2.1.10 文献查重

星瀚元图书馆集群管理系统 — 文献查重功能说明

一、 页面概览

本界面为“文献管理”模块下的“文献查重”页面。文献查重是图书馆在新书入藏或批量导入外部数据时，用于检测书目重复性的核心工具。通过上传标准的MARC文件，系统能够快速解析并列出其中的书目数据，帮助馆员识别本馆是否已存在相同图书，从而避免重复编目和馆藏冗余，保证书目数据库的质量。

二、 Marc文件上传与解析区

页面顶部提供了MARC数据的导入与查重触发入口：

文件上传配置：“字符集编码”（如 gbk，需与外部文件编码一致以防乱码）、“MARC类型”（如 cnmarc文献，明确数据格式以便系统正确解析）、“Marc文件”上传框（当前已成功上传名为 gbk_100多条.iso的文件，大小为 0.16MB，并提示“上传文件成功”）。

操作按钮：“上传”（将本地MARC文件导入系统暂存区）、“删除”（清空当前已上传的文件）、“查重”（核心功能，点击后系统会将上传文件中的书目与本馆现有数据库进行比对，筛选出重复或新增的记录）。

三、 查重配置管理区

在文件上传下方，提供了查重规则的维护功能：

配置下拉框：允许切换不同的查重策略或预设方案。

管理按钮：“刷新”（重新加载配置列表）、“新增”（创建新的查重匹配规则，如设定按ISBN+题名双重校验）、“编辑”与“删除”（对现有配置进行调整或清理）。

四、 核心数据列表展示

列表区清晰展示了上传的MARC文件中解析出的具体书目信息，共包含174条记录（当前显示第1到10条）：

基础书目信息：“行号”（在MARC文件中的序号）、“完整题名”（如《彩图上下五千年.第四卷》、《弟子规:易解》）、“标准编号”（ISBN号，如 7-104-01774-7）、“分类号”（中图法索书号，如 K2、H1）、“第一责任者”（如 龚德隆主编、(清)李毓秀）。

出版与价格信息：“单价”（如 10.00、9.80）、“出版社”（如 中国戏剧出版社、湖南少年儿童出版社）、“出版地”（如 北京、长沙）、“出版时间”（如 2003、2004）。

操作列：提供“查看”功能，点击可展开该条目的完整MARC字段详情，供馆员进行最终的人工复核与确认。

五、 底部统计与分页

数据统计与分页：底部提示“显示第1到第10条记录，总共174条记录”，表明本次上传的文件体量较大。系统支持自定义每页显示条数（当前为10条）及多页跳转（共18页），方便馆员分批浏览和核对。

六、 业务场景与操作建议

新书批量到馆防重复入库：书商通常会提供一批MARC数据文件。馆员应先将文件上传至此页面，点击“查重”。对于系统判定为“已存在”的记录，可直接跳过或仅增加复本；对于“新增”的记录，再进入编目流程，从而极大提升工作效率。

注意字符集与MARC格式匹配：在上传前，务必确认书商提供的ISO文件是 gbk还是 utf-8编码，并在“字符集编码”下拉框中准确选择。同时选择正确的MARC类型（如CNMARC或USMARC），否则会导致解析失败或中文乱码。

善用“查看”进行人工复核：虽然系统能自动匹配ISBN或题名，但有时会出现不同版本（如修订版、增订版）ISBN相同的情况。建议对查重结果中的关键图书点击“查看”，核对“出版时间”和“责任者”后再决定是否导入。

预设灵活的查重规则：在“查重配置”中，建议根据不同的业务场景设置多套规则。例如，“严格查重”仅匹配ISBN，“宽松查重”匹配题名+责任者。在面对不同质量的外部数据源时，切换合适的配置能提高查准率和查全率。

星瀚元图书馆集群管理系统 — 查重配置功能说明

一、 弹窗概览

本界面为“文献查重”的“查重配置”弹窗。该功能是图书馆进行数据质量控制的核心工具，允许馆员根据具体业务场景，自定义查重的比对范围、目标数据库以及ISBN的处理规则。通过灵活配置查重策略，可以有效平衡查重的“精准度”与“容错率”，避免书目数据的重复录入或漏判。

二、 核心配置项解析

弹窗内包含了三个关键的配置维度，直接决定了查重算法的执行逻辑：

配置名称：文本输入框，用于为当前设置的查重规则命名（如“新书入藏严格查重”、“外部数据导入宽松查重”）。便于后续在不同业务场景下快速调用或区分多套查重策略。

查重库：

当前选项：“文献馆藏库”。

业务含义：指定系统在进行重复性检查时，去比对哪个数据库。通常选择“文献馆藏库”意味着检查该图书在本馆是否已经存在实体馆藏，防止同一本书被多次验收。

文献查重字段：

当前选项：“没有选中任何项”（下拉框待选）。

业务含义：决定系统依据哪些书目字段来判断两本书是否“重复”。常见的可选字段包括ISBN（标准编号）、题名、第一责任者、出版社等。馆员可根据需要单选或多选（例如：严格模式下仅勾选ISBN；宽松模式下勾选“题名+责任者”）。

