GEDCOM 是 **Genealogical Data Communication(谱系数据通信)**的缩写,是一种用于在计算机程序之间交换谱系学信息的标准。它规定了如何以文本形式表示人物、亲属关系、生平事件、来源引注、备注及相关记录。GEDCOM 由耶稣基督后期圣徒教会开发,并通过 FamilySearch 维护,使家族史信息能够在内部采用不同数据库的应用程序之间流转。它主要是一种数据交换格式,而不是一套完整的研究方法、一个数据库系统,也不保证所有功能都能原样转移。
用途与范围
谱系软件组织信息的方式各不相同。一个应用程序可能将出生详情存储在专用表中,另一个则将其表示为一般事件。GEDCOM 提供了共用的词汇和结构,使这些应用程序能够据此导出和导入信息。
常见用途包括:
- 在桌面应用程序或在线服务之间迁移家谱。
- 与其他谱系研究者分享选定的研究成果。
- 提供一份不依赖特定软件的核心家族史数据副本。
- 转移亲属关系、文献参考信息、备注和媒体链接。
它的核心优势是互操作性,但不同应用程序和版本的支持程度有所不同。某个程序可能能够识别文件中的基本人物信息和亲属关系,却忽略专用字段,或对其作出不同的解释。
GEDCOM 有助于实现数据可携带性,但导出的文件不一定是原应用程序的完整数据备份。界面设置、研究任务、专有注释以及存储在外部的图像可能并不包含在内。
起源与版本
GEDCOM 于 20 世纪 80 年代出现,是推动计算机化家族史信息交换的成果之一。后续各版本不断扩充和明确其记录结构及谱系学词汇。
以下几个版本尤为重要:
| 版本 | 重要性 |
|---|---|
| 5.5 | 于 1996 年发布,成为谱系数据交换中广泛采用的基础版本。 |
| 5.5.1 | 标注日期为 1999 年,新增并修订了多项功能,包括支持 UTF-8,随后被谱系软件广泛采用。 |
| 7.0 | 于 2021 年以 FamilySearch GEDCOM 7 的名称发布;对规范进行了现代化更新,统一采用 UTF-8 编码,明确了各类结构,并引入了附带文件的标准化打包方式。 |
版本号十分重要,因为外观相似的文件可能包含旧版读取程序不支持的结构或值。文件会在头部声明其 GEDCOM 版本;这一声明与创建该文件的应用程序名称及版本是两回事。
还应区分 GEDCOM 与 GEDCOM X。后者是独立的谱系数据模型及一系列相关规范。GEDCOM X 并不是 GEDCOM 7 文本文件的另一种名称。
文件结构与语法
普通 GEDCOM 文件是以行为单位组织的文本文档,通常使用 .ged 扩展名。与 XML 或 JSON 不同,它通过每行开头的数字层级来表示嵌套关系。
一行通常包含:
- 层级编号。
- 可选的交叉引用标识符。
- 标明信息类型的标签。
- 可选的值或引用。
具体允许的语法取决于版本。下面是一个典型的行:
1 NAME Ada /Morgan/
这里,1 表示嵌套层级,NAME 表示人名,其余部分则是相应的值。在这种常规的 GEDCOM 姓名表示法中,斜杠用于标示姓氏的起止位置。
层级为零的行用于开始顶层记录。层级编号更大的行从属于其前面包容它的结构。因此,层级为二的日期和地点行可以为层级为一的出生事件提供详细信息。
这种嵌套方式类似于树(数据结构),但交叉引用会将不同记录连接起来。综合来看,这些引用描述的是一个由人物、家庭、来源及其他实体组成的网络,而不是一棵简单的家谱树。
示例
以下片段展示了 GEDCOM 5.5.1 风格文件中使用的结构。它不是一份完整的交换文件:
0 @I1@ INDI
1 NAME Ada /Morgan/
1 BIRT
2 DATE 12 MAR 1900
2 PLAC York, England
1 FAMS @F1@
0 @I2@ INDI
1 NAME Ellis /Taylor/
1 FAMS @F1@
0 @I3@ INDI
1 NAME Robin /Morgan/
1 FAMC @F1@
0 @F1@ FAM
1 HUSB @I1@
1 WIFE @I2@
1 CHIL @I3@
INDI 用于开始个人记录,FAM 用于开始家庭记录。@I1@ 和 @F1@ 等标识符使记录能够相互引用。FAMS 将个人链接到其作为配偶或父母一方所属的家庭;FAMC 则将个人以子女身份链接到某个家庭。
这些标识符通常只在文件内部起作用。它们本身并不是现实人物永久且全球唯一的标识符。
