国外WebArchive项目对我国的启示——以澳大利亚PANDORA为例闫晓创2012-11-139:38:07来源：《浙江档案》(杭州)2011年10期【英文标题】EnlightenmentofForeignWebArchiveProjecttoChina：WithAustralianPANDORAProjectasanExample【作者简介】闫晓创，中国人民大学信息资源管理学院（北京100872）。【内容提要】分析澳大利亚PANDORA项目的网络信息采集策略、资源保存方式、服务提供、信息检索及技术架构，提出对我国网络信息资源保存在法律环境、战略定位、合作模式等方面的启示。【关键词】WebArchive/PANDORA/网络信息保存目前，网络信息资源已经成为世界上最大的信息资源库，许多网页具有重要的社会、经济等价值；然而由于网页不断更新，其寿命一般较短，因此对网络信息资源进行保存，建立网页档案馆（WebArchive）十分必要和迫切。从国际上来看，网络信息资源保存的研究始于1996年，目前开展了众多的相关项目，其中澳大利亚PANDORA项目是开展较早且至今发展较完善的一个项目；我国在网络信息资源保存方面还未取得太多进展，仅有国家图书馆和北京大学进行了相关的研究。本文通过对PANDORA项目的分析，提出了它对我国网络资源保存的借鉴意义，进一步明确我国档案部门应在其中发挥的作用。一、PANDORA项目分析（一）基本情况1996年，澳大利亚国家图书馆发起了对澳大利亚在线出版物、具有重要文化价值网站开展的长期保存计划，即PANDORA（PreservingandAccessingNetworkedDocumentaryResourcesofAustralia）项目。它是世界上最早的WebArchive项目之一，现在已发展为与其他11个澳大利亚各地的图书馆和文化遗产机构共同合作进行，到目前为止已经较为完善。PANDORA保存的网络资源主要包括：政府的公开出版物、教育机构出版物、会议论文、电子期刊、索引和摘要代理商提供的item、在某主题领域运行三年以上和记载当前重要社会、政治等内容的网站（如选举网站、2000年悉尼奥运会网站）等。截止到2011年6月22日，PANDORA共保存超过240437896条网络资源，提供艺术与人文、商业与经济、电脑与网络、教育、环境、健康、历史与地理、青少年、法律与犯罪学、新闻与媒体、政治与政府、科学与技术、社会与文化、运动与休闲15个主题的网络信息资源[1]。（二）采集策略：选择性采集PANDORA项目是对网络资源进行选择性地搜集，一般情况下对网站资源进行全部采集，有时只会选择一部分，如对于一个较大网站只会采集电子期刊、科技报告等网络出版物。进行选择性采集时，依据指定的相关采集指南，PANDORA项目在采集前会征求所有采集对象所有者的许可，而对外部链接，如果不在采集范围内，或没有征得所有者的许可是不会采集的。由于PANDORA项目包括的12个成员中，除了澳大利亚国家图书馆之外都是地区性的，每个成员所关注的内容不同，采集的内容也不相同，所以每个成员都有各自的选择指南。PANDORA项目对网络连续出版物，进行周期性采集，对专著进行一次性采集。采集的格式主要为常见的15种，占据了收藏的95％，有HTML、JPEG、PDF、TXT等格式。这样在有限的格式范围内可以保障资源最大程度上的统一，更重要的是减少了格式转换的复杂性以及可能出现的各种问题[2]。PANDORA项目对采集到的资源按照澳大利亚国家图书馆的标准进行加工，开发了PANDAS系统，工作流程主要包括：识别、选择和登记主题；征求发布者的许可并存档；制定相应的采集制度；进行采集；对质量控制进行检查；进行归档；对归档的资源组织相关的元数据。PANDORA项目的成员利用PANDAS工作的内容包括：登记归档文件题名；标明出版商的权限；设置采集时间表；保证一个文件的质量和准确性；将文件名进行归档；生成书名款目；链接到出版商的版权声明[3]。由于所有的成员统一采用了PANDAS系统进行质量控制、并且由项目成员对采集到的资源实施严格的审核，通过审核后才能归档，这就保障了PANDORA项目中网络资源的质量。但由于选择性采集具有主观性，并且割裂了网络资源之间的关系，不能完整反映网络信息资源的全貌，并且选择性采集加入了较多的人工干预，因此成本非常高。为了弥补选择性采集的不足之处，从2005年开始PANDORA还进行了三次大规模的采集：...