīng)開(kāi)始部署相關(guān)商業(yè)軟件平臺(tái)。[9]工作流按應(yīng)用領(lǐng)域主要分為專(zhuān)業(yè)的Alienbrain(Avid)等商業(yè)流程處理系統(tǒng),以及Taverna、Kelpler、VisTrails、DimStiller等科學(xué)工作流系統(tǒng),也包括Project(微軟)、丁?。ò⒗锇桶停┑让裼庙?xiàng)目管理系統(tǒng)。工作流管理本質(zhì)是多個(gè)用戶(hù)之間按照某種預(yù)置規(guī)則傳遞文檔、信息或任務(wù)的自動(dòng)過(guò)程,[10]其需求目標(biāo)是效率的最大化。對(duì)于小型工作室而言,在古籍缺字整理中,通過(guò)借鑒國(guó)外數(shù)字媒體行業(yè)中數(shù)字資產(chǎn)管理平臺(tái)以及流程管理平臺(tái),完成項(xiàng)目流程的建構(gòu)與相關(guān)的海量數(shù)字資產(chǎn)管理,能夠?qū)⑺械娜弊纸n紀(jì)錄,將缺字的注音、筆畫(huà)、部首、通用字等相關(guān)信息,形成一個(gè)完整的缺字?jǐn)?shù)據(jù)庫(kù),最終匯集到“漢字資料庫(kù)”中。
《大佛頂陀羅尼》中的疑難漢字并不多,但是如果把整個(gè)房山石經(jīng)中的未被收錄的漢字累積起來(lái),將是一個(gè)較小型的數(shù)據(jù)庫(kù)了,因此需要采用更高效率的項(xiàng)目管理方式來(lái)完成這個(gè)龐大的任務(wù)。本項(xiàng)目主要基于云平臺(tái)的項(xiàng)目管理軟件Ftrack完成。
圖1 缺字造字的項(xiàng)目管理
圖1 所示是可視化項(xiàng)目管理中的計(jì)劃任務(wù)部分截圖,左邊列表部分可看到主要任務(wù)清單以及完成進(jìn)度(工作狀態(tài)、人員分配、任務(wù)描述、到期日期、工作時(shí)間);中間任意的任務(wù)都可創(chuàng)建子項(xiàng)目、為項(xiàng)目組成員遠(yuǎn)程審閱提供相關(guān)資源文件,也可調(diào)用本地的相關(guān)應(yīng)用程序下載相關(guān)數(shù)字資產(chǎn);表格的右邊是工作日程甘特圖等內(nèi)容運(yùn)用項(xiàng)目管理系統(tǒng),可通過(guò)對(duì)數(shù)字資產(chǎn)、計(jì)劃任務(wù)、人員分工等主要目標(biāo)的可視化跟蹤與調(diào)度,形成一個(gè)“資產(chǎn)更新,團(tuán)隊(duì)銜接,任務(wù)迭代”的工作流。
古籍缺字?jǐn)?shù)據(jù)庫(kù)建設(shè)可通過(guò)縱向和橫向兩個(gè)視角來(lái)完成。第一,橫向視角,或稱(chēng)為數(shù)字資產(chǎn)管理視角。對(duì)拓本圖片、漢字缺字字體、悉曇缺字字體等每一種文件類(lèi)型,都會(huì)從案例與規(guī)范、需求與原型、模板與設(shè)計(jì)3個(gè)管線(xiàn)步驟進(jìn)行。收集學(xué)界、業(yè)界對(duì)于該拓片或字體的處理方法,通過(guò)借鑒,了解行業(yè)規(guī)范與標(biāo)準(zhǔn),制定出適合本項(xiàng)目的規(guī)范。圖片或字體的需求確定后,形成一個(gè)原型草圖,并設(shè)計(jì)出該類(lèi)文件制作的通用模板。用于進(jìn)行后續(xù)的設(shè)計(jì)、開(kāi)發(fā)等環(huán)節(jié)。