常常在閱讀一些散文或文學小說的作品時，會讀到作者引用某一段古詩詞來烘托文章的情境與意象。若是我未曾讀過的詩詞，又覺得頗為喜歡，這時我就會想去找出它的全文與出處，做一些延伸性的閱讀。紙本的唐詩三百首、千家詩、宋詞選輯等詩詞欣賞一類的書我也有好多本，但真要查找一首不知何名的作品，還真不知道該從何找起。當然 Google 的搜尋引擎常能幫上忙，但線上有的詩詞資料，簡體的內容占了絕大多數，資料的正確性、嚴謹程度也常值得懷疑。於是我想：如果有一部可靠的數位化的 "詩詞" 辭典，能在我有需要的時候快速而方便地查找詩詞，那該有多好啊！
其實有這樣的想法已經很久，但真正讓我決定開始動手，則是一次偶然間的搜尋，在故宮的【寒泉】古典文獻全文檢索資料庫裡，發現了全唐詩的資料，於是我便開始了一段漫長時間的資料蒐集與整理。
我先鎖定範圍在唐詩的部分，於網路上尋找比較可靠的資料。而《全唐詩》大概是收集整理唐詩作品最多最廣的一部書籍，收有唐詩近五萬首，所以便以它為出發點，開始整理相關的資料。經過數個月的蒐集整理，以正體的繁體中文為篩選目標，大概收集了四個不同來源的版本：
(一) 簫堯『中國詩苑』《全唐詩》 (收未拆分詩 45753 首)
這個網站為私人公益性質，免費提供藝術、文化工作愛好者以及(非營利性)下載。此版本的全唐詩經與中華書局 1960 年出版的紙本全唐詩抽檢比對，錯字不少，許多古字也未保留原貌。而且有許多簡體字轉繁體字的痕跡，例如所有的 "闌干" 都變成了 "闌幹"，部分的 "白髮" 也成了 "白發"，故這個版本最後捨棄不用。
(二) 故宮【寒泉】古典文獻全文檢索資料庫《全唐詩》 (收未拆分詩 42863 首)
原網站為 台師大圖書館【寒泉】古典文獻全文檢索資料庫，是國文系 陳郁夫教授所架設。該計畫由「中國投資教育基金會」贊助，資料庫完成後，在故宮文獻處處長 吳哲夫先生的推薦下，架設於故宮博物院網站。此版本的全唐詩以中華書局出版的全唐詩為底本，經掃描、OCR、校訂而成。不過由於製作年代久遠，當時是以 BIG-5 內碼加上使用者造字來處理，直至今日網頁仍以 BIG-5 編碼呈現，造字部分已不可見。後來有網上好友提供當初光碟版的造字檔及部分 Unicode 對照表，理論上可以還原顯示，不過造字的數量龐大，仍需進一步費時比對才能完成。此版本經與紙本抽檢比對，仍發現有不少光學辨識之錯字，還需要再嚴加校對才能臻於完美。由於此版本資料標示有卷、冊、頁碼，較容易定位至原紙本的相應位置，因此目前將它當做核對用的紙本電子索引來用，可以較快速地找到某首詩的紙本內容(暫時不再進一步修訂、處理，僅做為參照、索引紙本用途)。
(三) 網路展書讀 之 全唐詩檢索系統 (收已拆分詩 47957 首)
此為元智大學中文系 羅鳳珠老師主持的系列教學、研究用途網站之一。網站註明有 "版權所有，系統設計請勿引用；資料自由使用，但不得為商業用途。"，所以資料拿來做為個人用途應該沒有問題。由於網路展書讀是一系列主題網站的集合，目前的網頁入口顯得有些紊亂(尚在持續改版中)，光 "全唐詩檢索系統" 就可以找到三個版本。首頁的最左邊有一個快速連結下拉式選單，可連結到 "全唐詩(舊版)" (http://cls.hs.yzu.edu.tw/QTS/，第一版，1999年)，我測試過它已完全查不到任何資料，應該已經作廢。然後在 "唐宋文史資料庫" 裏可以找到 "全唐詩" 的連結(http://cls.hs.yzu.edu.tw/tang/Database/index.html，第二版，2006年)，我的資料取自這裏。這個頁面裏還有一個 "2012 改版" 的連結(http://cls.hs.yzu.edu.tw/tang/tangats/Tang_ATS2012/SrchMain.aspx)，介面與前一版類似，但資料內容的呈現略有些許不同。這個檢索系統的全唐詩有一些問題：首先詩人孟郊的詩作約五百餘首完全檢索不到，不管是第二版或是 2012 新版，推斷這個錯誤在檢索系統裏存在已久，一直沒被發現、修正，使用這個檢索系統來進行分析研究的使用者要特別留意。