全生命周期管理中電子文件捕獲工作實現研究

李澤鋒+于紅焱+顧周東

摘要：本文通過分析捕獲的內容、時機、方法與過程，明確捕獲定義的內涵與外延，結合國家標準研究捕獲的功能，提出捕獲協議的概念，將捕獲的內容、時機、功能等在捕獲協議里加以明確約束，以此作為捕獲接口的需求指南，以便捕獲接口具有最大程度的開放度與適應不同立檔單位的靈活性。最后以實際案例提出幾種捕獲接口的實現方式，提出文件生成系統與ERMS均應以XML為標準格式、以Web service構建捕獲接口。

關鍵詞：全生命周期管理電子文件管理捕獲

Abstract： By analyzing the content， timing， meth？ od and process of capture， the paper defines the con？ notation and denotation of capture. Based on the re？ search of national standard， the paper proposes the concept of capture protocol， and clearly defines the capture of the content， timing， function， etc. in the cap？ ture protocol. The capture protocol serves as a guide to capture interface requirements in order that the cap？ ture interface has the greatest degree of openness and flexibility to adapt to different units. Finally the pa？ per proposes several practical methods of capture in？ terface， and presents that the file generation system and ERMS should take XML as the standard format and build the capture interface with web service.

Keywords： Life cycle management； Electronic re？ cord management； Capture

數據捕獲最初是計算機學科術語，意思是利用一種裝置，將來自各種數據源的數據自動收集到一個裝置中。隨著電子文件研究深入，“捕獲”被引入到檔案界，并成為電子文件的術語之一，捕獲工作則成為電子文件管理實現前端控制的重要環節。

一、對捕獲（capture）概念的理解

檔案行業標準《電子檔案管理基本術語》（DA/T58-2014，以下簡稱《基本術語》）將捕獲（capture）定義為“對電子文件及其元數據進行收集和存儲的方法與過程”，[1]行業標準《文書類電子文件元數據方案》（DA/T 46-2009，以下簡稱《元數據方案》）定義捕獲為“適時獲取電子文件及其元數據的方法和過程”，[2]國家標準《電子文件管理系統通用功能要求》中的（GB/T29194-2012，以下簡稱《通用功能要求》）捕獲（capture）是“按照既定要求將電子文件及其元數據納入ERMS加以管理的過程”。[3]這三個標準的定義共同點是捕獲對象均為電子文件及其元數據。然而，由于三個標準關注重點不同，還是有很多方面不盡相同。

（一）捕獲時機

《元數據方案》增加了元數據這個捕獲對象，是站在元數據管理的角度做出的改動。因為電子文件可以實時，元數據則貫穿于電子文件全生命周期，需要在全生命周期中進行捕獲，難以做到實時獲取，可能要在文件捕獲后補充，該標準用“適時”這個看似準確實則模糊化的詞語，便于各檔案部門根據自己管理實際來確定什么是適合本單位的適時。

《通用功能要求》提出“按照既定要求”，[4]進一步模糊化，不僅僅包含時機，更能涵蓋更多信息，給檔案人員留下更多的操作空間。“按照既定要求”，說明捕獲前一定要明確捕獲對象、動作、時機、方法等，這些捕獲內容應與電子文件管理系統（Electronic Record Management System，簡稱ERMS）的保存規劃相關聯。捕獲對象、動作、時機、方法可以根據檔案部門實際工作流以及所用系統而不同。

《基本術語》增加了捕獲對象“元數據”，同時刪除了“實時”二字。應該說，作為概念，這樣的定義適用面最廣。

就文件生成系統的捕獲而言，實時捕獲電子文件及其元數據是最好的選擇。一份電子文件在文件生成系統中一旦生成，其相應元數據同時生成，這時不論其是否辦理完畢、是否退出現行，均按照既定要求進行捕獲。

（二）捕獲動作

這幾個標準使用了“收集”“存儲”“獲取”“納入ERMS加以管理”等動作。按照《基本術語》，捕獲定義中的存儲是指以經濟、有效、安全的方式保護、存取和管理電子檔案以便利用的過程。[5]從這個定義看，捕獲不僅是捕捉、獲取，還有保護、管理的內容。“納入ERMS加以管理”，納入ERMS是捕捉、獲取，“加以管理”就又有了管理的含義。

就文件生成系統的捕獲而言，捕捉、獲取（或收集）是恰當的動作，其他管理動作在ERMS中有相應的功能來實現。捕捉、獲取是順序的動作，捕捉要求文件一旦在系統中生成，就應該進行捕捉。即使不是實時而是適時，也應該通過生成系統的審計跟蹤功能進行文件固定以留待適時的捕捉，避免文件流失。

