电子图书长期保存的困扰

●臧国全，闫 励（郑州大学信息管理学院，郑州450001）

电子图书长期保存的困扰

●臧国全，闫 励（郑州大学信息管理学院，郑州450001）

电子图书；数字保存；数字保存质量

电子图书长期保存既存在一些共性的困扰，也有针对不同类型电子图书的特殊困扰。共性困扰主要来自于电子图书的虚拟化拥有属性、电子图书的格式多样化、数字产权管理等。数字转换型电子图书的特殊困扰主要来自数字转换质量。纯电子图书的特殊困扰主要来自自助出版模式、电子图书包含的内嵌对象、内容的稳定性、呈缴本制度、电子图书唯一标识符等。基于因特网的集体创作型电子图书的特殊困扰主要来自产权许可、保存价值、保存动机缺失等。

总体上讲，电子图书可以分为三类：传统图书进行数字转换而成的电子图书；纯电子图书；基于因特网的集体创作型电子图书。这三类电子图书在长期保存过程中，既存在一些共性的困扰，每类电子图书也存在一些特殊的困扰。

1 电子图书长期保存的共性困扰

1.1 电子图书的虚拟化拥有属性对用户长期访问的困扰

电子图书的“销售”本质导致了对其“拥有”的虚拟化。针对传统纸介质图书，用户购买就意味着拥有了图书的物理实体，这种拥有是“实在”的。但对于电子图书，用户购买的结果仅仅是拥有一段时间的访问许可权，并不真正拥有构成该书的二进制字节流，这种以二进制字节流表现出的电子图书存在于云端服务器中。因此，这种拥有是“虚拟”的。著名的电子图书销售商Amazon在其销售条款中明确声明，［1］“Kindle电子图书的销售是由内容提供商将其电子图书内容许可给用户，而不是卖给用户”。

电子图书的虚拟化拥有属性对最终用户的长期访问带来困扰。比如，一个图书馆购买电子图书，用户想要永久访问，图书馆就需要持续向电子图书平台缴费，这种销售与购买的商业模式对图书馆最终用户的长期访问许诺的实现是不靠谱的。原因有三：一是费用缴纳的可持续性取决于图书馆的经费状况，一旦经费缺乏将可能终止用户的访问；二是即使一次性购买了永久访问权，但电子图书是一种数字资源，众多因素都可能会导致数字资源的消失，一旦消失，也无法继续提供访问；三是一些电子图书中内嵌了众多的多媒体文件，现行的商业化许可协议中没有设立明确的这类数字对象永久和不可撤销的转移给保存系统的许可条款，一旦电子图书内嵌的数字对象产权拥有者提出产权质疑，将可能会对最终用户的访问带来影响。

1.2 电子图书的格式多样化对用户访问的困扰

出版商为了经济效益，出版发行的电子图书大多都采用其专有格式，格式的多样化对保存机构和最终用户而言都会带来困扰。

对于保存机构，多样的格式会造成对出版机构的依赖，如果出版机构停止对浏览软件的支持，就会使对应格式的电子图书无法使用。比如，微软生产的LIT格式电子图书，浏览软件为Microsoft Reader，［2］2012年，微软已停止该浏览软件的生产，导致保存机构必须对保存的LIT格式的电子书进行数字迁移，否则就无法保证该格式电子图书的访问。

对于最终用户，格式的多样化限制了用户的访问，用户需要下载专用浏览器才能对相应电子图书访问，给用户带来困扰。例如，Kindle不支持常用电子图书的专用格式EPUB；iBooks格式只能在iBooks和IBooks Author中使用；超星的电子图书使用的PDF变种格式PDG和PDZ只能在超星的SsReader中使用。如果用户对多种格式的电子书都有需求，就需要安装多个浏览软件。

为了简化管理，保存机构常常将多种格式迁移为一种格式。但格式迁移存在一定风险，可能由于格式不兼容造成电子图书视觉效果的改变（如文本加粗，斜体和字体颜色）以及电子图书质量的下降（如图像分辨率降低），甚至导致内容的丢失。

