汪啟明 連燕婷：方志方言文獻(xiàn)的數(shù)字化摭談

作者系國家社科基金重大項(xiàng)目“方志中方言資料的整理、輯錄及數(shù)字化工程”首席專家、西南交通大學(xué)特聘教授；西南交通大學(xué)博士研究生

中華文明歷經(jīng)數(shù)千年的演進(jìn)、積淀，流傳至今的文獻(xiàn)浩如煙�！，F(xiàn)代社會(huì)信息技術(shù)飛速發(fā)展，這對文獻(xiàn)的保護(hù)和利用來說，既是機(jī)遇，也是挑戰(zhàn)。“不數(shù)字無人文”時(shí)代的全面到來，意味著數(shù)字化已成為文獻(xiàn)資源保護(hù)、利用、轉(zhuǎn)化、發(fā)展的必要前提。

文獻(xiàn)可檢索化是學(xué)術(shù)大發(fā)展的助推器。從利用角度而言，數(shù)字化的核心是“可檢索”。檢索是現(xiàn)代人文社科研究必不可少的手段和工具，其基本功能是根據(jù)問題的指向，幫助研究者快速、準(zhǔn)確地查找、鑒別和處理相關(guān)文獻(xiàn)材料，建立起知識之間的關(guān)聯(lián)，實(shí)現(xiàn)知識的融匯。數(shù)字人文興起之前，人們對文獻(xiàn)進(jìn)行可檢索化處理的成果是索引，也稱“引得”。中國古代的索引是在字書、韻書、類書、書目等基礎(chǔ)上發(fā)展起來的檢索工具，或稱為通檢、備檢、韻編、串珠等。索引可以實(shí)現(xiàn)查檢字、詞、句、篇、文、史、地、事、人、年、制等功能，極大地提高研究效率。

歷史上體例完備、搜羅宏富的索引型工具書的每一次進(jìn)步，都能有力地推動(dòng)學(xué)術(shù)的發(fā)展，并對后世產(chǎn)生深遠(yuǎn)影響。清代阮元主持編纂《經(jīng)籍籑詁》（又作《經(jīng)籍纂詁》），匯集了我國唐以前古書中的訓(xùn)詁資料，分韻編排，對歷代典籍訓(xùn)詁做了索引式的整理——“展一韻而眾字畢備，檢一字而諸訓(xùn)皆存，尋一訓(xùn)而原書可識�！惫蚀藭�甫一問世，就受到當(dāng)時(shí)學(xué)界盛贊，并在學(xué)術(shù)研究中加以利用。如郝懿行撰寫《爾雅義疏》就得益于書中提供的豐富材料，他說“適購得《經(jīng)籍纂詁》一書，絕無檢書之勞，而有引書之樂”；20世紀(jì)后半葉，日本諸橋轍次新編《大漢和辭典》，中國臺灣出版《中文大辭典》，我國兩部大型語文辭書《漢語大字典》和《漢語大詞典》，都把《經(jīng)籍籑詁》列為最重要的參考書之一；《故訓(xùn)匯纂》《古音匯纂》則是《經(jīng)籍籑詁》的最新發(fā)展。時(shí)至今日，它仍然是學(xué)者案頭必備的工具書。又如，民國時(shí)期由洪業(yè)主持的哈佛燕京學(xué)社引得編纂處編纂的“漢學(xué)引得叢刊”，借鑒西方科學(xué)的索引技術(shù)和方法，首次大規(guī)模成系統(tǒng)地編纂了64種81冊中國古籍引得工具書，深受當(dāng)時(shí)國內(nèi)外學(xué)界的贊賞，極大地推動(dòng)了民國學(xué)術(shù)的發(fā)展。

大數(shù)據(jù)時(shí)代，各類綜合性、專題性電子數(shù)據(jù)庫如雨后春筍般涌現(xiàn)。相較傳統(tǒng)的紙質(zhì)索引而言，能夠處理海量數(shù)據(jù)的數(shù)字化檢索功能豐富且更高效便捷，開啟了人文學(xué)科全新的研究路徑，引起了研究范式的大變革�？梢�，文獻(xiàn)可檢索化的意義絕不止于為學(xué)界提供高效便捷的檢索工具，更重要的是倡導(dǎo)了科學(xué)高效的讀書和治學(xué)方法。

