如何标准化档案元数据：零门槛可落地的实操指南

使用官方标准JSON Schema定义校验规则，将以下代码完整复制到metadata_schema.json文件中，无需修改：

{ "$schema": "http://json-schema.org/draft-07/schema", "title": "StandardArchiveMetadata", "type": "object", "required": ["arch_id", "arch_type", "create_time", "creator", "file_size", "storage_path", "access_level"], "properties": { "arch_id": {"type": "string", "format": "uuid"}, "arch_type": {"type": "string", "enum": ["document", "image", "audio", "video", "other"]}, "create_time": {"type": "string", "format": "date-time"}, "creator": {"type": "string"}, "file_size": {"type": "integer", "minimum": 0}, "storage_path": {"type": "string"}, "access_level": {"type": "string", "enum": ["public", "internal", "confidential"]} } }

该规则会自动校验元数据的字段存在性、类型和取值范围，避免格式混乱

批量处理现有档案

整理旧档案数据

将你的旧档案数据导出为CSV格式，确保包含上述必选字段的对应列，例如旧CSV中“创建时间”列的原始值为2024/05/20，无需修改列名，后续会通过代码映射

编写处理脚本

将以下代码完整复制到process_archives.py中，若你的旧CSV列名不同，需修改代码中row.get()的参数（如旧CSV的“文档类型”列改为“类型”则无需修改，改为“档案分类”则改为row.get('档案分类')）：

import csv import uuid import json from jsonschema import validate, ValidationError 加载元数据校验规则 with open('metadata_schema.json', 'r', encoding='utf-8') as f: metadata_schema = json.load(f) 定义旧档案CSV路径和输出路径 old_csv_path = 'old_archives.csv' new_json_path = 'standard_archives.json' standard_archives = [] 读取旧CSV并转换 with open(old_csv_path, 'r', encoding='utf-8') as csvfile: reader = csv.DictReader(csvfile) for row in reader: 转换字段到标准格式 standard_row = { "arch_id": str(uuid.uuid4()), "arch_type": row.get('类型', 'other').strip().lower(), "create_time": row.get('创建时间', '').strip().replace('/', '-') + 'T00:00:00Z', "creator": row.get('创建者', '未知').strip(), "file_size": int(row.get('文件大小', 0)), "storage_path": row.get('存储路径', '').strip(), "access_level": row.get('权限', 'internal').strip().lower() } 校验格式 try: validate(instance=standard_row, schema=metadata_schema) standard_archives.append(standard_row) except ValidationError as e: print(f"档案{row.get('文件名')}校验失败：{e.message}") 输出标准化元数据到JSON with open(new_json_path, 'w', encoding='utf-8') as f: json.dump(standard_archives, f, indent=2, ensure_ascii=False) print(f"标准化完成，共处理{len(standard_archives)}条档案")

运行处理脚本

在终端进入文件所在文件夹，执行命令：python3 process_archives.py，等待运行完成，终端会打印校验失败的档案信息（若有），若无异常则生成standard_archives.json

校验与落地执行

手动抽样校验

打开standard_archives.json，随机抽取10条档案，检查以下内容：arch_id是否为36位UUID、create_time是否为ISO 8601格式、权限字段是否在指定范围内

批量校验确认

在终端执行以下命令，可快速校验全部元数据是否符合标准：python3 -c 'import json; from jsonschema import validate; schema=json.load(open("metadata_schema.json")); data=json.load(open("standard_archives.json")); [validate(item, schema) for item in data]; print("全部元数据校验通过")'，输出“全部元数据校验通过”则可继续落地

落地执行

将标准化后的元数据文件与档案文件一一对应，或导入你的档案管理系统，执行前必须备份旧档案和旧数据，确保无异常后正式启用标准化元数据