同歸檔一樣，獲取有邏輯與物理兩種方式。邏輯方式是指獲取文件的存放路徑，通過指針指向文件。這就要求生成系統審計跟蹤功能具有審計甚至禁止更換文件存放位置的功能，這也是前文認為實時捕獲比較合適的原因，待歸檔時再實施物理歸檔。物理方式是指捕獲時獲取文件本身及其相應元數據，文件生成系統依然審計捕獲的動作并記入日志。這種捕獲對于文件收集歸檔來說最好。

需要明確的是，不管哪種方式，捕獲不是歸檔，其捕獲范圍也不是歸檔范圍，應該是生成系統生成的所有文件及其元數據，等納入到ERMS中后適時進行鑒定，確定其是否具有歸檔價值。

（三）方法與過程

前面分析了捕獲時機、動作與范圍，定義中還有一個需要關注，就是“方法”“過程”。前三個標準均表明捕獲是方法與過程，《通用功能要求》定義中雖沒有方法二字，“按照既定要求”已隱含了方法在里面。

過程容易理解，方法包含內容較多。方法是為實現目標而采取的手段與行為方式，比如文件與元數據的封裝方式、捕獲接口、捕獲協議等，這些都應該在“既定要求”中提前確定。方法一旦確定，過程也就明確了。

二、捕獲功能

《通用功能要求》關于捕獲的條款是5.2.1.1中的5.2.1.1.1和5.2.1.1.2，分別規定了電子文件與元數據的捕獲。其中5.2.1.1.1主要描述捕獲范圍與捕獲方式，包含27個詳細條目（序號1到序號27），5.2.1.1.2主要描述元數據的捕獲方式及該階段的元數據管理要求，包含12個項目條目（序號1到序號12）。限于篇幅以及與本文的高相關性，本文對5.2.1.1.1中的前17個條目做一個分析，即從序號1到序號17，這17個條目規定了捕獲的基本功能。

序號1規定ERMS應支持定義、維護捕獲活動中電子文件的捕獲范圍。按照前面的分析，這個捕獲范圍應該是生成系統與ERMS協商確定好的。按照標準，要自定義和維護，說明捕獲范圍是可以動態變化的。這就要求接口設計時，生成系統盡可能多地傳遞文件，最好是生成的全部文件，ERMS才能自定義、維護捕獲范圍，也就是說前者應大于等于后者。

序號3和4，ERMS應支持以原始格式捕獲，說明捕獲的電子文件應有兩個格式：原始格式與轉換后的標準格式，但這些格式應對應同一條目，以此建立有效聯系。

序號5和6是對復合文件捕獲的約束。要求將各個組件作為一個整體進行捕獲，以便捕獲后的檢索、顯示與管理。這樣的捕獲，一般應將主組件作為其他組件的容器，依托容器從而建立各組件的關系。比如包含圖片、視頻的網頁，則把網頁作為主組件，以此為容器將圖片、視頻等組件包含進來，確定圖片、視頻在容器中的位置。

序號7、8與9是對組合文件的捕獲。對于組合文件，沒有主從文件之分，主要是通過文件關聯建立組合文件多個文檔間的聯系。相對于復合文件，組合文件各文檔沒有位置要求，捕獲相對簡單。一般在著錄時標清有多少文檔組成、彼此關系，將其關聯起來即可。

序號10與11是進一步對文檔格式捕獲時的約束。標準要求ERMS應支持授權用戶定義和維護能夠捕獲的文件格式類型，說明標準要求用戶能按照需要改變捕獲文件的格式，如前文分析，用戶改變了捕獲格式，應該通知生成系統。對于復合文件內各組件的格式類型ERMS必須能識別，并將格式類型作為元數據予以捕獲。復合文件內組件的格式類型繁雜多樣，ERMS必須有格式管理功能。

序號13、14、15、16、17說明了捕獲的自動與人工、主動與被動、批量與逐個。自動捕獲的前提是ERMS與生成系統有應用程序接口。

三、捕獲協議

捕獲最重要的是質量良好的電子文件與元數據。從現狀來看，大多數文件生成系統生成電子文件與元數據時并沒有完全考慮長久保存問題，沒有足夠適應長久保存需要的元數據，其封裝方式也可能不同于檔案館。正如已有的紙質檔案移交范圍，要想滿足《通用功能要求》中的捕獲功能，需要在生成系統與ERMS之間制定電子文件捕獲的制度、規范或標準來約束文件生成者，文中把這樣的制度、規范或標準稱之為捕獲協議（Capture Protocol）。

