司法档案数字化全流程实操指南：从预处理到合规归档零门槛落地

一、前期工具准备

1.1 硬件要求

存量纸质档案用馈纸式高速扫描仪即可，单页扫描成本不到0.1元；少量珍贵破损档案用平板扫描仪补扫即可，不需要采购高价专业设备，满足分辨率要求即可。

1.2 软件准备（直接下载安装即可用）

• 批量OCR识别：天若OCR开源免费版，直接下载地址：https://github.com/xiangyuecn/AreaOCR/releases，选择对应系统的安装包解压即可使用，无需激活付费。
• 格式转换工具Pandoc：用于批量转成符合归档要求的PDF，安装命令直接复制执行： ``` Windows系统（Win10/11自带包管理器，打开CMD执行即可） winget install JohnMacFarlane.Pandoc MacOS系统 brew install pandoc Debian/Ubuntu系统 sudo apt install pandoc -y ```

上述免费工具完全满足司法档案数字化的合规要求，不需要额外采购付费软件。

二、纸质档案预处理（必做，避免扫描卡壳）

预处理直接影响扫描效率和档案合规性，严格按以下步骤操作：

1. 拆卷：对已装订的档案，从装订侧下刀拆除装订物，严禁裁剪原件正文内容，完整保留原档案的所有边距、防伪标记和批注。
2. 清理：取出所有金属钉、胶装条、回形针等硬物，避免刮伤扫描仪；粘在一起的页面小心分开，不要破坏纸面。
3. 修复：破损页面用透明脱酸胶带粘贴补全，褶皱、翘边页面用重物压平12小时后再扫描，避免扫描模糊。
4. 排序标记：按照原档案的页号重新排序，标注漏页、缺页情况，在后续元数据中备注说明，严禁私自补充非原有页面。
5. 预分类：按照“年度-档案类别-保管期限”分类堆放，方便批量扫描后直接命名，减少后续调整工作量。

三、扫描参数设置与批量扫描

扫描参数必须符合《人民法院诉讼档案管理办法》要求，直接套用以下设置即可：

• 分辨率：强制设置为300dpi，低于200dpi不符合归档要求，高于400dpi浪费存储空间，无需设置。
• 颜色模式：纯黑正文无彩色印章的档案用二值化黑白模式，文件体积小；有彩色公章、手印、批注的档案用24位真彩色模式。
• 存储格式：原始扫描件默认存储为TIFF格式，符合国家档案长期归档标准。
• 命名规则：严格按照司法档案规范命名，格式为：[年度]-[法院层级]-[档案类别]-[档号]，示例：2022-高级人民法院-民事一审-02-0145，批量扫描时直接设置扫描仪自动批量命名，无需手动逐个修改。

四、OCR识别与核心内容校对

司法档案要求全文可检索，必须做OCR处理，实操步骤：

1. 打开天若OCR，选择「批量识别」功能，导入扫描好的TIFF文件夹，设置导出路径，导出格式选择「可检索PDF+纯文本TXT」，点击开始识别，1000页档案大约10分钟即可完成。
2. 校对：不需要逐字全文校对，只需要核对核心业务字段：案号、当事人姓名/名称、裁判日期、判决结果，核心字段错误率控制在1‰以内即可，非核心的格式性文字不影响检索即可通过，节省大量时间。
3. 修改规则：如果有识别错误，只修改PDF的文本层，不要修改原始扫描图像，保证原件影像的真实性。

五、元数据录入与三级质检

元数据是档案检索的核心，必须录入以下必填字段：

录入完成后必须做三级质检，避免不合规返工：

1. 一级质检：检查扫描质量，确认无漏页、缺页、模糊、倒页情况。
2. 二级质检：核对元数据与档案内容，确认所有核心字段无错误。
3. 三级质检：检查文件完整性，确认原始TIFF、可检索PDF完整无损坏，命名符合规范。

六、合规归档存储

完成质检后，按照以下要求完成最终归档：

1. 在线存储：将可检索PDF版上传到单位档案管理系统，挂接对应元数据完成索引，方便日常检索调阅。
2. 离线备份：原始TIFF格式档案存储到不可改写的蓝光光盘或者离线加密硬盘，一式两份异地备份，符合司法档案长期保管要求。
3. 特殊要求：涉密司法档案必须在符合保密要求的离线非联网设备上完成全流程数字化，严禁使用公共云存储、第三方在线OCR工具，避免泄密。