如圖1中的“缺字登記表”,通過(guò)版本收集,獲得一手資料,在整理中研究、制定規(guī)范和標(biāo)準(zhǔn),發(fā)現(xiàn)疑難,聯(lián)系相關(guān)專(zhuān)家進(jìn)行解答,最終形成一個(gè)規(guī)范化的表格文檔。第二,縱向視角,或稱(chēng)為流程管理視角。本數(shù)據(jù)庫(kù)以學(xué)界公認(rèn)的487句的《大佛頂陀羅尼》為藍(lán)本,研究其文字、讀音,將正確的悉曇梵文與缺失的悉曇梵文字體以及字庫(kù)中缺失的漢字重新造字,還原完整的悉曇、漢字對(duì)照版本,提煉漢字、悉曇對(duì)照數(shù)據(jù)庫(kù),以便于后續(xù)的查詢(xún)檢索。作為一種典型的過(guò)程管理,必然存在諸多管線(xiàn)環(huán)節(jié)的銜接與交替。從面向?qū)ο蟮慕嵌葋?lái)說(shuō),信息、文件夾、數(shù)字資產(chǎn)、任務(wù)、里程碑都是對(duì)象,存在著“新的”“進(jìn)行中的”“審閱的”“暫緩的”“關(guān)閉的”“提醒的”“丟棄的”“完成的”“通過(guò)的”等工作狀態(tài)。對(duì)于不同的環(huán)節(jié),設(shè)定有不同的任務(wù),每個(gè)任務(wù)中分別由不同的管線(xiàn)組成,常見(jiàn)的設(shè)計(jì)、測(cè)試、除錯(cuò)、討論與審核等等共同任務(wù),也會(huì)有面對(duì)特定目標(biāo)的具體任務(wù),如數(shù)據(jù)庫(kù)開(kāi)發(fā)部分,將任務(wù)分解為:數(shù)字資產(chǎn)分類(lèi)、軟件界面設(shè)計(jì)、交互腳本設(shè)計(jì)、預(yù)覽發(fā)布等目標(biāo)。同時(shí)每個(gè)任務(wù)又將不同的管線(xiàn)分配到不同的人,他們需要使用甘特表關(guān)聯(lián)到具體的日程等。
在研究過(guò)程中,通過(guò)提出問(wèn)題、制定計(jì)劃、調(diào)研考察、信息反饋、專(zhuān)家論證、制定方案等途徑,對(duì)現(xiàn)有系統(tǒng)進(jìn)行總結(jié),提取合理框架,并對(duì)本系統(tǒng)架構(gòu)、功能與接口等等進(jìn)行合理化規(guī)劃。力圖用最接近目標(biāo)需求的方法來(lái)規(guī)劃文獻(xiàn)整理工作與各項(xiàng)任務(wù)。以上項(xiàng)目完全通過(guò)Ftrack在線(xiàn)系統(tǒng)來(lái)完成,從用戶(hù)體驗(yàn)的視角來(lái)看,該平臺(tái)能夠滿(mǎn)足古籍缺字整理的所有環(huán)節(jié)。
古籍缺字?jǐn)?shù)據(jù)庫(kù)建設(shè)過(guò)程中元數(shù)據(jù)轉(zhuǎn)換涉及到圖文采集、元數(shù)據(jù)編目、數(shù)據(jù)存儲(chǔ)、信息發(fā)布等方面,必須嚴(yán)格遵循統(tǒng)一標(biāo)準(zhǔn)才能確保數(shù)據(jù)庫(kù)建設(shè)的質(zhì)量和項(xiàng)目管理平臺(tái)的規(guī)范性和可用性。如,對(duì)于字庫(kù),計(jì)算機(jī)編碼采用的是“一字一碼”的方法,無(wú)論采用何種字體,區(qū)位碼都是唯一的,如“子”的unicode都是uni5851,造字時(shí)將新造的不同風(fēng)格的字體的序號(hào)保證與ISO10646字符國(guó)際編碼標(biāo)準(zhǔn)與Unicode統(tǒng)一編碼方案等一致。