汉字系统工程的计量研究                    

              --- 汉字现代化的探讨与拟案 ---

 绪 论                                       

    1.0  序言

      1.1  汉字何以要现代化            1.2  汉字的发展及字形演变

      1.3  本研究的取样范围            1.4  研究的近、远桯目标的与基本方式

    2.0  研究的结果(初步)摘要

      2.1  首尾检字法、部首与字义相关度      2.2  形声字音转、声兼义初探

      2.3  汉字结构分析、字符统计         2.4  字符输入法、汉字字符化

2.5  繁简杂论                  2.6  本文结语

1.0   序言

1.1   汉字何以要现代化

    汉字演进的趋势，自图绘经甲金文、篆文、隶书到楷书，字体逐渐蜕变，字形大体趋向简易。但与拼音文字比较，汉字字元(部件)多，字元间的结合方式复杂；无论是字典检字，或编码作计算机输入，均不如西文方便。另一方面国家虽已制定了标准字体，实际应用时仍有不少异体字在流行，这也增加了汉字学习的负担。

    笔者多年来研究汉字的结构及形码输入法的结果，认为汉字必须现代化，方可配合目前国家现代化的需求。所谓现代化应有如下的含义:

  标准化：汉字的基本单位(字元)，应该标准化；由字元构成的通用字 (包括常用字及部分次常用字)，也应该标准化；相关的异体字应加以整理;并从其中选出一个合乎现代化的标准字形。

  科学化：科学化的定义便是高效率；文字是观念的符号，花同一功夫能收到的效果大，便合乎科学。举例来说，古人表达鼓声，便创造出"鼕"字，为表达锣声，便发明"镗"字。今人则用咚、当来表达任何发声器发出的相似声音。咚、当二字自较 鼕镗二字有较大的效用。又如古人对于马的称呼，常因毛色差异而有不同的名称： 骍/赤黄，骓/苍白杂色，骐/青黑，骢/青白夹杂，骊/纯黑，驖/赤黑。在现代人看来，这是不必要的，因此这些字也大部分被淘汰了。

  信息化：目前汉字的计算机输入虽有多种方式，但都未臻完美，用拼音法同码太多；采用数字取字形的边角，总觉得把汉字弄得支离破碎；使用字形分解法编码，也因汉字的复杂结构，需花很多时间学习并记忆。笔者多年来研究汉字计算机输入，并曾发明 <汉字字元输入法>，也觉得有欠理想。归根结底，这是汉字的基本结构问题。如何改进汉字的基本结构，使它更适合信息化的要求，是汉字现代化的重要课题之一。

  实用化：书法是一种艺术，字形可以有较多的变化；实用的文字则必须有统一的字形结构，而且要"楷"化。(当然字形的匀称也是一种美，在制字时须加考虑)。另一个更实际的问题是：我们需要一个比目前更方便的检字方式。因此如何设定部首，使汉字归部有个统一的标准，也是汉字现代化的研究重点。

1.2   汉字的发展及字形演变

1.2.1   六书与文字的演进

    英人 Eword Cidd 将各国文字演进分为四个时期 :

    如果把汉字六书的发展与上述世界性的文字演进时期配合，则可得如下简图 :

             象形  --->  (指事) --->会意 --->  (假借)/(转注) --->形声

         图绘:具象的表义        标义:抽象的表义             标音:声与义的结合

    由上述文字演进的图解可知，指事介于象形与会意之间，可认为简易的推理，即会意。假借是一音(字)数用，但假借久了便加上形符，以示区别；那加上形符的字便成为形声字。例如"采"从爪从木原意摘取，以后假借表色采，再后为着区别，乃各加形符而成"採、彩"二形声字。转注实际上是"意义相通的字"的相互注解。因此有些文字学家主张将六书简化为三书，以解释汉字的演进。这样汉字与世界其它文字一样，也经历了上述典型的四个时期的发展。

    依统计，形声字约占汉字85% 以上，可知汉字已进入文字发展的最末阶段，但是形声字因古今变读的关系，大部分已失却标音的功能。又因汉字同音多，使它转化为纯拼音文字并非容易。因此汉字现代化应在传统及现行的基础上进行。换言之，大部分 (约80%) 汉字应保持不变，其它则逐渐予以合理化，也就是古人所说的以"八分" 保留的方式逐步改进。

1.2.2   汉字字形的演变大要

        甲骨文 --> 大篆 --> 小篆 --> 隶书 --> 楷书

    甲骨文--汉字已有约 6,000 年的历史，可由近年发现的陶器和墓葬的甲骨文字(如1973年在西安半坡出土的陶片)推知。甲骨文为殷代古字，可用于补正后来说文的缺误。

    大篆--古文为春秋战国时的东方文字；大篆则为当时的西方(秦国)文字。例如李斯的 <仓颉篇>，其字数约 3300 个；杨雄、班固的 <仓颉续篇>，其字数则增至约 6,000 字。仓颉三篇内谈的都是日常事物，当时是用来教学儿童的。

