哈尔滨本地机关企事业单位档案数字化全流程零门槛实操指南

一、前期准备工作

1.1 工具软件准备（全免费可直接获取）

本次实操所有工具均为免费可商用，直接通过以下地址下载安装，无需付费激活：

• 扫描/图像工具：IrfanView 64位免费版，直接下载地址：https://irrfan.com/download.php，默认安装即可
• OCR文字识别工具：Tesseract OCR 5.0，国内可直接访问下载地址：https://github.com/UB-Mannheim/tesseract/wiki，下载tesseract-ocr-w64-setup-5.3.3.20231005.exe，安装时务必勾选中文简体语言包
• PDF合并工具：PDFsam Basic 4.2.12，直接下载地址：https://github.com/torakiki/pdfsam/releases/download/v4.2.12/pdfsam-4.2.12-windows-x64.msi，默认安装即可
• 压缩/校验工具：7-Zip，直接下载地址：https://www.7-zip.org/download.html，免费无广告

1.2 实体档案预整理

按照哈尔滨档案局接收要求，预整理需要完成以下步骤：

• 拆卷修复：去除档案中的所有金属物（订书钉、回形针、夹子），破损页面用透明无胶胶带补全，褶皱页压平，避免扫描卡纸
• 核对排序：按照实体档案原有页码顺序排列，缺页位置放空白A4纸标注“此页缺号”，并加盖单位档案专用戳记
• 分类堆放：按照全宗号→年度→保管期限（永久/30年/10年）分类，每类堆放不超过50卷，方便批量扫描

二、扫描操作标准化步骤

2.1 参数设置（符合哈尔滨验收标准）

必须按照以下要求设置参数，避免验收不通过：

• 分辨率：纯文字档案设置为300DPI，图纸、照片档案设置为600DPI
• 色彩模式：黑白文字档案用“黑白二值”，彩色公章、照片用“24位真彩色”
• 初稿格式：扫描初稿保存为无压缩BMP格式，保证画面质量

2.2 批量扫描操作流程

• 每次在扫描仪进纸口放置不超过20张纸，避免卡纸、重页
• 每卷扫描完成后，立刻对照实体档案核对电子页数，模糊、漏扫的页面立即重扫
• 所有扫描初稿按照规则命名：全宗号-年度-保管期限-卷号-页码，示例：哈政-2023-永久-0012-001.bmp

三、图像优化与OCR处理

3.1 批量图像优化

用IrfanView批量处理倾斜、黑边，操作步骤：

• 打开IrfanView，点击左上角「文件」→「批量转换/重命名」
• 导入同一卷所有扫描初稿，点击「高级」按钮打开高级选项，勾选自动旋转倾斜、自动裁剪黑边
• 输出格式选择JPG，画质设置为90，保存到同一卷的临时文件夹

3.2 批量OCR生成可检索PDF

打开Windows命令提示符（Win+R输入cmd回车），进入到优化后图片的存储目录，执行以下命令即可批量生成可检索PDF：

生成完成后，打开PDFsam Basic合并整卷PDF：

• 选择「合并」功能，导入同一卷所有PDF文件，按照页码升序排列
• 勾选「按文件添加书签」，输出文件名设置为卷名，示例：哈政-2023-永久-0012.pdf

四、元数据著录与存储备份

4.1 必填元数据著录

哈尔滨档案局要求数字化档案必须填写以下8项必填元数据，完整填写后保存为Excel文件，文件名统一为「著录表_全宗号_年度.xlsx」：

4.2 三级备份符合要求

按照哈尔滨档案管理规范，必须做三级备份，避免数据丢失：

• 在线存储：单位内部档案管理系统服务器存储一份，权限设置为仅档案管理员可修改
• 离线备份：将PDF和著录表刻录成不可改写的蓝光光盘，一式两份，一份存本单位档案室，另一份存哈尔滨市域内不同行政区的异地备份点，规避自然灾害风险
• 数据校验：右键点击整批档案文件夹，用7-Zip选择「CRC校验」，将校验结果保存到备份目录，方便后续排查数据损坏

五、验收前必查项

提前排查以下常见不合格问题，一次通过验收：

• 分辨率不达标：不得通过放大现有图片修改分辨率，必须重新扫描原实体档案
• PDF不可检索：必须完成OCR识别，不得仅提供图片格式PDF
• 元数据缺项：所有8项必填元数据必须完整填写，不得漏填
• 备份不合规：必须按要求做异地备份，不得仅存储一份在本地服务器