1.3 数字产权管理对保存内容的困扰

数字产权管理（DRM）技术用于电子图书之中的目的是保存该类图书的商业化知识产权。电子图书保存许可中使用DRM，将限制用户以特定的方式对电子图书的访问，比如访问的频率、持续时间以及对产权转移的限制和对电子图书复制的限制等。DRM也可防止电子图书的篡改，比如对电子图书的二进制数据流进行加密，添加数字水印以跟踪电子图书的使用，从而及时发现电子图书的非法盗版。在用的电子图书DRM方案有多个，比较著名的有Adobe Adept的DRM和Amazon的DRM。［3］在很多情况下，DRM由第三方管理，而不是由电子图书出版者直接管理。

DRM对电子图书的保存构成了挑战。从商业模式角度讲，如果电子图书的销售是基于DRM进行监控的有限制的使用，那么，保存机构对基于这种销售模式的电子图书保存权的许可价值将会降低；从技术角度讲，DRM将阻碍电子图书的可保存性。另外，数字产权技术的改变可以被认为是电子图书格式过时的一种特殊案例。这些挑战已经对电子图书的保存形成了现实威胁，Adobe已经宣布DRM技术的变迁不具向后兼容性。

如果电子图书的提交版本应用了DRM（比如加密、水印等），并且保存机构又无法从电子图书保存版本中除掉DRM，那么，电子图书对于浏览者来说是有质量缺陷的（如模糊不清）。对于这种电子图书的长期保存只能是纯字节式的，并且电子图书的内容变得难以理解。

2 各类电子图书保存的特殊困扰

2.1 传统图书进行数字转换而成的电子图书

这类电子图书基于的数字转换方法主要是数字扫描或数字拍照，存在的形式主要是图像文件或基于OCR识别的文本文件。与其他类型电子图书相比，这类电子图书长期保存的主要困扰是数字转换的质量。

数字转换的质量主要受下述几个因素影响。（1）原始文献的质量，如果原始文献本身存在污损、缺页等问题，在数字转换之前需要进行去污、补齐等相应处理。（2）硬件设备的性能，硬件设备包括数码相机和扫描仪等，它们所具有的性能限制可能对数字转换的质量造成重大影响，如像素和分辨率的限制会影响对原始文献中最小字符和最有意义信息细节的抓取程度。（3）图像质量增强处理软件的功能，转换所得的数字图像需要采用这类软件进行图像质量增强处理，包括去网纹、去斑点、纠正偏斜、锐化、位元深度调整等，软件功能的缺失会影响质量增强处理的效果。（4）文本转换软件的准确度，针对最终需求为文本的数字转换，还需OCR识别，虽然不同的OCR识别软件的准确度不同，但可以肯定都不会达到100%。（5）数字转换场所的物理环境，包括照明、湿度、气温等，比如，照明是对采用数字拍照进行数字转换所得数字图像质量的一个重要影响因素。（6）数字转换操作人员的专业性，包括专业技能和工作态度，比如，由操作人员人工设定的黑白扫描模式中的阈值会对数字转换所得图像的质量产生影响，如果设定得当可以最大限度地减少线条失落或线条粘连现象。

针对这类电子图书的最佳质量要求应该是传统纸介质图书的等质量替代品。但是，基于上述分析，众多因素都会产生质量降低的风险，因此，几乎可以肯定这类电子图书的质量都会低于对应的传统图书质量，只是质量降低的程度不同而已。

2.2 纯电子图书

这类电子图书没有对应的纸介质印刷版，几乎将网络销售作为唯一的传播渠道，一个著名的例子是亚马逊销售的大部分电子图书。

2.2.1 自助出版模式给保存机构带来的困扰

随着亚马逊自助出版服务（Kindle Direct Publishing［4］）、电子图书的在线出版网站（NOOK Press［5］）和苹果自助出版服务（iBooks Author［6］）的出现，个人自助出版电子图书变得非常简单方便。越来越多的个人使用自助出版模式，正如Klems报道，［7］美国出版信息服务商Bowker公司的市场研究数据表明，自助出版的电子图书数量每年呈指数增长，保守估计2013年新增的自助出版图书达到了235,000多种。但由于这类出版方式的很多电子图书都没有ISBN号，导致难以精确统计。