①檢索規(guī)范。吸取了各類(lèi)漢語(yǔ)詞典與梵文詞典的優(yōu)點(diǎn),無(wú)論是漢譯,還是羅馬轉(zhuǎn)寫(xiě)都必須可進(jìn)行漢字檢索(按照悉曇18章次序進(jìn)行檢索)或梵文檢索(按照Monier-Williams Sanskrit-English Dictionary、梵和大辭典等梵文詞典的次序進(jìn)行排列)。本數(shù)據(jù)庫(kù)也配有專(zhuān)門(mén)的檢索表,用于快速定位到相關(guān)詞條。②圖文規(guī)范。本數(shù)據(jù)庫(kù)區(qū)別于傳統(tǒng)詞典的最大特色是收錄了拓本圖片,因此編寫(xiě)規(guī)范與傳統(tǒng)的梵漢詞典有很大的不同。如圖4所示,在數(shù)據(jù)庫(kù)制作中,圖文的版式設(shè)計(jì)采用表格方式,并且數(shù)據(jù)庫(kù)第2列(石刻梵文)、第5列(石刻漢字),分別收錄了《房山石經(jīng)》中石刻拓本中的漢字與梵文拓本,保留了原始石刻的雕刻風(fēng)格的字跡風(fēng)貌。為了節(jié)約版面,我們刪掉了重復(fù)的或者略有差異的字型。③詞語(yǔ)典型規(guī)范。在詞條制作規(guī)范上,本數(shù)據(jù)庫(kù)中第6列(所在例句),選用了《大佛頂陀羅尼》中的典型詞語(yǔ),并采用“悉曇回譯—羅馬轉(zhuǎn)寫(xiě)—漢語(yǔ)”三行上下對(duì)照,符合傳統(tǒng)古籍整理的規(guī)范。第7列(序號(hào)頁(yè)碼)給出了該詞語(yǔ)在原始石刻拓本中的序號(hào)和頁(yè)碼,便于查詢(xún)。④釋義規(guī)范。選用《梵和大辭典》中的釋義,個(gè)別未收錄詞語(yǔ)則選用《佛光詞典》的解釋?zhuān)阌趯?duì)照學(xué)習(xí)。
從大佛頂?shù)挠涊d來(lái)看,經(jīng)文于公元898年由行琳大師收集,公元1147年刻經(jīng)。石刻為梵漢對(duì)照,但主要是漢字音譯,梵文只有580多個(gè)。為了準(zhǔn)確還原原始的漢字,古籍缺字?jǐn)?shù)據(jù)庫(kù)的建設(shè)流程主要分為以下幾個(gè)步驟。
從字符范圍看,石刻中絕大部分字體都可以在宋體字庫(kù)、SuperCJK字庫(kù)中找到,少數(shù)偏僻的字體,上述字庫(kù)都沒(méi)有收錄。根據(jù)石刻拓本,通過(guò)檢索、核對(duì),將石刻中超出SuperCJK超大字符集的27個(gè)漢字的拓片剪裁下來(lái)(如圖2),將這些文字匯總后作為造字的依據(jù);從編碼方式看,對(duì)于同一文字不同寫(xiě)法,劉根輝等人采用“不同的字形設(shè)立不同的字庫(kù),建設(shè)不同的子字庫(kù)”的辦法。這種辦法符合“一字一碼”的基本要求,也可以形成一個(gè)容納同一個(gè)字的不同字形的古文字?jǐn)?shù)據(jù)庫(kù),從而便于后期的檢索和使用。從圖2中可以看到,有些文字字形略有不同,但基本可歸為同一字體,推測(cè)原因?yàn)楸就乇緸橥粫r(shí)期石刻,因此不必創(chuàng)建“子字庫(kù)”。
圖2 拓本疑難字符(部分)