“精�？薄薄翱蓹z索”是文獻(xiàn)數(shù)字化的兩大支點(diǎn)。文獻(xiàn)的保護(hù)和利用，這里主要指古文獻(xiàn)的保護(hù)和利用，有原生性保護(hù)和再生性保護(hù)兩種方式。原生性保護(hù)更多關(guān)注文獻(xiàn)作為文化承載實(shí)體的物質(zhì)屬性，把文獻(xiàn)當(dāng)作“文物”保護(hù)起來。再生性保護(hù)則有影印、縮微和數(shù)字化三種技術(shù)手段。前兩種手段讓文獻(xiàn)以再造紙本或縮微膠片的形式轉(zhuǎn)印，較好地保存了原貌；但沒有經(jīng)過標(biāo)點(diǎn)、�？薄⒆⑨�，閱讀不便，無法進(jìn)行檢索，查找效率低下，使用中證據(jù)力有所欠缺。因此，要提升古文獻(xiàn)的利用率，讓它們“活起來”，就必須將其內(nèi)容轉(zhuǎn)化為數(shù)字文本。

文獻(xiàn)數(shù)字化包括紙本資源的電子化，以及在電子化文本基礎(chǔ)上的斷句、標(biāo)點(diǎn)、詞語切分等基礎(chǔ)性加工和深層次的知識提取、聯(lián)結(jié)、擴(kuò)展�！熬��？薄笔俏墨I(xiàn)數(shù)字化的第一個(gè)支點(diǎn)�；�于可靠紙本的電子化文本是文獻(xiàn)數(shù)字化的前提和保障，文獻(xiàn)數(shù)字化的實(shí)現(xiàn)過程即是大規(guī)模整理文獻(xiàn)的過程�！翱蓹z索”則是文獻(xiàn)數(shù)字化的另一個(gè)支點(diǎn)。擁有可靠的電子化文本后，在海量的數(shù)據(jù)資料面前，如果不能實(shí)現(xiàn)可檢索，則還是不利于讀者對文獻(xiàn)的利用。因此，只有夯實(shí)“精�？薄焙汀翱蓹z索”兩個(gè)支點(diǎn)，才能走穩(wěn)文獻(xiàn)數(shù)字化的建設(shè)之路。

文獻(xiàn)數(shù)字化，歸根到底是知識生產(chǎn)資源、學(xué)術(shù)研究材料的數(shù)字化。“一時(shí)代之學(xué)術(shù)，必有其新材料與新問題”，新材料能出新學(xué)問。從語言研究角度說，激活舊材料，挖掘新材料是語言研究持久不懈的重要工作。新材料有兩層含義：狹義的新材料指地下出土的材料，如清末民初的甲骨文、簡帛及敦煌文獻(xiàn)；廣義的新材料則指前人未曾使用過的，或在研究中沒有系統(tǒng)搜集、整理的，學(xué)界不曾注意的材料，如域外文獻(xiàn)、大內(nèi)檔案。從方言研究角度看，20世紀(jì)的歌謠收集、方言調(diào)查報(bào)告、少數(shù)民族語言調(diào)查，近年的方志方言整理，其實(shí)質(zhì)上也是新材料，但這些材料的“新”不深究難以覺察。中國地方志是“我國有史以來最大的社會(huì)科學(xué)成果群”，其中蘊(yùn)含了豐富的方言材料，他們是中國語言學(xué)研究的又一富礦，是具有寶貴價(jià)值的新材料。其中不僅有漢語方言，還有少數(shù)民族語、外來語，語音、詞匯、語法、俗語俱全。但分布零散，搜檢不易，前人使用不多。20世紀(jì)中葉，日本學(xué)者波多野太郎編纂《中國方志所錄方言匯編》（9編），收集、影印了266種中國舊志中的方言資料；21世紀(jì)初，日本學(xué)者太田齋、加納巧《新編中國地方志所錄方言志目錄》集31個(gè)省市含有方言資料的新志，編成目錄。2021年，出現(xiàn)了兩部舊志方言資料整理的集大成之作：華學(xué)誠主編，曹小云、曹嫄《歷代方志方言文獻(xiàn)集成》（11冊）整理點(diǎn)校了966種舊志方言文獻(xiàn)；李藍(lán)《中國方志中語言資料集成》（42冊）搜集影印了742種含有語言資料的舊志內(nèi)容。這是兩部舊志方言資料整理的力作，得到學(xué)界好評。國家社科基金重大項(xiàng)目“方志中方言資料的整理、輯錄及數(shù)字化工程”搜集整理新、舊方志中的方言資料，分省編成《中國方志方言資料匯纂》，印刷紙本296冊；建成了可供檢索利用的“中國方志方言詞匯數(shù)據(jù)庫”。該庫從10余萬種方志中，系統(tǒng)地整理出3677種中國新、舊方志中的方言詞，現(xiàn)已入庫方言詞130萬余條，總字?jǐn)?shù)約5000萬字。該數(shù)據(jù)庫屬于全息數(shù)據(jù)庫，可一鍵查詢到古今方志方言詞匯的相應(yīng)信息，這對未來的漢語方言研究或?qū)⒂兄匾獏⒖純r(jià)值。