由于自助出版的电子图书是以标准的电子图书格式进行创作与发布的，所以，主流平台的自助出版电子图书的长期保存没有额外的技术挑战。然而，这种出版模式对保存机构构成了挑战，因为保存机构需要与每种电子图书的作者联系协商并且签订保存许可协议，这是一项艰巨的工作，甚至根本就无法完成。因为到目前为止还没有一个简单高效的方法与这些独立的作者进行联系与协商，虽然针对一些类型的数字资源已经出现了集体授权方式，但针对个人自助出版的电子图书很难采用这种授权方式。

2.2.2 电子图书包含的内嵌对象的保存困扰

许多电子图书格式支持内嵌对象，这些对象几乎可以是任何类型的文件，比如音频和视频等多媒体文件。美国国会图书馆将这种电子图书格式称为“封装格式”（wrapper format［8］）。对这种内容丰富的电子图书实施全面保存，除了保存文本内容外，还要通过相应链接，识别和定位内嵌的对象，采取相应保存措施，对封装内的对象进行保存。更为复杂的是，内嵌对象的知识产权可能完全独立于电子图书的文本内容，如果实施深度保存，就需要对电子图书的内容和所有内嵌对象的产权状态进行识别，对于有产权保护的内嵌对象均要获取长期保存存档权、长期保存管理与处理权、服务提供权的许可。

保存机构是否需要对这种电子图书实施完全深度保存将取决于保存方针。该类保存方针的制定必须考虑保存技术的可行性、接收的提交信息包的组成、系统支持的保存等级等。很明显，保存机构对内容提交者提交的电子图书中内嵌的文件格式进行限制将有利于深度保存，但同时会对电子图书的获取造成障碍，一些不符合格式要求的电子图书将被拒之门外。另外，电子图书的产权许可如果包括了内嵌对象的产权当然有利于保存机构对其获取和长期保存，但这种可能性并不大，因为即使电子图书在编辑时已经获得了内嵌对象产权拥有者的许可，在被收录到保存系统之前仍需要延伸许可。还有，如果电子图书内嵌的数字对象是因特网上的网络文献（如网页、网站等），这在数字化教材中很常见，保存系统对该类数字对象收割的方法有二，一是仅保存超链，二是将数字对象下载到本地。前者的优点是简单且节约保存空间，但缺点是日后可能产生死链从而导致不可访问；后者的优点是保证了可访问性，但缺点是需要额外的存储空间来保存数字对象。

2.2.3 内容的稳定性对保存的困扰

提供电子图书内容即时更新与校正的能力被看做是电子图书格式设计的吸引眼球的特征，但这种特征使得对其保存复杂化。如果这种更新是随机的且持续的，那么，一种电子书将会存在多个版本，保存系统需要保存一种电子图书的多少个版本？这些版本记录了作者对电子图书修改的所有过程，该过程可能有利于读者对电子图书内容的理解，但如果对所有更新版本都进行长期保存，不仅涉及存储空间问题，还会导致电子图书内容的稳定性受到质疑。

更为严重的是，如果对电子图书的更新伴随着回收保存系统的原版本操作，可能会给已购买的用户带来问题。比如，一个著名的案例［9］是2009年发生的亚马逊从其用户的Kindle电子书阅读器中删除了George Orwell小说的一些版本，而这些版本用户已经购买。因此，保存系统应该保障存储的电子图书内容的稳定性，并对可能的电子图书回收、删除甚至访问取消等操作进行有效管理。

2.2.4 呈缴本制度带来的保存困扰

许多国家都要求出版商将一定数量的出版物复本呈缴给国家图书馆。电子图书的出版是一种新生事物，很多国家的电子图书呈缴本制度的法律还在制定之中。早在1996年，一些国家（如加拿大和挪威）已经要求电子图书的呈缴存储。自此之后，不同国家对法定的呈缴要求有所不同，有些国家（如英国［10］）要求电子图书必须呈缴，但另外一些国家（如美国），仅仅要求没有对应印刷版本的电子图书必须呈缴给版权办公室；否则，仅要求印刷版本必须呈缴。荷兰［11］的自愿呈缴系统最为成功，国家图书馆把接收和要求电子图书的呈缴并保存视为实现公民利益的途径，并将其当成自己的使命。我国虽然对传统出版物的呈缴本制度已非常完善，但时至今日，针对电子图书的呈缴本制度仍在研究探讨之中。