Isbn处理：

当前选项：“Isbn统一查重(10/13位)”。

业务含义：针对ISBN号的特殊格式化规则。由于同一本书可能存在10位（旧版）和13位（新版）两种ISBN，选择此选项后，系统会自动将10位ISBN补全转换为13位（或反之）进行比对。这能极大避免因ISBN位数不同而造成的“假重复”或“漏查重”。

三、 底部操作按钮

关闭：取消当前的配置操作，不保存任何更改，退出弹窗。

提交：保存当前设定的查重规则。提交后，系统会在后续的“文献查重”或“入藏”操作中应用这些参数。

四、 业务场景与操作建议

建立多套查重策略以应对不同场景：

场景A（新书扫码入藏）：建议“查重字段”仅选择“ISBN”，“ISBN处理”开启统一查重。因为新书通常有标准ISBN，这种方式速度最快且准确率极高。

场景B（导入老旧文献或缺失ISBN的数据）：建议“查重字段”组合选择“题名 + 第一责任者 + 出版社”，“ISBN处理”可选择忽略或统一查重。这样即使没有ISBN，也能通过核心元数据找出可能的重复项。

规范配置名称的命名习惯：在填写“配置名称”时，建议采用“业务类型+规则特点”的格式（如“期刊室入藏-ISBN查重”、“古籍编目-题名查重”）。这有助于在多人员协作的图书馆环境中，让其他馆员一眼看懂该配置的用途，减少误操作。

定期检查ISBN转换规则：在国际标准书号全面过渡的阶段，部分供应商提供的数据可能混用10位和13位ISBN。务必确保“Isbn统一查重(10/13位)”功能处于开启状态，否则系统可能会认为“978-7-04-000000-0”和“7-04-000000-0”是两本不同的书，从而导致重复建库。

查重字段不宜过多：虽然系统可能支持勾选多个字段（如题名+责任者+出版社+ISBN），但查重条件越苛刻，漏查重的风险就越大（只要有一个字段不完全一致就会被判定为新书）。通常建议核心查重字段不超过两项，以保证查重的召回率。

星瀚元图书馆集群管理系统 — 文献查重结果报告弹窗说明

一、 弹窗概览

本界面为“文献查重”模块在执行MARC文件上传与比对后生成的结果报告弹窗。该页面直观展示了系统对上传文件进行自动化查重分析的最终统计数据和执行状态，帮助馆员快速掌握批量数据的质量情况，并提供了后续的数据处理出口。

二、 核心信息解析

弹窗内详细记录了本次查重任务的各项关键指标：

文件基本信息：“文件名称”为 gbk_100多条.iso（大小 0.16MB），与之前上传的MARC源文件一致。

数据处理统计：

“marc信息总数量”为 174 条，代表上传文件中包含的书目总数。

“已处理数量”为 174，表明系统已100%完成解析与比对。

查重结果分布：

“非重复数量”：152 条。代表文件中存在152条本馆尚未收录的全新书目，可直接进入后续的编目与入藏流程。

“重复数量”：22 条。代表经系统比对，这22条书目已存在于本馆馆藏库中，需进行人工复核，避免重复建库或仅需增加复本。

任务执行时间：

“开始时间”：2026-08-21 11:22:38。

“最后运行时间”：2026-08-21 11:22:39。

整个查重过程仅耗时约1秒，体现了系统高效的批量处理能力。

三、 操作与风险提示

顶部警告提示（粉红色横幅）：“正在处理中，完成前请勿关闭或刷新本页面，关闭或刷新页面将中断操作”。虽然当前进度已达100%，但该提示旨在强调此类后台大数据量比对任务的脆弱性，防止意外中断导致数据不一致。

数据下载出口：

重复文献详情（下载按钮）：点击可导出22条重复书目的详细清单（通常为Excel或MARC格式），方便馆员核对是否为同一版本，或决定是否合并馆藏。

非重复文献（下载按钮）：点击可导出152条全新书目的干净数据，便于直接导入编目库进行批量套录或入藏。

进度条：底部蓝色进度条显示“100%”，直观表明任务已圆满完成。

关闭按钮：右下角“关闭”按钮用于退出当前报告弹窗，返回主查重列表页面。

四、 业务场景与操作建议

高效分流处理新书数据：面对174条原始数据，系统直接清洗出了152条可用新书数据和22条重复数据。建议馆员第一时间点击下载“非重复文献”，将其导入“文献入藏”或“批量编目”模块，大幅缩短新书上线时间。

对重复数据进行人工复核：对于下载下来的22条“重复文献详情”，不能简单地一概而论。需要重点核对是否为同一ISBN的不同版本（如修订版、精装版），或是完全相同的书仅需增加物理复本。避免因盲目删除重复项而导致馆藏数量统计错误。

利用耗时评估系统性能：本次174条数据的查重仅耗时1秒。如果在未来处理上千条数据时发现耗时异常增长，可能意味着查重库索引需要优化或服务器负载较高，此时应及时联系系统管理员进行“数据维护”。