编目精灵III

写了“DOAB：开放获取图书目录”（2012年4月13日），想着趁热打铁，看怎么把数据放到OPAC。DOAB提供两种获取元数据方式（About──Metadata harvesting and content dissemination），一是OAI收割DC格式数据，一是下载CSV格式数据。
———-EXCEL格式处理———-
因为有EXCEL转为MARC的软件，所以下载了CSV格式数据。
在EXCEL中“分列”并做转换，发现数据有一些问题：
1、乱码。图书语种有英语、德语、法语、荷兰语、意大利语、威尔士语，某些语种数据在我的电脑上显示为乱码，需要逐个在网站上查出重新粘贴。后来知道是Unicode的缘故。
2、数据缺失。可能部分由于字符问题，网站显示的数据就有缺失，少数题名、作者只显示很小部分（甚至单个字母），因而一眼就能看出来。需要到WorldCat上查出补全。
3、格式不一。因为数据来自出版社，所以差别较大，比如有的没有关键词。影响较大的主要有：
（1）作者。主要是有的姓名倒置，有的直序。对于全文检索这或许不是问题，但对于OPAC作者查询，影响还是比较大。
（2）语种。德文一般用German，也有一个用Deutsch。还有三个出版社不提供语种信息，其中大部分是英语，但阿姆斯特丹大学出版社有部分是荷兰语，需要逐一甄别补全。
CSV格式数据有Added on date，后续如果要识别新增数据还是很方便的。为保证系统中数据标识唯一，在EXCEL表中以Added on date及ISBN排序，依顺序给每种书一个以DOAB起始的流水号作为控制号；再给全文链接加说明语＂DOAB开放获取图书＂，让信息更明确，也更友好些。
———-MARC格式处理———-
EXCEL表处理处理花了不少时间，完后转换为MARC。看MARC记录，要继续处理的问题还很多：
1、部分记录出错，经分析是由于EXCEL单元格超过256个字符所致，某些记录的关键词（特别是双语）、甚至个别题名会超过此限。返回去精简关键词，处理掉大部分问题数据，重新转换。
2、原来的乱码仍然乱码──因为转换软件不支持unicode。
3、同一记录有多个作者和多条ISBN，需要拆成多个字段。
由于多作者占了很大部分，结果是从头到尾把MARC记录过了不止一遍，顺手把不少无页码、无丛编、无关键词的字段删除，最后索性把不排序的题名首冠词也标记了。大部分记录都被修改过了。
———-图书馆自动化系统中处理———-
处理过程中发现转换格式有些问题，但因为已经做了不少编辑，不想返工，就留到导入图书馆自动化系统后再批量更新了：
（1）忘了在题名后补充电子资源信息|h[electronic resource]；
（2）出版字段年份在出版社前（不影响识别与检索，忽略不管）
（3）不知道为什么控制号转换少了第一个字母，变成OAB起始了（这个无所谓）
此外，还要在系统中处理语种、资源类型等本馆的系统定长字段，才算完成。
—
本来以为可以轻松搞定的事，弄到后来直想放弃──尤其是看到那些小语种的乱码。结果是除了小语种乱码，其他都处理了，自我安慰是小语种没什么人用的。
本来想共享处理后的MARC记录，可是真的不堪入目，既有小语种乱码的重大问题，作为简编格式也极不规范，除了245字段，其他都没有字段指示符──很久没做编目了，在做转换时都没有意识到需要注意指示符。
[update 2012-4-25 已在系统中修改乱码（主要是德文字母），本馆目录查询没有问题，可惜导出为MARC记录后，这些unicode码全都消失，因而没有共享价值]