呈缴本制度也给电子图书的长期保存带来困扰。在一个完善的呈缴本制度框架下，一个国家或地区出版的所有电子图书都将以呈缴本方式集中，这样，任何一个保存系统，无论是商业化的还是公益性的，起码在寻求产权拥有者方面不仅会更全面而且会更加便利。但是基于上述分析，不少国家尤其是我国的电子图书呈缴本制度不太理想，这就造成了保存机构寻求产权许可方面的困扰。

2.2.5 电子图书唯一标识符带来的识别困扰

电子图书格式的多样化（如一种书的MOBI格式、EPUB格式以及出版商平台的格式等）和版本的多元化使得对其识别所依赖的唯一标识符非常复杂。目前为止，电子图书的唯一标识符方案主要有下述几种。

（1）ISBN号。ISBN号是针对传统图书的识别而设计的，但对电子图书的识别非常复杂，因为，根据国际ISBN中心的规则，［12］电子图书的完全相同内容、出版日期、版本、作者、出版社的MOBI格式、EPUB格式以及出版商平台的格式均赋予不同的ISBN号。从保存角度讲，可能不需要保存一种电子图书的所有格式，但是ISBN的多样性使得识别相同内容的电子图书副本成为困难，也使得在保存系统中收录一种电子图书时的查重成为困难。

（2）ASIN或BN。许多的自助出版工具并不强制使用ISBN。例如，Amazon Kindle Direct Publishing和Barnes&Noble NookPress都不需要对出版物配置一个ISBN。相反，这些出版工具赋予电子图书内部的识别号，如前者的ASIN和后者的BN号。

（3）国际标准文本编码（ISTC，国际标准ISO 21047）。与ISBN的编码对象是知识作品的格式不同，ISTC针对知识作品的文本。因此，当多家出版商以不同格式出版内容一样的文本时，它们被赋予一个ISTC编码。但目前为止，ISTC还没有得到广泛使用。

（4）DOI（数字对象标识符）。广泛应用于学术型电子图书的标识。在学术出版界，不仅对一种电子图书赋予一个DOI，而且常常对该电子图书的每一章赋予一个DOI。国际数字对象识别号基金会建议将DOI与ISBN结合，形成“ISBN-A”（可操作的ISBN）。这意味着，同一内容的电子图书可能存在多个不同的ISBN（因为格式不同）的问题在DOI中同样存在。

目前为止，电子图书的长期保存界还没有对电子图书的识别方法达成一致，所以保存机构一般保存出版商提供的电子图书所有识别符。但在一个保存系统中，如果收录众多出版商的电子图书，因为不同出版商采用的识别符方案可能不同，将导致电子图书的识别混乱。

2.3 基于因特网的集体创作型电子图书的保存困扰

这类图书主要集中在大型参考工具书，如词典、字典、百科全书等。随着因特网的广泛普及和技术的快速发展，越来越多的大型参考工具书采用基于因特网平台的集体创作形式进行编纂出版。这种编纂方式导致了这类电子图书具有内容的高度动态性、产权拥有的分散性、内容的集体贡献性、链接的多样性等特征，对其进行长期保存存在诸多困扰。

2.3.1 产权许可的困扰

针对基于web的集体创作型电子图书，保存机构获得产权许可的最大障碍来自于这类电子图书的产权复杂性。这种复杂性表现在下述四个方面。

（1）产权归属的人员众多。宏观上，这类电子图书整体上就是集体创作的结晶，任何一个网络用户都可以贡献内容；微观上，任何一个条目的编纂也可能是众多作者的劳动结果，每一个作者可以贡献条目的全部内容，也可以贡献条目中的部分内容。

（2）产权归属的人员组成复杂。无论是宏观上的整本电子图书还是微观上的一个具体条目，都是集体创作的，而这个集体并非集中在一个机构，是广泛分散的，且可能分布在众多的行业领域、广袤的地域空间。

（3）产权归属的模糊性。作者贡献的内容有些是自创的，也有不少是转载于其他地方，这种转载有的有规范的引用，但网络环境下这种转载的引用缺失是常见的，有的甚至根本就没有加入引用标识的意图，还有，这种转载也可能是多次的。因此，产权归属难以清晰界定。

