Перейти к основному содержимому

Реестры форматов файлов

При долгосрочном цифровом хранении (digital preservation) недостаточно знать расширение файла (например, .doc). Один и тот же файл может быть создан разными версиями программного обеспечения, иметь разные особенности структуры и требовать разных инструментов для открытия.

Для точной идентификации форматов используются реестры форматов и уникальные идентификаторы.

Почему не расширения?​

Расширения файлов ненадежны:

  • Они могут быть изменены пользователем (переименование .jpg в .png).
  • Они неоднозначны (.doc может быть файлом Word 97, Word 2003 или просто текстовым файлом).
  • Они не дают информации о версиях формата.

Основные реестры​

PRONOM (The National Archives UK)​

PRONOM — это онлайн-реестр технических сведений о форматах файлов и программном обеспечении. Он поддерживается Национальным архивом Великобритании и является стандартом де-факто в цифровой архивации.

  • PUID (PRONOM Unique Identifier): Уникальный идентификатор формата в системе PRONOM.
    • Пример: fmt/40 (Microsoft Word Document 97-2003)
    • Пример: x-fmt/111 (Plain Text File)

Идентификаторы PUID устойчивы и используются большинством инструментов идентификации (например, DROID, Siegfried). Сигнатуры PRONOM публикуются в виде сигнатурных файлов DROID и регулярно обновляются.

  • Использование: Siegfried, FIDO, DROID
  • Обновления: Регулярные выпуски сигнатурных файлов
  • Доступ: Онлайн-база данных; карточка формата открывается по адресу вида https://www.nationalarchives.gov.uk/PRONOM/fmt/40

Library of Congress Sustainability of Digital Formats (LC FDD)​

Ресурс Библиотеки Конгресса США, описывающий устойчивость цифровых форматов.

  • Предоставляет подробные описания технических характеристик.
  • Оценивает форматы по критериям устойчивости (раскрытость, распространенность, прозрачность, отсутствие патентов и т. д.).
  • Имеет свои идентификаторы, например fdd000125 для PDF/A-1.

Wikidata​

Wikidata становится все более важным хабом для сведений о форматах файлов.

  • Связывает идентификаторы разных систем (PRONOM, LC FDD, MIME-типы).
  • Позволяет делать сложные SPARQL-запросы.
  • Идентификатор сущности (QID), например Q42332 (формат PDF).

Digipres.org​

Digipres.org — ресурс сообщества цифрового сохранения. Раздел Formats агрегирует сведения из нескольких реестров (PRONOM, LC FDD, Wikidata, Apache Tika, TrID, File Formats Wiki, GitHub Linguist) и позволяет сравнить их покрытие. Полезен для быстрого поиска информации о форматах.

File Formats Wiki (Just Solve the File Format Problem)​

File Formats Wiki — вики проекта Archive Team «Just Solve the File Format Problem», документирующая форматы файлов силами сообщества.

  • Содержание: Очень широкий спектр форматов, включая редкие и устаревшие
  • Сообщество: Открытое редактирование
  • Использование: Справочная информация о редких форматах, ссылки на спецификации и программы

FileFormat.Info​

FileFormat.Info — справочный сайт с описаниями форматов файлов и сведениями о символах Unicode. Не является вики и не связан с реестрами цифрового сохранения, но бывает полезен как быстрый справочник.

Использование реестров​

Поиск информации о формате​

  1. Найдите формат в реестре
  2. Изучите характеристики формата
  3. Проверьте риски сохранения
  4. Определите рекомендуемые действия

Интеграция с инструментами​

Многие инструменты используют реестры:

  • Siegfried: PRONOM (по умолчанию), а также MIME-info и LC FDD
  • FIDO: PRONOM
  • DROID: PRONOM

Оценка рисков​

Реестры помогают оценить риски форматов:

  • Поддержка: Насколько хорошо поддерживается формат
  • Риски: Какие риски существуют для сохранения
  • Рекомендации: Что делать с форматом

Сравнение реестров​

РеестрИсточникСпециализацияИспользование
PRONOMНациональный архив ВеликобританииОбщие форматы, сигнатурыДля инструментов идентификации
LC FDDБиблиотека Конгресса СШАУстойчивость форматовДля оценки устойчивости
WikidataСообществоУниверсальный хабДля связывания идентификаторов
Digipres.orgСообществоАгрегация данных реестровДля быстрого поиска
File Formats WikiArchive TeamШирокий спектр, редкие форматыДля справочной информации

Рекомендации​

Выбор реестра​

  • Используйте PRONOM для инструментов идентификации
  • Используйте LC FDD для оценки устойчивости форматов
  • Используйте Wikidata для связывания идентификаторов разных систем
  • Используйте File Formats Wiki для редких форматов

Вклад в реестры​

Можно внести вклад в реестры:

  • Добавление новых форматов (PRONOM принимает предложения новых сигнатур)
  • Улучшение документации
  • Исправление ошибок
  • Добавление примеров

Рекомендации для Ruarxive​

При описании цифровых коллекций в Ruarxive мы рекомендуем:

  1. Всегда проводить идентификацию форматов с помощью инструментов (Siegfried, DROID).
  2. Сохранять PUID (PRONOM ID), так как это наиболее точный идентификатор, вместе с версией сигнатурного файла.
  3. Сохранять MIME-тип, так как он широко используется в вебе, но помнить о его недостаточной детализации.

Ресурсы​

Связанные материалы​

Последнее обновление