从保存图书到保存网络:图书馆的未来?

    最近Keven连发强贴探讨图书馆有没有未来(图书馆有未来吗?再续续三续四续五待续完结篇)。看到加州数字图书馆的网络档案(Web Archives),不知道保存网络是不是图书馆的一种未来?

    互联网时代,图书馆员最早发挥的特长是知识组织,对网站、网页做人工筛选、标引、编目、组织主题目录(CALIS的“学科导航”也属此类)。这种综合或专题的目录继承了OPAC的所有优点和缺点,相对于搜索引擎来说,最大的问题就是没有全文检索,可用性随着搜罗内容的增加而下降。
    图书馆另有专长是保存人类的知识,这是图书馆长久以来承担的责任之一。图书馆经历了保存甲骨、泥版、纸莎草、竹木简、羊皮……纸张、胶卷、磁带、光盘……,在比特时代,增加新的保存载体也是顺理成章的。由于网络内容的不稳定性(统计数据……),现实上也有这种需求。
    如同图书馆不能收藏所有的图书,图书馆也无法保存完整的网络。而有选择地永久保存网站与网页,形成专题,正是图书馆所擅长的。知道国内图书馆也有做这方面工作的,如国家图书馆的“网络信息保存项目”(惜乎一直无法访问),东华大学的纺织特色数据库也有存档网页的部分。尚有一点不明白的是其中的版权问题:图书馆有权保存这些网页并提供服务吗?大家都在做,暂且存疑。

    加州数字图书馆(CDL)的网络档案(Web Archives)是一种托管服务,带有云计算的特征(下述Archive-It类似):
 √ CDL提供存档工具及存贮(Web Archiving Service, WAS)
 √ 专题网络档案(目前包括18个专题,由不同机构建立,以加州本地内容为主,纽约大学图书馆的几个侧重左翼政治)
 √ 收录网站浏览+全文检索

    Web Archives链接了其它公开网络存档项目,各具特色的内容是专题研究很好的参考数据源,实现方式也可借鉴:

综合性的:
    * Internet Archive (IA) 互联网档案(网络存档的元老)
    * Archive-It 为后代保存互联网:收集、管理、检索……存档。目前有881个公开收藏,分为艺术人文、计算机与技术、政府、自发性事件、政治与选举、科学与健康、社会与文化、大学与图书馆八大类。由参与机构从IA制作不同主题的收藏(collections),由IA负责保存。
    * Pandora (Australia) 保存与访问澳大利亚网络文献资源。分18个主题。

保存政府网站受重视:
    * Government of Canada Web Archive 加拿大政府网络档案
    * Library of Congress Web Archives (LCWA, Minerva) LC互联网档案(曾名“智慧女神密涅瓦”)。侧重美国政府与外交,如:2006年苏丹达尔富尔危机、2003年伊位克战争、2001年911事件及美国国会、选举档案等。
    * CyberCemetery 网络墓地。北德克萨斯大学图书馆与USGPO合作,保存现已不存在的美国政府机构与委员会的网站及出版物,提供永久访问。
    * The Stanford WebBase Project 同样侧重收集美国政府网站(目前只能下载,无检索功能)

采用开源软件(CDL工具估计基于同样软件):
    * Harvard Web Archive Collection Service (WAX) 哈佛网络档案收藏服务。试验性项目,目前有三个档案:博客──捕捉妇女之声,日本宪法修正研究,哈佛网站档案。
采用多种开源工具,包括:互联网档案(IA)及国际互联网保存联盟(International Internet Preservation Consortium, IIPC)的Heritrix网络爬虫、Wayback索引工具、NutchWAX检索工具,以及OpenSymphony的Quartz作业调度软件。

特色馆藏数字化与网络存档的结合:
    * UCLA Campaign Literature Archive UCLA竞选文献档案:一个世纪的洛杉矶选举。收集符合要求的网站,并与UCLA特藏的数字化扫描结合。

Via Press Release: California Digital Library [July 21, 2009]
Library Technology Guides: Web archiving service preserves data for the future

[update] 《数字图书馆论坛》2009年第7期话题:网络信息资源保存
网络信息资源保存所面临的问题和挑战

/ 吴振新(中国科学院国家科学图书馆) PDF查看
网络信息资源保存的协作网络研究
/ 吴振新 张智雄 王婷(中国科学院国家科学图书馆) PDF查看
网页变化监测相关技术与方法研究*
/ 高建秀 吴振新 张智雄(中国科学院国家科学图书馆)
PDF查看
网络信息资源保存的编目方法与系统研究*
 
/ 孙敏杰 吴振新 孙志茹(中国科学院国家科学图书馆) PDF查看
基于Web Archive的网页重现方法及应用研究*

/ 向菁 吴振新 孙志茹(中国科学院国家科学图书馆) PDF查看
网络信息采集与保存标准规范研究*
/ 曲云鹏 王志庚 李春明 周晨 李成文(中国国家图书馆) PDF查看
基于网络信息资源保存的生命周期管理研究*
/ 李成文 王志庚 李春明 周晨 曲云鹏(中国国家图书馆)
PDF查看