由于漢字的獨(dú)特性,幾乎所有字庫(kù)建設(shè)都要對(duì)偏旁部首或者是部件進(jìn)行事先規(guī)劃,從而為后續(xù)文字制作提供便利(即使是小型字庫(kù)也需要6,000多個(gè)漢字)并保持風(fēng)格一致。目前的字庫(kù)都是以整個(gè)漢字為存儲(chǔ)單位的,不論是點(diǎn)陣字庫(kù)還是曲線(xiàn)字庫(kù)(如TTF字體),基本制作方法都是基于位圖的掃描、勾線(xiàn)兩個(gè)環(huán)節(jié),即需要對(duì)每個(gè)漢字進(jìn)行整體掃描,使用工具軟件對(duì)位圖文件進(jìn)行描邊修整、調(diào)整結(jié)構(gòu)、設(shè)置屬性、分配區(qū)位等。這里涉及到兩個(gè)關(guān)鍵的問(wèn)題。①字體的存儲(chǔ)方式。林光明先生制作的悉曇字符,將20多位不同的書(shū)法家的作品統(tǒng)統(tǒng)放在同一個(gè)字庫(kù)下,這種方式雖然便于集中管理,但是給輸入法也帶來(lái)了諸多不便。本文主要采用劉志基先生曾提出的“將各個(gè)類(lèi)別的古文字字形分出層次,依層次再建立較小的字庫(kù)”方案來(lái)完成,即對(duì)于同一unicode碼的異體字,另行做一個(gè)單獨(dú)的子字庫(kù)。②字樣選取標(biāo)準(zhǔn),有專(zhuān)家以毛澤東書(shū)古詩(shī)詞手跡、題詞系列手跡為樣本,提取有效不重復(fù)字一千六百余個(gè),再運(yùn)用文字學(xué)研究中的構(gòu)形理論、字源理論、字族理論和模塊理論,分離出草書(shū)偏旁符號(hào)和字根符號(hào),并對(duì)其進(jìn)行有機(jī)組合,形成6,000多個(gè)字符的“草檀齋毛澤東字體”。[11]圖2中的異體字,如何選用代表性的字符,需要從字形結(jié)構(gòu)標(biāo)準(zhǔn)、筆形標(biāo)準(zhǔn)、筆畫(huà)標(biāo)準(zhǔn)、字形標(biāo)準(zhǔn)、字體演變、字符流通性等視角來(lái)考察。
基于以上考慮,最終確定使用造字程序,將圖2中的27個(gè)漢字中的24個(gè)字符制作成標(biāo)準(zhǔn)的ttf字體,命名為:大佛頂陀羅尼難字.ttf。為了交流的方便,我們采用標(biāo)準(zhǔn)的宋體部件。當(dāng)然,如果有必要,也可以根據(jù)其他字體的已有部件完成相對(duì)應(yīng)的字體。
將新造的“楞嚴(yán)咒難字.ttf”字體安裝或拷貝到c:windowsfonts中;在word等文本編輯器中使用新造的字體,若沒(méi)有正確拷貝造字文件,在doc文檔中對(duì)應(yīng)的位置會(huì)顯示出一塊空白。
為了準(zhǔn)確核對(duì)新造字體與原版拓本之間的差異,制作“新造缺字登記表”。在尚未拷貝造字文件到c:windowsfonts中的情況下,可通過(guò)bmp圖片(含新造漢字以及所對(duì)應(yīng)的梵文)查看造字情況;在已經(jīng)拷貝造字文件的情況下,可通過(guò)Word文本版,采用《大佛頂陀羅尼》中的例句作為案例,查看造字情況。二者內(nèi)容完全相同。