在第二版的作者清單裏，透過孟郊的連結可以查到他有515首詩，但實際點入，有目無詩。唯有透過 2012 新版的作者清單裏孟郊的連結才能真正查到這些詩。另外一個較嚴重的問題是，一些較長的詩題、詩序或是詩句會被截斷遺失(例如：王維．送祕書晁監還日本國一詩的詩序就掉了一大半，不知是不是資料庫的欄位長度留得不夠。此外有為數不少含有異文的詩句，斷句分行排版整個亂掉(不知是否是用程式自動處理造成的問題？2012 新版含異文的詩句就乾脆不分行了。我用人工大致做了修復)。還有就是極少數地方居然還是有些簡體字轉繁體字的痕跡，例如某些 "云" 字就變成了 "雲"(未記錄是哪幾首)。這個網站雖然已採用 UTF-8 編碼來呈現內容，但仍使用了兩、三百個不可見的使用者造字，目前我已全數比對還原成正常的 Unicode 字，但還有六、七百個組合字尚待比對還原。經與紙本抽檢比對，這個版本的全唐詩錯字還是不少，加上前述的資料丟失、不夠完整，目前僅把它當作互相比對驗證用的輔助版本(暫時不再進一步修訂、處理)。
(四) 搜韻-詩詞門戶網站 (收已拆分唐詩 48552 首)
這是一個對岸的詩詞資料專門網站，收集有很豐富的各朝代詩詞相關資料。如同對岸許多同性質網站一樣，這個網站的資料內容仍多以簡體字為主，但經我觀察，屬於全唐詩的詩作部分，它的資料幾乎全部都是正體的繁體字，因此我便將它的全部唐朝詩作收集下來，進行離線辭典化的整理。按照網站的統計說明，它共收有唐詩 48555 首，我實收 48553 首，但發現一首重複，故實得 48552 首，還少了兩首。經與紙本抽檢比對(與前述版本同步檢驗)，這個版本的全唐詩居然是錯誤率最低的版本，一些其他版本缺字、造字的部分，它幾乎都已正確地用上 Unicode 字，可見這個網站所用的全唐詩底稿應該有經過較為嚴謹的校對，不過非全唐詩的部分，錯誤、漏失就還不少。我略將少數殘留的造字還原，若干簡體詩作逐首人工轉為繁體，雖然還是有發現一些錯字與漏失，但相對來說這是個較好的版本，目前就把它當作是我主力的 "唐詩" 辭典來用。
經過一番的收集整理，我初步完成了三部以全唐詩為基底的離線辭典：唐詩典.mdx(7.2MB，搜韻版)、全唐詩典.mdx(6.9MB，展讀版，半成品)、全唐詩.mdx(7.3MB，寒泉版，半成品)，把它們設定成一個 "詩詞辭典" 群組，在 MDict 裏就可以進行聯合查詢。實際查詢的效果如下：
王維．從軍行 - 唐詩典
從軍行
作者：王維類型：押紙韻
【題】一作相和歌辭 從軍行
【詩】▶ 吹角動行人，喧喧行人起。笳悲(一作應)馬嘶亂，爭渡金(一作黃)河水。▶ 日暮沙漠陲，戰聲(一作力戰)煙塵裏。盡繫名王頸，歸來獻(一作報)天子。
王維．從軍行 - 全唐詩典
從軍行
作者：王維卷別：卷一二五
【詩】▶ 吹角動行人，喧喧行人起。▶ 笳悲馬嘶亂【笳應馬嘶亂】，爭渡金河水【爭渡黃河水】。▶ 日暮沙漠陲，戰聲煙塵裏【力戰煙塵裏】。▶ 盡繫名王頸，歸來獻天子【歸來報天子】。
王維．從軍行 - 全唐詩
從軍行 王維
▶ 吹角動行人，喧喧行人起。笳悲（一作應）馬嘶亂，爭渡金（一作黃）河水。▶ 日暮沙漠陲，戰聲（一作力戰）煙塵裏。盡繫名王頸，歸來獻（一作報）天子。[頁]卷,冊....[1236]125,4
有了這幾份全唐詩離線辭典，我就可以很方便地查找唐詩資料了。每次查詢都可以相互比對，遇有不一致的地方還可以檢索紙本加以求證，比起線上的搜尋，方便、正確多了。不過這每一份資料都還是有其各自的缺失，沒有哪一份是百分之百嚴謹無誤的(因此需要聯合起來用)。要找到一份絕對嚴謹的資料現階段還是很困難，或許哪一天等我退休了，時間多到不知道該怎樣打發，那時候也許就可以拿這些資料當作底稿，逐字地與紙本進行校對，每天對個10頁，花個兩、三年時間或許可以完成(原紙本有一萬餘頁)，這樣才有可能取得一份可以完全信賴的全唐詩資料吧，呵呵！
沒有留言:
張貼留言