Summary

  • RFC 1691 把数字图书分成逻辑结构、物理引用和数据文件；数据库记录负责按作者、书名或文档编号检索。
  • 授权主要按馆藏集合处理，设计上可细到单个文件。读者尝试打开文档或其组成部分时，系统才告知访问结果。

扫描一本书，最容易得到的是一叠图片，最难保住的是“书”。1989 年起，康奈尔大学与 Xerox 合作研究数字保存，Xerox 开发 CLASS 的制作与存储系统，康奈尔负责网络浏览和打印请求。到了 1994 年，William Turner 在 RFC 1691 中提出的核心问题很朴素：拆掉装订以后，谁来记住哪一页属于哪一章？

答案不是把所有图片塞进数据库。逻辑结构记录页序，也能组织目录与章节；物理引用把这些位置指向具体文件；数据文件才存放图像、ASCII 文本等内容。关系型 SQL 数据库负责按作者、书名和文档编号找到馆藏记录。检索完成，只说明系统知道这本书；它还得沿着结构与引用找到那一页。

这套设计甚至管文件名。若扫描页叫 1.TIF、2.TIF、10.TIF，普通目录排序会把第十页排在第二页前面。方案要求 0001.TIF 这样的补零名称，让 FTP、Gopher 之类工具也能按书页顺序列出文件。缩略图供浏览，高分辨率图像供打印；同一页的不同版本必须表达同一内容。

物理存放方式则不必固定。图书馆、馆藏集合、文档、文件类型、文件引用五个字段组成定位线索，由程序转换为 UNIX 路径。RFC 给出两种目录树：一种按集合再按文档放，另一种把文件类型提前。后一种能把低分辨率图放在速度快的磁盘，把高分辨率图放在较慢、较便宜的存储上；还可让外部工具访问小图，限制大图。目录里的书名与硬盘上的路径并非一回事。

最关键的分离是权限。Turner 写明主要按集合授权，也允许逐层检查到一个文件；通知发生在读者打开文档或组件时。于是，一个真实、准确的搜索结果，仍可能通向打不开的书页。RFC Editor 的记录 将其列为信息类 RFC。文末安全章节没有评估权限机制的安全表现；文件写清了门在哪里，没有给出门是否坚固的实测结论。

1994 年，康奈尔已经把数字图书馆最容易被混淆的两件事拆开了：可发现性属于目录，可交付性属于文件与授权。搜索框展示馆藏，打开书页才展示制度。

Sources