捕獲協議規定了電子文件捕獲的術語和環境以及捕獲范圍、類型、時機、動作、封裝方式等，制定了文件元數據編碼規則、捕獲規程以及捕獲與保存規劃、與審計跟蹤之間的通信與反饋機制。考慮到電子文件特性和捕獲的自動化程度，捕獲協議還應該有文件與其元數據的映射規程、電子文件的格式、日期、標識符、捕獲安全規程、隱私與密級、封裝方式、元數據集標識與格式等內容（有些內容在相關標準中具體制定，該標準可引用，如元數據編碼規則、電子文件保管期限表、捕獲安全規程、捕獲接口封裝標準等）。

上述內容對于文檔部門以及其使用的系統來說，基本在一定時期內是比較固定的，可以定性或定量表述，適合將其制定成為國家或行業標準或區域性規定普遍遵守。這種做法并不是創新，實際上，在傳統檔案的移交中，有相應的行業標準來約束紙質文件的移交（如《機關文件材料歸檔范圍和文書檔案保管期限規定》中的相關規定）。只有將上述更詳盡內容納入到協議中，才能真正實現適應長期保存的前端控制。現有移交或歸檔標準或不齊全或操作性差，難以真正對我國分離的文檔工作進行全生命周期關鍵環節的約束。

和元數據特性相關的移交規范內容往往隨立檔單位和檔案館的不同而有所不同，有了可普遍遵守的捕獲規定，立檔單位可以根據自己電子文件與元數據的特點與檔案部門協商形成自己的捕獲規范。[6]

和紙質文件移交規范不一樣的是，捕獲協議應能用計算機語言進行描述并固化在程序中，以提高ERMS捕獲的自動化程度。具體是捕獲協議相對固定的部分（如封裝、移交安全規程、元數據標識等）應該直接固化在系統編程中，靈活可變的部分則可以用XML文件描述出來，通過對文件生成系統的改造嵌入到系統功能模塊中，同時建立與其他規范或標準的關聯。文件生成系統調用該XML文件，根據相應的規定自動生成元數據、封裝，并做好安全移交的準備。該XML文件還應該建立與其他規范的關聯，如在封裝元數據時需要密級和保管期限，系統就調用與捕獲規范相關聯的電子文件保管期限表（XML格式），就可以自動對電子文件進行鑒定。

捕獲協議的可機讀性使得提交、收集、保存規劃、保存、著錄等活動的自動化大大增強，減少了人工干預的程度。可以說，檔案館電子文件管理的規范、制度可機讀越多，其管理過程的自動化程度就越高。例如，電子文件管理系統的格式管理模塊對每一個格式記錄有大量詳細的、可機讀的技術與管理元數據，就可以用元數據自動驗證文件格式。如果接收到新的格式，系統或將其轉換成已有的格式，或登記、注冊新格式的表示信息（技術和管理元數據）存儲在格式管理模塊，使電子文件的格式適應檔案館的需要。如果格式信息只是一張簡單描述格式的紙質列表，電子文件的格式驗證就只有手動實施了。

將規范、制度、規程等描述為可機讀對象，需要檔案館投入相當大的精力。一般來說，自動化最適合那些從相同的文件生成者移交電子文件的檔案館，只有當新的文件形成者或新的文件類型出現，檔案館才會做出相應調整。

四、捕獲接口

要想實現電子文件及其元數據從生成系統捕獲到ERMS，最好的做法是在兩個系統間建立接口。所謂接口，就是在文件生成系統與ERMS間按照預定的數據交換格式建立數據導入/導出的軟件模塊，實現兩個系統的數據流動與流程銜接。

這樣的導入導出模塊可以是手動操作的，也可以是系統自動進行的。早期的檔案移交過程，就是一個手動操作的典型接口案例，如從OA中導出電子文件到光盤，然后將光盤內容再導入到檔案管理系統中，這個過程中的導入、導出功能實際就是一個接口。現在應重點研究的是自動捕獲，即不需要人工干預，即可實現電子文件及其元數據自動從生成系統捕獲到ERMS，從而避免了捕獲過程中人為改動數據的可能性，也是電子文件真實性保障與證明的一個重要手段。

編制接口程序，要求必須同時了解生成系統與ERMS兩個系統的數據接口，尤其是需要徹底清晰地了解捕獲數據的結構，比如相應表結構、字段值的特殊含義等。實際上，這些內容都已經在捕獲協議中進行了明確規定和清晰描述。通過捕獲接口將捕獲協議嚴格實現，完成捕獲的各項任務，從而實現電子文件的前端控制。

（一）接口具體實現方式

接口是兩個系統數據交互的工具，通過接口，業務系統傳遞數據，ERMS接收數據，所有的要求必須在接口設計時得到滿足。

1.利用EXCEL表格。該實現方式將元數據寫入EX？ CEL表格，并與相應的電子文件建立關聯即可。或將元數據寫入用TAB分割的文本文件，每一個這樣的文本文件對應一個電子文件。這樣的封裝可以進行在線移交或離線移交。在線移交可以根據唯一標識符來識別要移交的電子文件，離線移交則可以根據光盤中的TAB文件和文件名稱列表來識別要移交的電子文件。無論哪種方式，都需要對批量移交的數據生成一個說明來描述數據包的結構，還需要在綜合檔案館ERMS中開發一個接口來接收數據包。需要注意的是，由于業務系統數據包封裝的元數據一般不完全，移交的數據包應暫存在ERMS的收集庫中。

