每一個(gè)網(wǎng)站都以一個(gè)標(biāo)準(zhǔn)的情勢(shì)全部打包？一個(gè)名為 InternetArchive網(wǎng)站就在做全數(shù)因特網(wǎng)的存檔任務(wù)。但是懷疑這項(xiàng)使命真的那么無心義嗎？由于我現(xiàn)在根蒂就看不懂兩千年前的數(shù)據(jù)，另一個(gè)問題是如何存檔存有巨量信息的因特網(wǎng)？現(xiàn)在有人在做這種工作。那兩千年以后的人能看懂現(xiàn)在保留的數(shù)據(jù)嗎？

其統(tǒng)計(jì)了停止2010年8月1號(hào)全世界所有圖書的數(shù)目，導(dǎo)語：谷歌搜索公司谷歌搜索圖書（GooglBook團(tuán)隊(duì)在其官方博客上發(fā)表博文稱。一共約1億2986萬4880本。科技博客CrunchGear發(fā)表攻訐文章對(duì)谷歌搜索圖書計(jì)劃做了批評(píng)，感到該計(jì)劃實(shí)施難度龐大，但影響將會(huì)不可估量。以下是攻訐全文：

書的數(shù)量可以或許說不計(jì)其數(shù)。谷歌搜索圖書將使世界上所有的圖書都可以在線搜索，谷歌搜索的目標(biāo)一向是將地球上所有的數(shù)據(jù)都電子化、分類、索引到其巨大的服務(wù)器里。谷歌搜索圖書生怕是這個(gè)龐大的工程中最有野心的布局之一。但是不要忘了人類將文字和聰明記實(shí)入圖書里已經(jīng)有了五、六千年的汗青。影響將是不可估計(jì)的谷歌搜索為了完成這一浩大的工程，利用了當(dāng)今很多最新的科技手法。

報(bào)告了如何計(jì)算出世界上所有的圖書有1億2986萬4880本這個(gè)他感到相對(duì)正確的數(shù)字的谷歌搜索圖書團(tuán)隊(duì)剛在其官方博客發(fā)了一篇博客。

但是很樂意看到主動(dòng)去挑戰(zhàn)海量的數(shù)據(jù)。因?yàn)檫@意味著，實(shí)在我對(duì)他詳細(xì)是如何得出這一數(shù)字并不感興趣。將來我尚有很多東西可以或許進(jìn)修，尚有很多關(guān)于如何處理數(shù)據(jù)的成就會(huì)被提出。

還要與浩大大學(xué)藏書樓、公共藏書樓、私人保藏、博物館等等非常多的機(jī)構(gòu)單干，舉個(gè)例子說：谷歌搜索要處理非常多類似于ISBN海內(nèi)標(biāo)準(zhǔn)書號(hào)）圖書數(shù)據(jù)。處理這些機(jī)構(gòu)供應(yīng)的類似的圖書記實(shí)，并分辯出這些記錄的藐小差別。假想高效的算法來從這些重疊非常多的圖書記錄中找到每一本書的最初版本不是一件容易的事，毫無疑問必要頻仍的人工干涉干與。谷歌搜索必要利用了類似于算法的軌范分辨、分類、分析大批的圖片。

利用OCR光學(xué)字符識(shí)別）技術(shù)掃描圖書并非易事。比方：錯(cuò)誤率要控制在幾多？對(duì)于不合印刷技巧的書是否需要不同的掃描儀？否必要人工清理冊(cè)頁的褶皺？手動(dòng)翻書的人的手指擋住了部分內(nèi)容信息怎么辦？如此之類的成就數(shù)不勝舉。

書籍作品自己的規(guī)律必定程度上降低了掃描任務(wù)的難度。大部分圖書作品都有很清晰的開頭和結(jié)尾，固然。期刊和雜志都是定期發(fā)行編號(hào)清晰等等。