作为现存唯一的道教典籍总集，《正统道藏》 与 《万历续道藏》 历来被学界习惯合称为 《道藏》，承载着中国古代道教文化与多学科知识的核心脉络。其中，《正统道藏》 因刊行于明英宗正统年间得名，其编纂实则始于明成祖永乐帝时期，全书以千字文中 「天」 至 「英」 字为函目，共成 480 函、 5305 卷，采用经折装形制，收录道书 1400 余种；《万历续道藏》 则刊行于明万历年间，作为前者的续集，补录新出及遗漏道书，以 「杜」 至 「缨」 字为函目，凡 32 函、 180 卷，收书 57 种，同样采用经折本。
这部体量宏大的丛书，不仅是古代道教最主要的文献集成，更因其内容的广博性超越道教范畴，涵盖宗教、哲学、历史、文学、艺术、医药学、化学、天文学、地理学、养生学等诸多领域，还收录部分医药方书、诸子著作及占卜类典籍，成为研究中国古代文化与科技的珍贵资料库。如今，北京大学团队依托 「识典古籍」 平台开展 《正统道藏》 智能整理项目，以数字化技术为这部典籍注入当代活力。
解码 《正统道藏》 整理的时代价值
《道藏》 历经历代传承，既是道教文献典籍的集大成之作，更是研究道教史、道家文化乃至中国古代社会的核心资料来源，其整理工作具有不可替代的学术意义与文化价值：
从版本传承来看，元代道藏因历史上的禁毁几近散佚，现存历代道藏中，唯有明代 《正统道藏》 保留了大量早期道教文献与珍贵版本，是维系道教典籍血脉的关键载体。从当代整理现状而言，尽管已有 《中华道藏》 等成果，但尚无完全以 《正统道藏》 为底本的标点整理版本，导致其原始文献价值未能充分发挥。从学术突破维度，北京大学数字人文研究中心团队此次开展的 《正统道藏》 系统性智能整理，在学术史上尚属首次，为道教文献研究提供了标准化、高质量的数字文本。从长远规划来看，项目并非局限于现有典籍，未来还将进一步拓展范围，收录整理 「藏外道书」，持续丰富道教文献资源体系，为学界与公众提供更完整的研究与阅读素材。
多维度推进 《正统道藏》 智能整理实践
项目团队以 「学术严谨、技术赋能、协作高效」 为原则，围绕数据清洗、结构整理、文字精校三大核心环节，分阶段、分层次推进整理工作，确保每一步都经得起学术检验。整理工作的开展，始终以 「道藏元数据.xlsx」 为基础框架，依托规范的元数据体系，保障典籍信息的准确性与关联性，为后续数字化应用奠定根基。
数据清洗：打好典籍数字化根基
数据清洗是古籍数字化的首要环节，直接决定后续文本质量与使用价值。项目团队由杨浩老师、伞红雷老师、陈宇航博士分别牵头，分阶段攻克数据难题：
2022 年 12 月，杨浩老师率先启动 《道藏》 第一批约 210 种数据的清洗工作，在完成文本初步处理的同时，同步探索并确立了数据清洗、上传的标准化方法与配套代码，为后续大规模处理提供技术范式。同一时期，伞红雷老师依据施舟人 《道藏通考》 这一权威学术著作，对 《正统道藏》 的 ID 进行规范设置，并严格按照学术标准对典籍进行拆分与合并，确保每一部典籍的标识与归类都符合学界共识。
此后，伞红雷老师继续牵头推进，分多个批次完成约 1000 种道藏的数据清洗，并将处理后的资源上传至 「识典古籍」 平台，为线上志愿者开展结构整理提供基础素材。然而，项目仍面临一大挑战：约 300 种道藏存在缺图、少图、图文数据错乱等问题，虽典籍数量仅占总量一部分，但涉及图片达 10 万页，占道藏总页数的一半，手动对齐难度极大。 2024 年初，团队特邀清华大学历史系陈宇航博士加入，陈博士的研究领域正是道教史，具备深厚的专业背景。陈宇航博士凭借对道教文献的熟悉，对这部分缺失资源逐页校对、补充缺失图片，待补图完成后，再对全部上传图片进行二次清洗与上架，彻底解决了图文错乱问题，保障了 《道藏》 资源的完整性。
结构整理：适配道教文献独特属性
道教文献多为仪式文献，其分段逻辑、标题设置与传统四部古籍存在显著差异，这对结构整理提出了更高要求。项目由伞红雷老师全程负责，分阶段完成结构优化：
2022 年 12 月，《道藏》 第一批数据清洗完成并上传后，立即开展线上结构整理工作。在半个月时间内，完成约 200 种道教典籍的分段与标题提取，同时深入研究道教文献的文本特征，逐步摸清其整理规律，为后续工作确立标准。
2023 年 2 月至 8 月，为提升整理效率，团队依托北京大学数字人文研究中心线上数据加工队伍，组织线上团队成员协同开展结构整理。专家老师承担组织协调与审核把关职责，对 900 多种道教文献逐卷进行审核，确保结构划分符合道教文献的学术规范，审核通过后及时上架平台，供用户查阅使用。
文字精校：提升文本准确性与可读性
尽管前期数据清洗已完成初步处理，但部分文本直接采用 OCR 识别结果，存在文字错讹问题，影响使用体验。 2024 年初，陈宇航博士在完成数据查缺补漏后，于 6 月将全部清洗数据上传至平台，随即启动文字精校工作。此次精校同步结合结构整理，实现 「一阶段双提升」 。
在 50 位线上数据加工成员的共同努力下，团队历时 4 个多月，对剩余半数道藏的文字进行逐字校对，修正 OCR 识别错误，同时完善文本结构。线上数据加工团队的同学们克服道教文献专业术语多、文本逻辑特殊等困难，最终使 《道藏》 文本在准确性、完整性与可读性上实现质的提升，为后续深度应用打下坚实基础。
成果与展望
截至目前，《正统道藏》 智能整理项目已取得阶段性重大成果：不仅完成全部典籍的数据清洗、图文补全与结构优化，更通过文字精校形成高质量数字文本，建成国内首个以 《正统道藏》 为底本、配套规范元数据的数字化资源库。这一成果既为道教史、道家文化研究提供了标准化的核心资料，也为普通读者接触道教经典打开了便捷之门，实现了 「学术价值」 与 「传播价值」 的统一。
未来，团队将以现有成果为基础，持续推进 「藏外道书」 的收录与整理，进一步丰富道教文献资源体系。同时，依托高质量数字文本，探索 AI 技术在道教文献实体识别、文白翻译等领域的应用，推动道教文献研究向数字化、智能化方向发展。通过不懈努力，团队将继续以技术赋能文化传承，让 《正统道藏》 这一千年典籍在当代焕发更强生命力，为中华优秀传统文化的创造性转化与创新性发展贡献力量。