這是非常簡單的一種方式，簡單易行，檔案人員容易理解并操作。但缺點很明顯，難以控制電子文件及其元數據的修改，不易保障并證明其真實性。在檔案信息化早期管理系統應用尚不成熟尚未普及時，該種方式可保障電子文件與元數據的有機聯系。

2.利用數據庫技術。封裝有多種方式，數據庫技術其實也是一種封裝。它把元數據作為二維表格存儲起來，每一條元數據的記錄與相應的電子文件建立關聯，這其實就實現了內容信息與元數據的簡單封裝。目前數據庫管理系統均支持XML，可很方便地將數據庫記錄用XML描述出來。

3.XML封裝。業務系統將元數據導出為XML文件，同時將公文內容（如Doc文檔）導出為實體文件。XML定義如下：

上述XML描述應按照標準DA/T 48-2009規定的元數據項與Schema來實現。

對于ERMS來說，其接收接口傳遞來的XML文檔后，即可進行解釋并將數據納入到自己的系統中。如果XML文件為外部系統生成，ERMS的捕獲子系統必須提供XML驗證模塊，以便和其他系統銜接前驗證采集數據的合法性。

（二）動態前端控制與接口的數據雙向傳輸

接口既包含生成系統接口，也包含ERMS的接口，前者的主要功能是對生成系統的電子文件及其元數據按照既定要求封裝，并進行傳遞，后者則將傳遞來的數據納入到ERMS中。通常研究的大多是數據的單向傳輸，即從生成系統到ERMS。

前文提到ERMS的保存規劃功能需要進行前端控制，比較好的辦法就是通過接口將ERMS生成的控制信息通過接口傳遞給文件生成系統，生成系統根據接收的控制信息進行相應的改變以適應ERMS的變化滿足ERMS的需求。比如，電子文件的標準格式發生了改變，這時ERMS將改變后的標準格式以XML封裝方式通過接口傳遞給文件生成系統。生成系統通過人機交互，改變格式轉換的功能，比如將原來格式轉換中將原格式向原標準格式轉換變更為新的標準格式。再如，接口還可具有真實性、完整性的檢測功能，也是一種數據雙向傳輸的體現。

這種由ERMS到生成系統的數據傳輸，是前端控制的進一步深化，是一種動態的前端控制，也是ERMS保存規劃具體實現并深入到前端的較好辦法。

五、結語

電子文件捕獲是實現前端控制原則重要的一個環節。為實現捕獲的自動進行，以及最大程度的靈活性，必須在捕獲前由文件生成單位與檔案部門以捕獲協議的方式明確捕獲的內容、時機、功能等，以此作為捕獲接口的需求指南，以便捕獲接口的開發具有最大程度的開放性與適應不同立檔單位的靈活性。這樣做并不表示給檔案部門帶來了許多工作量。檔案室針對自己單位的多個業務系統可以根據其電子文件不同制定相應的捕獲協議，綜合檔案館對應的立檔單位在幾十家或更多，但這些立檔單位捕獲的同類別檔案基本相類似，因此，綜合檔案館可以制定若干個具體的捕獲協議即可滿足其所有立檔單位的電子文件捕獲。

捕獲接口推薦用XML格式，以Web service技術來構建，從而為立檔單位、檔案館之間業務流程的集成提供一個通用機制，便于將來的擴展。需要指出的是，由于業務生成系統往往先于ERMS建設，要想實現捕獲功能，還需要對文件生成系統進行改造。如果業務系統即將建設或正在建設，檔案部門應參與到系統的規劃、設計與實施中，將捕獲的相關功能充分體現在業務系統中。

*本文為河南省科技廳軟科學項目“政務內網中機關電子文件管理系統評估體系研究”（項目編號：142400410149）、國家社科基金項目“我國數字檔案信息長期保存的策略體系研究”（項目編號：13CTQ051）的中期研究成果之一。

注釋及參考文獻：

[1][5]國家檔案局.DA/T58-2014電子檔案管理基本術語[S].

[2]國家檔案局.DA/T 46-2009文書類電子文件元數據方案[S].

[3][4]中華人民共和國家質量監督檢驗檢疫總局，中國國家標準化管理委員會GB/T29194-2012，電子文件管理系統通用功能要求[S].

[6]劉越男.電子文件的捕獲——基于電子文件管理系統的分析[J].中國檔案，2013（7）：68.