（4）产权归属的间接性。与其他类型的网络文献相比，这类web资源的链出型超级链接更多，被链接的网络文献构成了这类电子图书内容的组成部分，但这部分内容的产权并不归实施链接的作者所有，电子图书在进行长期保存之前需要通过该类作者寻求被链接内容的产权拥有者实施产权许可。因此，这类内容的产权归属对于电子图书来说具有间接性特性。

上述前两个产权复杂性的表现要求保存机构与众多内容贡献者联系以取得产权许可，后两个需要保存机构通过内容贡献者联系被引用或被链接内容的产权拥有者进行产权延伸许可。但在实际操作中，无论哪种类型的产权复杂性表现都将对获取许可带来巨大挑战。

2.3.2 保存价值的困扰

经济学上，价值被定义为受益。因此，数字资源的保存价值可以被界定为用户的受益，这种受益来自于对保存的数字资源访问和使用。针对基于因特网的集体创作型电子图书，保存价值存在高度的不确定性，具体表现在下述几个方面。

（1）用户需求的不确定性。①现实用户需求的发散性，不同类型的用户群体对这类电子图书的需求差别较大。一般来讲，年轻人比年长者的需求大，因为前者更倾向于使用数字化信息资源；学术界比其他领域从业者的需求大，因为这类电子图书一般是学术型的。②未来用户需求的预测性，数字保存的用户需求虽然着眼现在，但主要集中在未来，而web数字资源具有很强的时效性，用户对这类数字资源的未来需求具有很强的不确定性。

（2）电子图书价值的不确定性。这类电子图书一般是参考工具书，参考工具书本身的价值主要体现在内容的准确性和完整性。但是，由于这类工具书的每个条目撰写并非是相应领域的学术权威，而是网络用户的集体贡献，其准确性和完整性很难保证。不过，这类图书编纂的聚集效应和网络效应很明显，内容贡献者越多，其准确性和完整性可能越高，电子图书的价值也可能越高。

（3）保存内容的不确定性。一是保存内容选择的不确定性，与其他电子图书不同，这类工具书型的电子图书中的每一个条目都有不少内容贡献者给出修改和补充意见，并且都经历一个较长时间的编辑过程。因此，每个条目都有一段编辑历史，对这类电子图书进行保存收割时，仅保存每个条目的定稿内容，还是要保存条目的整个编辑历史，还是对编辑历史进行有选择性地保存，这给保存机构制定保存内容的选择政策带来困扰。二是保存版本选择的困扰，很明显，这类电子图书的内容一直处于动态的编辑修改完善之中，传统图书的“版本”概念在这类图书中已非常模糊，甚至根本就无法界定，在保存实践中，这种特征给这类电子图书保存版本的选择带来困境。

一般来讲，数字资源的保存价值取决于三个方面：目标用户群体的明确性、数字资源本身的学术性、内容的相对固定性。但是，基于上述分析，针对基于因特网的集体创作型电子图书，这三个因素都存在很大的不确定性，从而导致了这类数字资源价值的不确定性。因此，商业性保存机构对这种保存价值不确定的数字资源进行长期保存存在保存动机不足甚至缺失的风险。

2.3.3 保存动机缺失的困扰

保存动机是指保存决策者实施数字保存的愿望。保存动机的缺失是指保存机构对某些类型的数字资源缺乏保存动机或保存动机不足。产生保存动机缺失的基本原因是保存条件的可获得性不足和保存目的的实现预期程度不高。

（1）保存条件的可获得性不足。数字保存的一个非常重要的条件是数字资源产权许可的可获得性。但是，基于因特网的集体创作型参考工具书产权许可的可获得性很差，导致保存动机的不足。针对这种类型的保存动机缺失，提升的一个基本方法是这些内容贡献者采用非排他性许可方式（比如签署知识共享协议）授权给保存机构（比如，可以在维基百科网站的显著位置放置这种授权声明）。但是，这种产权许可方式的负面效应是降低商业型保存机构的经济效益，因为非独占性许可可以将数字资源同时授权给其他保存机构进行长期保存，导致保存机构之间的商业竞争。因此，即使这样，也无法完全解决保存动机缺失的问题。

