堪稱全球網際網路上最大的中文文獻資料庫，已於本月開放給大眾使用。

由中央研究院歷經十三年發展完成的「古籍全文資料庫」目前累積達一億二千多萬字，包括了二十五部史、十三經、台灣方志、文心雕龍等。這個能做全文檢索的龐大資料庫，提供了學術、文化與教育界一個縱貫古今，橫跨文、史、哲、政經、社會資料的革命性工具。

早在民國七十三年，中研院歷史語言研究所和計算中心，基於研究古籍的需求，開始開發「二十五史食貨志全文資料庫」，希望藉由電子版史料無耗損、儲存方便、可以大量匯集、做高速檢索的優越特性，來提升研究工作的效能。隨著電腦和網路技術的快速進展，投入規模越來越大，民國七十九年完成二十五史的建製。同時台灣史、文哲、近代史等各研究所陸續加入，開發各種古籍全文資料庫。

這個原本供中研院學者做研究的工具，以往雖然提供外界使用，但只是學術、教育機構以付費或合作方式共用，如國內有十多個大學已經安裝，國外也有哈佛大學的燕京圖書館、海德堡大學漢學系等學術機構陸續安裝。八十四年網際網路起飛，中研院各資料庫也陸續放上網路，但仍沒有完全對外開放。由於各界希望開放呼聲日益加大，今年三月在院長李遠哲推動下，終於宣佈大幅開放。

開放的方式分為兩種，一為免費使用，包括二十五史、台灣方志、台灣檔案、文心雕龍考異及注、佛經三論、新清史──本紀、上古漢語語料庫七個資料庫，共六千餘萬字。但仍有若干限制，包括每次檢索不得超過三十筆，二十五史部份不能從頭至尾瀏覽全文。

另一種為付費使用，除了上項限制解除外，還包括十三經、諸子、古籍三十四種、大正新脩大藏經等另外七個資料庫，也有約六千萬字。現階段僅限國內機構申請，單機連線者只要台幣四千元年費，就可以使用全部的資料庫，多機連線者（最多可達二百五十部）年費二萬五千元。

中研院計算中心的分析師林晰表示，這個古籍全文資料庫的特色在以原文件的所有文字做素材，包括書籍的章、節、段落的結構及頁碼、行次，以便使用者可以據此調閱正文，或用於報告檢索詞的出處；系統也保持原書的注文、補文、贅文與原文格式的區別。

檢索的條件可用一個或多個字詞，甚至達數百詞也無不可，除了一般檢索運用的布林運算──「以及」、「或」、「除外」等功能外，還有一個中研院設計的特殊功能──「排除字集」，可以過濾掉大量資料中不必要的詞彙。林晰舉例說明：比如要找史記中含有「里」字的地名，先以「里」字檢索，系統會列出千百個結果，大約瀏覽後發現許多的「里」是有關數字的，都不需要，若用布林運算的「除去」功能，刪掉「一」、「二」、「三」……，「百」、「千」、「萬」等字，雖然可以過濾掉一里、二里、千里等數字，但也同時把整篇文章中凡是含一、二、三等數字和「××里」地名的章節都刪掉了，「排除字集」就能解決這個問題，正確命中目標，大幅提高檢索的效率。

萬分之一以下的錯誤率

對研究人員來說，經過傳抄、再製的資料難免有錯，總不如一手資料的價值高，那麼中研院這套龐大的資料庫怎樣克服這個問題，而能達到「保守估計」萬分之一以下的錯誤率？中研院計算中心表示，該資料庫早期由人工校閱四至七次，後來改採新式電腦與人工混合校對──文件先交由不同人員分別打字成二份原始電子檔，然後用電腦程式比對二份文件的不同處，進行人工修正，是為初校，然後再由專業人員進行二次人工校閱。中研院十分有信心的表示，以二十五史為例，對中國上古史的研究者來說，這套資料庫應當夠格成為一手資料；對中古史和宋以後的近古史，由於史籍豐富，這套資料庫雖非唯一的史料，但仍不可或缺。

二十五史採用的是堪稱最具權威的大陸中華書局版本，從史記到清史稿，每本書大致按照本紀、志、表、列傳、後人註釋、相關附錄順序排列，共近四千萬字。有趣的是，史語所在製作過程中不但遊刃有餘，還發現了原版若干錯誤，都整理在這個資料庫的目錄頁中第一個「史籍自動化資料校對說明」選項中。

「台灣方志資料庫」是另一個開發較早的重要資料庫，大部份採用台灣銀行經濟研究室出版的《台灣文獻叢刊》標點本，內容主要是清朝統治時期各級行政區──府、縣、廳所編纂的志書，記錄了山川風物、建制沿革、政經設施、文教武功、民俗語彙等資料，由於記錄詳盡，且來自於基層、地方，可說是從事台灣研究必備工具書；不只是歷史、包括考古、語言、社會、經濟、政治等各學科都很實用。

另一個甫於近期完成的「台灣檔案資料庫」，則是有關台灣另一個角度的資料，主要是清廷中央政府的檔案，包括大臣奏議、皇帝的諭示、政府的外交、國防、內政等政策，而時間上從康熙到光緒每朝都有記錄，十分完備，除了中央政府的檔案，也包括新聞報紙的外交事件資料。這個資料庫同樣是採用台灣銀行的《台灣文獻叢刊》標點本。

至於要付費的幾個資料庫中，「十三經」是採用較通行且較受好評的阮沅本（無標點）；「古籍三十四種」集合了大致是漢朝以前的各類典籍，包括了《鬼谷子》、《金匱要略》、《黃帝內經》、《釋名》、《文獻通考》、《西京雜記》、《朱子語類》等三十四本；「古籍十八種」則收錄了大致是中古、隋唐時期的著作，包括《山海經校註》、《通典》、《唐會要》等。主持史語所資料庫的教授陳弱水指出，現在有些資料庫名稱不清楚，是因為還沒有明確的劃分範圍，因為新的典籍尚在陸續開發、建製中，到了適當時機再做調整，讓資料庫的名稱可以一目了然。

中研院其他研究所也仍持續進行中文典籍電子化的計畫，目前就已經有七千多萬字的資料量，陳弱水表示，一年的進度大約是八百到一千萬字。而未來是否會開放給國外的網路使用者？院長李遠哲傾向於逐步開放，「以平衡長期以來台灣在資訊上的貿易逆差」。

中研院的網址為http:www.sinica.edu.tw進入首頁後選「資料庫」，再從資料庫的選項中選「中文全文檢索系統」即可進入。