Mach de Bagua    

我的数据组织

信息时代的人们往往为一个事实困扰：信息很多，但是从当中挑选自己需要的东西很难。所以百多年前就有人发明了各种图书分类法，当代则有了各种搜索引擎。对数据的组织，整理的工作变得如此重要以至于google的股票能攀上$300的高峰。

我的父母很喜欢给我和弟弟买连环画看，最多的时候有几百本，象《薛刚反唐》《岳家将》都是成套的。上小学的我曾经和弟弟干过一件事，在现在叫做"Inventory Survey"，就是给所有的小人书都贴上一个序号，然后有一个小本子记载了所有的序号和书名。这个简单的database仅此两项而已，却也颇让我们快乐地消耗了暑假里的几天时间。

后来念高中的时候在县图书馆办了张证，经常进去以后就直奔中图分类法序号72.xxxx的架子去借小说。那时候觉得真不错，世界上居然还有图书分类法这东西。记得还曾经买过一本介绍各种图书分类法的书，那时候还觉得中图分类法有些不合理的地方，如果有了自己的图书馆一定按照自己的分类方法来分类。

再后来，世界进入了信息时代。念大学的最后一年刻了第一张光盘，我刻光盘首先搜集的就是电子书。那几年我最满意的一张盘就是用离线浏览器抓下来的《黄金书屋》全网站，三百多兆字节，看得很开心。然后网上看书的地方就多元化起来，随着存储电子书以及其它资料的光盘超过十张，我感觉到了信息管理的需求。

最开始，是用DOS下的Dir /tree命令，把文件名都存到一个文本文件里，然后手工编辑加上注释。使用的时候用Ctrl+F查找。后来这样的手工劳动无以为继，而且TXT文件的查找功能有限。我找到一个工具CD2HTML，可以把文件名存成html, 然后我再用HTML Help Workshop编译成CHM文件，查找方便了很多，但是手工劳动依旧。在这方面太勤快的后果就是一直都没有自己去写一个工具，直到遇到了一直用到现在的CDBox软件。这个软件能自己提取CDROM的文件结构存到数据库里，几乎不需要人工干预。

但是CDBox也有不好的地方，就是，它只能记录查找光盘readme.txt的内容，其它文件的内容全靠文件名。因此，一个好的文件结构组织就显得很重要了。把我一直在用的电子书目录分类结构用Mind Map画了出来：

画完了以后我开始觉得烦躁，因为我发现这个结构是荒谬的：比如说，侦探小说和英国小说，这根本就是两种不同的划分方法，并列在一起是可笑的。那么我应该怎么办？侦探下面再分英国中国日本美国？或者英国下面再分侦探战争情感？好像太乱了，乱成一团麻。

很明显，书籍并不是按门别类的进到某一类之后就不能进其它类别了。是DOS/Windows的树状文件结构误导了我。UNIX/Linux在文件结构上有所改进，一个文件可以以link的方式虚拟地存在于另一个目录，但是功能仍然是不够的。Palm呢，舍弃了树状文件结构，使用标签(Tag), 是一种新的理念。但致命的是，Palm的文件只能被赋予一个Tag, 所以，和树状结构比没有明显的好处。

看起来，为了很好的管理信息，我需要这样一种文件系统（或者是现有文件系统的插件）－－可以是树状结构，但每个文件都可以有多个标签, 可以按照树状/单个标签/标签组合来查看搜索文件。最后，我希望这套系统是基于web的(比如Web+Java/PHP)，这样可以跨平台。这套系统最好还是个wiki系统，因为我会随手把网上看到的文章和图片什么的往这个系统里贴。如果是这样，那么这些小文件的内容搜索也可以做了。

最后，没有解决的问题就是光盘上文件的内容搜索。这个google老兄已经替我们做好了Google Desktop和Picasso。出于对硬盘容量和CPU效率的担忧，我装了他们之后就卸掉了。不知道有没有类似的开源项目，决定有空去找找看。