參觀了新華社的內容資料庫之後，我們可以發現 XML 應用在多功能內容資料庫(Multi-purpose)在中文的新聞媒體領域中，其實已經有了相當的進展。

本文開始

新華社在北京的市中心，其南門面對宣武們西大街，117米高的大樓在市中心顯得特別突兀，聽說這一區不許有這麼高的大樓，在24層可以俯瞰天安門和中南海，北京市中心的景緻進入眼底。原來是萬里在代理總理期間，因應新華社特殊的通訊需要，特許的建築高度。

在這獨特的建築中，有三萬員工為這個與路透社和法新社齊名的通訊社工作，收集來自世界各地的新聞材料，同時也生產總發行量為1,800萬份的29種刊物，每天接收各式各樣的信息，處理不同的資料格式，包括文字、照片、圖形和音頻、視頻的資料，如果利用傳統的方式，就得有一個分稿單位，將分稿員自以為編輯需要的資料，分給不同刊物的編輯。編輯無法接觸到所有的信息，只能被動的從部份的資料中，作自己的刊物。


新華社在2003年宣佈了他們定義的「XinhuaML」，應該是取材自XML(eXtensible Markup Langauage)或是國際報業標準的NewsML，建立的一個管理自己多媒體內容資料庫的格式，當然是針對中文新聞的特性。沒有意外的，我們看到了一個以XML架構的多功能內容資料庫，從記者採訪的材料從世界各地傳入所謂的「數據庫」，在數據庫的文件在50秒鐘以內就可以經過自動的程序發佈在內部網站上，所有刊物的編輯和主管都能看到這一材料。

也就是說，所有的編輯不經過分稿的程序，就能自行到數據庫內，在所有來自世界各地的材料中尋找自己有用的資料，如果體育版的編輯選中了其中一篇材料，修改其中內容文字，也得幫忙定義數據庫必要的分類標示(Tag)，存回數據庫後，所有的使用者都會發現這一篇文章，已經被一位編輯採用了。


如果影劇版的編輯也中意同一篇材料，也能作相同的事，數據庫的使用次數欄位就多了一個號碼，所以編輯必須儘早甚至隨時到數據庫尋找需要的材料，以免好的題材已經被許多人採用，你就編不出好的刊物，對編輯工作也有了無形的壓力。

這個數據庫已經放進了200億個漢字，20萬張的圖片(有Jpg的影像檔和cdr的圖形檔)，還有500多小時的多媒體材料。許多舊有的材料經過掃描、OCR(光學文字辨識系統)加上大量的人力，才將數十年來累積的內容遺產放進數據庫。因為是XML標示語言的數據庫，如此龐大的倉庫，即使存放了幾十年的新舊資料，透過各種XML分類標示，不管是文字、圖片還是音視頻都能找到。這些資料經過編輯，可以在29種不同的刊物中出現，不只是平面媒體而已，還有像網頁(HTML格式)、供給各地新聞媒體的新聞材料(有text和XML的格式)，也有提供電信公司手機短訊的新聞，電視和廣播媒體也接收新華社的新聞。相同的材料在不同的媒體出現，都能使用同一套XinhuaML的內容數據庫，這正是IT產業和學界定義XML時想要達到的目標。

沒有想到在新華社中看到了這樣先進的內容資料庫，試問了一下，架構這套系統是採用哪一家IT公司的技術？
新華社通信技術局系統部副主任武國衛先生說﹕「新華社技術局有400多名工程師呢﹗」

看看台灣各大媒體的資料庫，都還是以出版刊物的生產流程為主，例如報社的編採資料庫主要是服務報紙的印刷生產為主，報紙印好了才考慮如何利用剛剛收集的材料，甚至報社的網站都得經過在另一次編輯的工作，大多還無法發揮多功能(multi-purpose)的目的。

如果新華社能公開他們定義的新聞數據庫的XinhuaML，台灣許多媒體倒可以省掉許多財力物力，就用這一套已經證明管用的XML，增減一些標示欄位就能來管理自己的內容資產。
如果你有政治妄想症，也可以自己投資幾十個工程師，花個幾年的時間，看看能不能定義一套自己的NewsML。