Web页面的保存及相关问题探讨分析.docVIP

Web资源的保存及相关问题探讨 陈华明 （中国数字图书馆有限责任公司 北京 100081） 摘要：Web信息资源的飞速增长，为数字图书馆内容的收集、保存和利用提出了新的挑战，这种挑战使我们面临新的课题。本文通过分析Web资源保存的必要性，介绍了国际上几个主要项目的概况，同时对保存和利用过程中的5大问题进行了一定的分析。 关键词：Web资源 长期保存 数字图书馆 分类号：G250.7 Preservation of Web Resources and Its Related Issues (China Digital Library Corp., Ltd. Beijing 100081, China) Abstract: The exponential growth of Web resources has posed several challenges in collecting, preserving and providing access to the content of digital library. This paper discusses the necessity of Web preservation, a few major projects in this area and makes some further discussion of five key issues. Keywords: Web resources Long-term preservation Digital library 一、Web的出现 互联网最早是在美国国防部一个研究小组Defense Advanced Research Projects Adminstration（DARPA）于1969年建立起来的军用计算机网络群目的是在运行的计算机网络发生故障或遭到敌方攻击后瘫痪时作后备计算机通讯之用后来这个网络被允许与大学、政府相连接，进而超出了防御的目的，定名为阿帕网（美国远景规划网ARPANET）此后，大大小小的计算机网连在了一起，包括地方网和局域网进而形成了因特网。 　　1989年，瑞士高能物理研究所的Tim Berners-Lee首先提出了万维网（orld Wide Web，简称WWW或 ）的发展计划，之后万维网逐渐发展起来。1993年万维网进入因特网，将互联网扩展到每一台计算机上面，使互联网真正进入商业与个人使用时期。 　　万维网的出现是因特网发展过程中的里程碑。万维网是一种采用了图形界面，结合了因特网上多种既存的信息传输协议的新兴网络技术。万维网用户使用浏览器访问因特网上的各类网站和网页。浏览器能够支持文字、、等各种信息的检索和屏幕显示，因此用户可以通过个人计算机看到图文并茂、绚丽多彩的多媒体网页。万维网上的超文本链接技术让用户不仅可以远程访问储存在服务器中的信息而且可以借助超文本链接跳跃访问储存在其他服务器中的信息。万维网上的所有信息都存储在不同的服务器中，每一个服务器都有一个自己的IP地址（互联网地址）。因此存储在每个服务器上的信息也就有了一个地址，用户的浏览器正是根据信息的地址，在浩如烟海的因特网服务器中搜索和查询，然后向信息所在的服务器发出，该服务器便将所要求的信息提供给用户。存储在服务器上的信息构成了网页（Web pages）。网页可以是一则信息、几篇文章，甚至是整本书；网页的内容可以是文字、图形、、动画或它们的组合。如果一个网页的信息容量过大，过于庞杂，就不便于用户访问和网页所有者对网页的管理和更新，因此网页所有者可以制作多个网页，分门别类，使每个网页主题鲜明，内容翔实，再用超文本链接将各个网页连结起来，使之成为一个整体。 Lyman and Varian 2000）。Web上的语言有多达220种（其中78%为英语），分别来自世界上各个国家的不同作者。95%的页面是向公众公开的，其涵盖的内容比美国国会图书馆收藏的文字还要多出50倍，成为亿万读者经常利用的信息源。不过，Web的存在仅有12年的时间，它给社会、经济和知识创新产生的影响才刚刚开始。 Web的成长极为迅速，每天新增700多万个网页，同时，也在不断地消失。Web页面的平均寿命只有44天，在1998年发现的网站中，有44%在1999年再也找不到了。由于网页作者每天都在对页面进行删改，有的服务器也停止了服务，因此网页每天都在不断消失，但是当用户输入URL地址，看到“发生HTTP 404错误，页面未找到”的提示信息时，才发现这一点。Web看起来无所不在，但它的生命却极其短暂，今天能看到的很多Web信息或许明天就找不到了。毋庸置疑，假如我们不采取行动保存今天的Web资源，明天也许它们就将永永远远地消失殆尽，不留下任何痕迹。 过去，我们失去