（2）保存目的的实现预期程度不高。实际上，数字保存是一种经济产品，保存目的在于该产品的销售收入。对于一般经济产品，销售收入的预期周期都不会特别长。但对于数字保存来说，用户的需求不仅分布在现在，更主要分布在未来，所以，数字保存是一项跨时代的经济活动，这种经济活动的特性导致了数字保存这类产品的生产与销售的非同步性，且跨越时间非常长。对这种跨越时代的销售收入进行预期的困难度很大，风险也很高。另外，基于因特网的集体贡献型电子图书是Web数字资源的一种类型，一般认为，Web数字资源的时效性很强，影响这类数字资源的未来销售预期。所以，这类电子图书保存目的的实现预期也存在不理想的风险。基于上述分析，一方面这类电子图书的独占性产权许可的获得几乎没有可能，采用内容贡献者使用默认的非排他性产权许可方式虽可以降低保存障碍，但会导致保存机构的经济收益下降；另一方面，这类数字资源长期保存的未来收益预期也存在不乐观的因素。所以，商业性保存机构对这类电子图书存在着保存动机缺失或不足的困扰。

电子图书是一种重要的数字资源，对其进行长期保存的项目已有不少，比如，荷兰国家图书馆牵头组织美国、加拿大、西班牙、澳大利亚等国家图书馆建立的HathiTrust数字图书馆。但是，至今电子图书的长期保存仍然存在各种缺憾，困扰着这类数字资源的有效保存使用。本文对这种困扰进行了分析和总结，以期业界探讨解决方案，完善电子图书的保存实践。

［1］Amazon．KindleStoreTerms ofUse［EB/OL］.［2015－03－30］．http://www.amazon.com/gp/help/customer/display.html/ref=hp_200699130_storeTOU1?nodeId=20101 4950.

［2］Wikipedia．Microsoft Reader From［EB/OL］.［2015－05－30］．http://en.wikipedia.org/wiki/Microsoft_Reader.

［3］Wikipedia．Digital rights management［EB/OL］.［2015－05－30］．https://en.wikipedia.org/wiki/Digital_rights _management#DRM_and_e-books.

［4］Kindle Direct Publishing，Publishing FAQ［EB/OL］.［2015－05－30］．https://kdp.amazon.com/help?topicId=A36BYK5S7AJ2NQ.

［5］NOOK Press．Frequently Asked Questions About NOOKPress［EB/OL］.［2015－05－30］．https://www.nookpress.com/support/faq.

［6］iBooks Author［EB/OL］.［2015－05－30］．http://www. apple.com/ibooks-author/.

［7］Klems B．How can the average writer make money self-publishing e-books?［EB/OL］.［2015－06－01］．http://www.writersdigest.com/online-editor/howcan-the-average-writer-make-money-selfpublishinge-books.

［8］Sustainability of Digital Formats Planning for Library of Congress Collections［EB/OL］.［2015－06－09］．http: //www.digitalpreservation.gov/formats/intro/format_eval_ rel.shtml.

［9］新浪网．亚马逊就“删书门”事件补偿用户30美元［EB/OL］.［2015－06－11］．http://tech.sina. com.cn/i/2009-09-05/10113412925.shtml.

［10］CDNL．BritishLibrary：InternationalSurveyonElectronic Legal Deposit［EB/OL］.［2015－06－10］. http://www.cdnl.info/Legal_Deposit/CDNL_2010_-_BL _international_survey_on_e-Legal_Deposit.pdf.

［11］Van Trier G．Permanent Access to the Records of Science The International Role of the e-Depot at the KoninklijkeBibliotheek．LIBERQuarterly，16：3/4.［EB/OL］.［2015－06－10］．https://liber.library.uu.nl/index.php/lq/article/view/URN%3ANBN%3ANL% 3AUI%3A10-1-113470/8062.

［12］International ISBN Agency．E-Books and ISBNs：a position paper and action points from the International ISBN Agency［EB/OL］.［2015－06－11］．http: //www.isbn.org/sites/default/files/images/isbn_agency_ e-books_position_paper.pdf.

G255

A

1005－8214（2015）11－0001－05

臧国全（1963－），男，教授，郑州大学信息管理学院副院长，发表论文80多篇，出版学术专著3部，研究方向：数字资源长期保存；闫励（1989－），女，在读研究生，发表论文1篇。

2015－06－19［责任编辑］王岗