古典小说数字化整理，既是文化传承的基石，也是新华书店古典小说价格联盟近期推进的核心项目。我们面对的是白话长篇、白话短篇、文言小说交织的庞杂体系，每一类文本的整理逻辑都不尽相同。例如，白话长篇往往需要处理不同版本间的回目差异，而文言小说则更关注校勘记的精确性。以下结合我们团队在公案小说人情、神怪小说、英雄小说等子类的实战经验，拆解具体实施流程。

一、核心实施步骤与参数设置

项目启动时，我们首先对文本进行分类分级。针对神怪小说（如《西游记》系列），扫描参数需设为600dpi灰度模式，以保留插图细节；而英雄小说（如《水浒传》）则采用300dpi黑白模式以压缩存储。转写环节中，白话短篇的OCR识别率通常在92%左右，需人工复核；文言小说的繁体字库则需自定义，否则“於”“于”等字易混淆。完成初稿后，我们通过自定义脚本自动标注公案小说人情中的判词与状词，再进入人工校对。

• 版本比对：至少选取2个善本作为底本，1个通行本作为参考
• 标点规范：白话长篇采用全角标点，文言小说保留断句符但不强求现代标点
• 元数据字段：书名、作者、成书年代、版本类型（如“绣像本”“评点本”）必须统一

常见问题与应对策略

实践中，最棘手的是“跨类文本”的处理。例如某部公案小说人情作品中，夹杂了大量神怪情节——这要求整理者同时熟悉两类文本的编码规则。我们的解决方案是建立“混合类别标签”系统，在元数据中同时标注主类与次类。另外，白话短篇中常见的方言词汇（如“多咱”“恁地”），需要单独建立语料库，避免误标为错字。

另一个高频问题是图像与文字的对应关系。新华书店古典小说数据库要求每页扫描件必须与转写文本行对齐，误差不超过3行。为此我们开发了半自动化对齐工具，将人工效率提升了40%。对于神怪小说中的符咒图像，则保留原图，不强行转写。

二、项目落地的注意事项

1. 版权与底本选择：优先采用公版底本，若使用民国版本需确认版权状态。英雄小说类常见“名人批注本”，批注权归属需单独协议。
2. 团队分工：文言小说组需配备至少1名古文专业校勘员；白话长篇组则侧重方言辨识能力。切忌混岗作业。
3. 版本迭代：建议每完成100万字进行一次第三方评审，重点检查公案小说人情中的判词逻辑是否连贯。

最后，数字化不只是技术活，更是对文本生命的延续。我们在整理某部神怪小说时发现，其“降妖”段落中隐藏着明代地方官制的细节——这种发现，正是坚持手工校勘而非全自动处理的回报。新华书店古典小说价格联盟将持续优化流程，确保每一部白话长篇、文言小说都能以最接近原貌的方式呈现给读者。