科學(xué)設(shè)計(jì)檢索字段是提高檢索效率的關(guān)鍵。文獻(xiàn)數(shù)字化要兼顧到原貌保護(hù)、精確校勘、電子化提取、方便檢索等多方面要求。因此，需要根據(jù)不同的檢索目的，匹配不同專業(yè)的特征項(xiàng)，做好檢索的頂層設(shè)計(jì)，從而提高檢索效率和查準(zhǔn)率。在文獻(xiàn)數(shù)字化的建設(shè)過程中，“精�？薄钡募堎|(zhì)文本與電子化文本是實(shí)現(xiàn)“可檢索”功能的前提，而提高檢索效率的關(guān)鍵則是科學(xué)的檢索字段設(shè)計(jì)。

大數(shù)據(jù)時(shí)代的文獻(xiàn)數(shù)字化除提供字符串匹配的基礎(chǔ)檢索功能外，還應(yīng)對內(nèi)容進(jìn)行深度標(biāo)引、知識發(fā)掘和文獻(xiàn)信息關(guān)聯(lián)。以“中國方志方言詞匯數(shù)據(jù)庫”為例，其檢索字段設(shè)計(jì)包括：詞形、注音、釋義、文例、詞類、語類、通行地域、方志纂修時(shí)間、方志纂修者、方志名稱、方言所在篇（卷）。通過數(shù)據(jù)的結(jié)構(gòu)化處理，可進(jìn)行批量查詢、計(jì)量統(tǒng)計(jì)；可實(shí)現(xiàn)全文檢索，也可進(jìn)行方言分時(shí)、分地、分詞類、分語類等專門性檢索。方言分區(qū)、分類是方言研究的基礎(chǔ)工作，又是方言研究的歸宿。學(xué)界目前多以語音為方言分區(qū)的條件，“中國方志方言詞匯數(shù)據(jù)庫”可以起到重要的輔助和驗(yàn)證作用。如可從數(shù)據(jù)庫中方便地提取同一方言詞在相鄰的區(qū)、片、小片、點(diǎn)的復(fù)現(xiàn)率、同一方言詞在不同方言中的共現(xiàn)率等數(shù)據(jù)。例如，晉語“好面”指白面、精細(xì)面，在山西太原、鄉(xiāng)寧等地47種方志中出現(xiàn)過；又如方言詞“蔫”指物不新鮮，在河北雄縣、青縣，江蘇吳縣，浙江蕭山、鄞縣，上海，福建，廣東番禺，重慶云陽、長壽，四川蓬溪、簡陽，貴州遵義、平越等地36種方志中出現(xiàn)過。這樣的數(shù)據(jù)，無疑將有益于我們用來研究方言分區(qū)、方言溯源、方言擴(kuò)散、方言比較、形音義、語言接觸、移民現(xiàn)象等多方面的問題�；�于該庫對漢語方言材料進(jìn)行深度而高效的分析，使?jié)h語方言研究除方言調(diào)查報(bào)告、方言著作、方言研究論文、方言地圖、方言詞典外，又多了一個(gè)可靠好用的檢索平臺，有助于方言研究進(jìn)入更宏觀的視野，提高研究結(jié)論的精準(zhǔn)性、穩(wěn)定性及可驗(yàn)證性，促生新的研究理念、方法與范式。

依托于現(xiàn)代信息技術(shù)發(fā)展起來的文獻(xiàn)數(shù)字化檢索方式，是真正對包括古籍在內(nèi)的文獻(xiàn)實(shí)現(xiàn)永續(xù)性保護(hù)和利用的好辦法，必將大大推動(dòng)人文社會(huì)科學(xué)領(lǐng)域的發(fā)展，推動(dòng)中華優(yōu)秀傳統(tǒng)文化創(chuàng)造性轉(zhuǎn)化、創(chuàng)新性發(fā)展。