在傳統(tǒng)的計(jì)算機(jī)領(lǐng)域,E-R模型往往用于描述數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)走向,對(duì)該模型的深入研究有助于古籍缺字?jǐn)?shù)據(jù)庫(kù)的功能模塊設(shè)計(jì)。常見(jiàn)的字體信息包括:字體名稱(chēng)、家族名稱(chēng)、版本號(hào)、版權(quán)信息、創(chuàng)建時(shí)間、修改時(shí)間、版權(quán)信息。而對(duì)于拓本重建字符,還需要補(bǔ)充字體本身的一些信息,如:序號(hào)(unicode或id)、石刻梵文拓片(圖片)、新造悉曇字符、羅馬轉(zhuǎn)寫(xiě)、石刻漢字拓本、新造漢字、所在例句、字符來(lái)源等等。數(shù)據(jù)表是古籍缺字?jǐn)?shù)據(jù)庫(kù)建設(shè)和管理的基礎(chǔ),通過(guò)合理規(guī)劃各種數(shù)據(jù)表的關(guān)聯(lián)關(guān)系,設(shè)計(jì)出項(xiàng)目管理平臺(tái)的功能模塊。
Ftrack部署在CentOS服務(wù)器上,使用MariaDB作為其數(shù)據(jù)庫(kù)。資產(chǎn)元數(shù)據(jù)采用多個(gè)具有實(shí)體、屬性、值(EAV)的傳統(tǒng)數(shù)據(jù)表(資產(chǎn)內(nèi)容、編碼解碼方法、源文件出處、所有者、權(quán)限等等)來(lái)完成,既兼顧了固定流程,也留出了讓用戶(hù)自定義的余地。各種數(shù)據(jù)表多視角呈現(xiàn)工作流程,功能細(xì)分復(fù)雜。本文結(jié)合實(shí)踐設(shè)計(jì)的部分古籍缺字?jǐn)?shù)據(jù)庫(kù)建設(shè)E-R關(guān)系模型見(jiàn)圖3。
對(duì)佛經(jīng)文字中的生僻字、疑難字、同形字進(jìn)行歸納,建立“異體字表”,[12]對(duì)匡正訂補(bǔ)部分缺字具有直接的借鑒意義。秉承此理念,本數(shù)據(jù)庫(kù)制作過(guò)程中將字形(漢字石刻拓本、對(duì)應(yīng)的梵文拓本)、讀音、例句、詞義等按照數(shù)據(jù)庫(kù)的方式進(jìn)行組織(見(jiàn)下表),形成詞典的原型,為后續(xù)相關(guān)研究提供圖像、文本等數(shù)字資產(chǎn),其強(qiáng)大的檢索功能也可為后續(xù)研究提供更多便利。
圖3 古籍缺字?jǐn)?shù)據(jù)庫(kù)E-R關(guān)系模型(部分)
表 缺字新造字?jǐn)?shù)據(jù)庫(kù)(部分)
印刷出版、廣播電視、影視制片等行業(yè)正邁向以工作流管理為核心的數(shù)字化、網(wǎng)絡(luò)化的歷史新階段。文章通過(guò)可視化項(xiàng)目管理確保文件安全、計(jì)劃任務(wù)和小組分工的無(wú)縫融合,以《大佛頂陀羅尼》為案例,通過(guò)商業(yè)協(xié)同編輯平臺(tái)由項(xiàng)目組成員在教學(xué)科研過(guò)程中不斷積累、修改、完善,其流程中包含的各類(lèi)子環(huán)節(jié),通過(guò)成員的技術(shù)素養(yǎng)的融合與作業(yè)流程的規(guī)范化,可以形成高效率的流程管線(xiàn),較好地對(duì)字體、圖片、文檔等數(shù)字資產(chǎn)進(jìn)行系統(tǒng)化整理,形成完善的數(shù)據(jù)庫(kù)。古籍缺字新造字?jǐn)?shù)據(jù)庫(kù)直接彌補(bǔ)了現(xiàn)有字庫(kù)與漢語(yǔ)詞典的不足。此外,從可視化項(xiàng)目管理視角對(duì)古籍?dāng)?shù)字化建設(shè)進(jìn)行研究具有重要的實(shí)踐意義??勺鳛楣偶?dāng)?shù)字化可視化的參照樣本,從而引起更多學(xué)者關(guān)注這個(gè)領(lǐng)域。