市场监管局数字档案馆文件数字化归档实操全流程

一、前置工具准备

实操需准备3类公开合规工具，无付费门槛，安装后重启电脑确保正常运行：

• 扫描工具：爱普生文档扫描软件，下载地址：https://www.epson.com.cn/support/software-downloads/
• OCR识别工具：Tesseract 5.3.1，Windows安装命令：choco install tesseract --version 5.3.1；Linux安装命令：sudo apt install tesseract-ocr tesseract-ocr-chi-sim tesseract-ocr-eng
• 元数据编辑工具：CSV在线编辑器，地址：https://csveditor.com/

二、扫描合规参数配置（核心）

需严格遵循国家数字档案标准，否则无法通过系统校验，步骤如下：

1. 打开爱普生扫描软件，选择「文档扫描」模式；
2. 点击「高级设置」，将分辨率固定为300dpi（国家规定最低存档标准）；
3. 「文件格式选择PDF/A-1a」（长期存档唯一合规格式，禁止选普通PDF）；
4. 勾选「自动纠偏」「去除纸张污点」「自动合并多页」，避免手动调整出错；
5. 放置纸张时对齐扫描台左上角，无褶皱、无反光，单次扫描不超过20页；
6. 扫描完成后，命名规则为「归档号_文件名称」，如「MSJ-D-A-2024-001_XX局2024年工作总结.pdf」。

三、OCR转可编辑格式操作

扫描生成的图像版PDF需转成可编辑文本，满足档案检索要求：

1. 将扫描的PDF放入同一文件夹，文件名去除所有空格；
2. Windows系统打开CMD，进入PDF所在文件夹，执行命令： ``` tesseract 输入文件名.pdf 输出文件名 -l chi_sim+eng pdf ``` 例：输入命令为tesseract MSJ-D-A-2024-001_工作总结.pdf result -l chi_sim+eng pdf；
3. 等待执行完成后，打开生成的result.pdf，选中部分文本能正常复制即为合格；
4. 若遇表格类文件OCR识别失败，改用网易OCR在线工具（https://ocr.163.com/），上传后选「表格识别」，导出Excel后转换为PDF/A格式。

四、元数据批量录入实操

元数据是档案检索核心，批量录入可避免低效错误，步骤明确：

1. 打开Excel新建表格，列名必须严格为：文件编号、归档日期、责任者、文件名称、归档号，禁止修改列名；
2. 按市场监管分类标准填写：归档号格式为「MSJ-分类代码-年份-序号」，行政类代码为D、监管类为C，如「MSJ-D-2024-001」；归档日期为YYYY-MM-DD格式；责任者填具体处室，如「办公室」；
3. 填写完成后点击「另存为」，选「CSV（逗号分隔）（.csv）」，编码选「UTF-8」，命名为「元数据.csv」；
4. 打开CSV在线编辑器，上传元数据.csv，删除所有空行，确保每一行对应一个PDF文件，导出新CSV。

五、归档校验及系统上传

最终环节决定是否成功归档，无遗漏步骤：

5.1 合规性校验

1. 上传PDF/A校验工具（https://www.pdfa.org/validation-tool），上传所有生成的PDF/A文件；

2. 若返回「符合PDF/A-1a要求」则合格，若报错需重新扫描调整参数；

3. 元数据校验：用Excel条件格式标记空值，确保无必填字段缺失。

5.2 系统上传

1. 登录全国市场监管数字档案管理系统，账号密码由单位档案科提供；

2. 点击「批量归档」，选择「上传文件包」，上传所有合格的PDF/A文件；

3. 选择「导入元数据」，上传校验后的元数据.csv，系统自动匹配归档号与文件；

4. 勾选「所有文件」，点击「提交归档」，等待5分钟，系统返回「归档成功」提示即完成操作；

5. 归档完成后，可在「已归档文件」中搜索确认，确保检索正常。