完整文件还包含头部以及用于结束文件的 TRLR 记录。头部提供格式版本、生成文件的应用程序信息等元数据。
谱系信息模型
个人与家庭
个人记录可以包含姓名、事件、属性、备注、引注和关系。在规范允许的情况下,可以表示多个姓名,或某类事件的多个实例。
家庭记录将伴侣或父母与子女联系起来。HUSB 和 WIFE 等沿用历史命名的标签反映了该格式的起源。如何解释这些标签,以及如何表示多样化的家庭形式,取决于规范版本和应用程序的具体处理方式。
家庭链接本身并不意味着所记录的关系是生物学关系。附加结构可以描述收养、寄养或其他谱系关系。同样,单凭一条家庭记录也不能证明存在合法的婚姻:结婚事件需要单独记录。
事件、日期与地点
GEDCOM 支持出生、死亡、结婚和安葬等常见事件,也支持其他事件和属性。
日期不一定必须精确。该格式提供了表示大致日期、日期范围和时间段的方式,也能表达部分历法信息。这些区别很重要,因为“约 1850 年”“1850 年以前”和 1850 年的某个确切日期表达的是不同的断言。
地点信息通常以文本形式交换。一个地名不一定能够唯一标识某个地理实体,也不一定保留历史上的行政边界。对于行政区划的排列顺序、拼写或地理坐标,不同应用程序可能采用不同的惯例。
来源、引注与媒体
GEDCOM 区分来源描述与引注;引注用于将具体断言与支持材料联系起来。根据所用版本和结构的不同,引注可以包含页码或转录文本等详细信息。
这有助于转移与证据相关的信息,但不能判定某项说法在历史上是否正确。存在来源引注,并不等于相关断言已经得到核实。
多媒体结构可以引用照片、文档扫描件、录音及其他文件。普通的 .ged 文件通常只存储引用,而不嵌入媒体文件的字节数据。因此,仅发送文本文件可能会导致接收者无法获得其中引用的图像。
字符编码与 GEDCOM 7 打包方式
字符编码十分重要,因为谱系数据中经常包含使用多种文字书写的姓名和地名。
较早的 GEDCOM 版本允许使用多种编码,包括 ANSEL,以及 GEDCOM 5.5.1 中的 UTF-8编码。如果未能正确处理编码声明,导入时就可能损坏带重音符号的字母或其他字符。
GEDCOM 7 统一采用 UTF-8,为 Unicode统一码文本提供一致的编码方式。这减少了编码上的歧义,但无法消除拼写、转写、姓名顺序或不同文化命名惯例之间的差异。
GEDCOM 7 还定义了 GEDZIP,这是一种基于 ZIP 的打包约定,通常使用 .gdz 扩展名,用于将 GEDCOM 数据集与附带文件一起传送。它解决了一个实际问题:如果只转移文本文件,其中引用的媒体可能仍依赖留在另一台计算机上的文件。
互操作性与局限
应用程序专用扩展
谱系应用程序往往支持标准词汇范围之外的信息。GEDCOM 允许采用扩展机制;在较早的版本中,自定义标签通常以下划线开头。
如果两个应用程序都能理解某种扩展,扩展就能保留专门的信息。否则,导入程序可能会忽略这些信息、将其转换为备注,或直接丢弃。因此,即使导出文件在语法上有效,也不一定能无损地表示原始数据库。
往返转换的保真度
往返转换是指导出数据、将其导入其他程序,然后再次导出。即使最终生成的所有文件都可读取,这一过程仍可能改变信息。
常见问题包括:
- 事件和属性的映射方式不同。
- 结构化引注被简化为纯文本。
- 姓名组成部分或地点层级发生变化。
- 不受支持的关系或自定义字段丢失。
- 外部文件路径导致媒体缺失。
- 记录标识符发生变化。
这些问题说明了语法兼容性与语义兼容性之间的区别。两个应用程序可能都能成功解析相同的行,却赋予它们不同的含义。
验证与历史准确性
结构验证可以检查允许使用的标签、必需元素、引用是否有效,以及日期语法是否符合要求等事项。但它无法确定两条姓名相近的记录是否描述同一个人,也无法确定某项假定的亲子关系是否正确。
GEDCOM 本身也不执行重复记录检测、证据分析或冲突解决。这些功能属于谱系软件和研究实践的范畴。文件有效性与谱系数据质量是两个不同的属性。
隐私与安全
GEDCOM 文件可能包含出生日期、地址、联系方式、私人备注及在世人物的详细信息。它们也可能暴露敏感的亲属关系,或并未参与创建文件的亲属的信息。
这种文本格式本身并不强制实施访问控制或加密。即使支持限制或隐私标记,也需要由接收软件解释并执行这些标记。同样,导出时排除在世人物或私密字段也是应用程序的功能,而不是 GEDCOM 自动具备的属性。
即使原网站或数据库的访问权限已经改变,文件仍可能继续被获取。因此,文件的数据隐私状况既取决于其内容,也取决于存储和分发它的系统。