从零到一的纸质档案数字化全流程合规入库实操指南

一、前期准备：明确合规要求与物料清单

本部分以《纸质档案数字化规范》（DA/T 31-2017）为核心依据，先理清楚基础要素。

1.1 合规物料准备

• 纸质档案：需完成破损修复（可用固体胶棒、无酸衬纸，禁止用液体胶）、页码标注（单面从1标到底，双面每页正面右下角、反面左下角用黑色签字笔）、目录核对（和实体档案逐页对应，错漏页用铅笔临时标注并同步纸质目录）
• 硬件：扫描仪（推荐馈纸式，预算有限用A4幅面平板扫描仪）、无酸纸箱、无尘布、酒精棉片（75%医用，用于清洁扫描仪玻璃但需风干）
• 软件：
  • 扫描软件：ScanTailor Advanced（开源降噪对齐，下载地址：https://github.com/scantailor/scantailor-advanced/releases/latest）
  • OCR软件：Tesseract-OCR（开源中英文识别，Windows下载地址：https://github.com/UB-Mannheim/tesseract/wiki，中文简体语言包：https://github.com/tesseract-ocr/tessdata_fast/blob/main/chi_sim.traineddata.gz，解压后放tessdata目录）
  • 批量命名软件：Bulk Rename Utility（免费，下载地址：https://www.bulkrenameutility.co.uk/Download.php）

二、扫描处理：输出高清、无倾斜的合规图像

扫描参数严格遵循DA/T 31-2017：彩色照片、彩色图纸扫描分辨率≥300dpi，灰度黑白文字≥200dpi，特殊小字或印章≥400dpi；色彩模式：彩色图用RGB，黑白文字用24位灰度（避免OCR丢细节）或1位二值（压缩体积）。

2.1 硬件清洁与参数设置

• 清洁：先用无尘布擦除扫描仪进纸辊灰尘，75%酒精棉片擦拭平板玻璃，完全风干30秒再放入档案
• ScanTailor Advanced预设置替代手动调：打开软件点击「新建项目」，选择待扫原始图像（提前在临时文件夹存10张样图测试），设置：
  • 输出格式：TIFF-LZW（存档首选，无损压缩）
  • 对齐模式：自动内容对齐
  • 裁剪模式：保留所有有效内容

2.2 批量扫描与初处理

• 馈纸式扫描：逐份放入档案，确保纸张平整无钉，单份档案存一个临时子文件夹，命名规则：类目号-年度-保管期限-案卷号-临时序号（临时序号从001开始）
• 平板扫描补漏：馈纸式过不来的破损/超大页用平板扫描，单独存子文件夹「类目号-年度-保管期限-案卷号-补扫」
• ScanTailor批量初处理：将子文件夹拖入项目，点击「全部处理」后导出

三、OCR识别与批量命名：生成可检索元数据

可检索性是档案数字化的核心，批量命名必须严格对应实体案卷目录。

3.1 批量OCR识别

• 新建「OCR脚本.bat」，内容可直接复制： ```batch @echo off setlocal enabledelayedexpansion set "TESSDATA_PREFIX=C:\Program Files\Tesseract-OCR\tessdata" for /r %%i in (.tiff) do ( "C:\Program Files\Tesseract-OCR\tesseract.exe" "%%i" "%%~dpni" -l chi_sim+eng ) echo OCR识别完成！ pause ``` 注意！如果Tesseract安装路径不是默认的C盘Program Files，需修改脚本中的TESSDATA_PREFIX和tesseract.exe路径
• 把脚本放在ScanTailor导出的子文件夹里，双击运行，生成同名.txt文件

3.2 严格批量命名

• 打开Bulk Rename Utility，点击右上角「Browse」选择导出子文件夹
• 按实体案卷目录的「档号-页号」规则设置（档号格式：类目号-年度-保管期限-案卷号，保管期限用代码：永久001、长期031、短期011）：
  • 「Remove (5)」全删现有名字
  • 「Name (2)」前缀输入档号（例如：D01-2024-001-0005-）
  • 「Numbering (10)」设置：Mode=Suffix，Start=1，Pad=3，Type=Normal
  • 点击「Rename」（重命名前建议先点击「Preview」检查前5条）

四、入库校验：杜绝错漏与格式不符

入库前必须做3次100%人工+工具校验，否则入库后无法修改合规档案库数据。

4.1 格式校验工具

• 使用「档案数字化成果质量检测工具V1.0」（国家档案局免费下载，地址：http://www.saac.gov.cn/xxgk/zcfg/gfxwj/gjswj/202204/t20220419_145717.html），选择检测模板：DA/T 31-2017纸质文书
• 导入所有子文件夹，一键检测分辨率、色彩模式、压缩格式、档号命名，导出检测报告后，不合格项重新处理

4.2 内容人工校验

• 第一次：逐页对照实体档案，检查图像内容是否完整、倾斜度≤1°、无黑边
• 第二次：逐份对照OCR生成的.txt文件，检查关键词（比如文号、题名、责任者）是否准确，不准确手动修改.txt
• 第三次：逐页对照批量命名后的文件，检查档号-页号是否和纸质目录完全一致

五、正式入库：按系统要求完成数据上传

假设使用的是单位本地部署的通用档案管理系统（不同系统略有差异，但核心流程一致）。

5.1 数据打包格式

• 按「年度-保管期限-类目号」建立父文件夹，父文件夹下每个「案卷号」子文件夹放对应的TIFF图像和修改后的OCR.txt
• 所有父文件夹打包成ZIP格式（不要用RAR，通用系统兼容性差）

5.2 系统上传操作

• 登录系统管理员分配的「数字化录入岗」账号，权限仅保留上传、元数据编辑
• 进入「成果批量导入」模块，选择打包的ZIP文件，匹配系统元数据字段（档号对应系统档号、OCR.txt对应系统全文检索字段、题名可手动从OCR.txt提取第一条）
• 点击「预导入」，检查系统生成的元数据列表，无误后点击「正式导入」
• 导入完成后，在「档案检索」模块搜索3份随机档案，验证全文检索、图像浏览是否正常