    小篆--「说文」用的字体便是小篆，共有 9,353字。其来源有的出于孔子壁中书，春秋左传的古文；有的出于史籀篇的大篆；也有的出于汉代的字书。

    隶书--最早在石上刻字的「石鼓文」近似大篆；汉以后刻石的字体多为隶书。相传隶书的制作人是程邈。

    楷书--汉章帝时王次仲作楷书，楷书也叫做真书。棣楷之变是在毛笔发明之后才发生的。书写工具的演进显然对字体的改变起了关键性的作用。

1.2.3   前人简化汉字的方法

    在汉字演进的过程中，形符的简化，具体图象的抽象化，表示一种进步。例如帆原从风舟，表示帆因风而推舟，这是具体的描述；其后创制形声字帆，以巾表材料，以凡表声。又如'龜'表甲壳上的细纹，算是工笔画；'龟'则绘出它的轮廓，是写意画，而后者较前者容易学习。

    文字由具体而抽象的例子不胜枚举：龢 -> 和，龤 -> 谐 …。以乐器"龠"为部首的字，已逐渐被较简单的形符"口、言"所取代，这是简化，也是进步。以 鼕、鼚、鼞 表达不同的鼓声，是很具象但也是很笨的方法，今用咚当等从口的字来表示任何类似的声音，这就提高了文字的效能。

    归纳前人化简的方法，约有如下数端 :

1.3  本研究的取样范围                                                       

本研究的取样范围包括海峡两岸通用字共 7,380 个。其中包括 1986台湾公布的常用字 5,401，次常用字 1,716个(简称台规)；以及 1988大陆公布的 <现代汉语通用字表> 7,000个(简称陆规)。以繁简并列的方式，共得 7378 个。新编部首检字的研究，其取样范围，则扩及包括海峡两岸已公布的，全部标准常用字及次常用字(约20,000字)。在样本 7,378字中有267字为"简一繁多"的情况，也就是一个简化字相当于二个以上的繁体字，例如: 杯/杯盃、板/板闆、蒙/蒙濛矇、 台/台臺檯颱。 

所谓 "常用字" 的取舍，两岸各有一套衡量的标准 ，陆规 7,000 个通用字中，有 261 个不在台规 13,051 标准字内。另有 111 个台规的常用字，不在陆规7,000 通用字内。

本样本实际取样的汉字，其分布如下表所示:

   由上表归纳，本样本 7,378字，包括了大陆规范的常用字 3,500，次常用字 3,500；及台湾规范的常用字5,401，及次常用字 1716字，就一般通用字言，可算是具有相当代表性了。

   依现代汉语频率词典的统计，在语料 180万字中，共收词条 31,159个，用了 4,574字，其中一级常用字 3,755 个已含盖 99.9% 的词条，词与字之比为 5.8。1987大陆语委会就 3,500 常用字，以 200万语料作抽样检验，其覆盖率达 99.48%。

     2002年由北京资讯工程学院陈一凡、朱亮，从5千余万字当代语料中，对GB13000.1字符集20,902字和88,102条词语进行了流通频度统计。其结果总共用到的汉字为7,330个，GB 13000.1字符集2万多字中有13,572个未出现。因此，就通用字来说，本研究的取样，应是充分的。

   由于汉语音节只有 417 个，同音字多，复音词势必增加，才不致使语意混洧不清。又随着社会的进化，新事物不断产生，复音词也不断的创造。但绝大部分的新词，也可用现成的单字(词素)组成。汉字现代化的研究主题是"字"，"词"不在本研究范围之内。

1.4    研究的近、远桯目标的与基本方法

1.4.1  本研究的近、远程目标有如下四项 :

 1. 近程目标 --

  a.  创立新的检字准则，简化部首的数量，建议从汉字的首尾字元中选定部首，以利汉字的检索。

  b.  分析汉字结构，确定字形切分法则，从而拟定标准的字元(部件)及字码，以改善计算机的形码输入法。

  c.  研究形声字的声韵转换，从统计资料中，寻找若干声变法则; 建议提升形声字功能的方法。

 2. 远桯目标 --

  a.  拟定汉字笔画、字符及字形结构标准化的规律，从而拟定通用字标准的宇元(部件)、形符(部首)及声符(声旁)，以便记忆，而利学习。

  b.  从现行的繁、简体中，选用或改进成为一套标准字体，以能发挥汉字的特色，及其固有功能为主。也就是说把通用字分为两大类: 其一是形意字，包括象形或会意，可用浅显的语言说出制字的道理，(不一定要依据字源说)。其二是形声字，包含一个容易辨认的部首，一个与读音接近的声符。

    当然这些目标绝不是笔者个人力量所能完全达成的，笔者只是在此提供一些拟案，一种愿望而已。尚请有志之士，共同努力，并多加批评指教。

1.4.2   研究的基本方法

    研究的基本方式有二 : 统计的 (Statistical)，宏观的 (Macroscopic)。

 1. 统计的：因为文字是约定俗成的，必须依据现有的文字数据，不厌其烦的，加以分析统计，从统计中获得若干规则及结论。例如形声字声符的音转，汉字字形结构的分类，部首的省拼…都需要把全部通用字，一一加以分析 、统计与研究。

 2. 宏观的：研究的目的既然是使汉字标准化，科学化，实用化，以达到易学易用的目标，就必须在传统的基础上创新。要有回顾历史及展望未来的眼光，所有研究的拟案，都要使用统一的准则、规范，并适用于繁体及简化字。

 3. 计算机程序：研究的结论，主要来自样本通用字 7378 的分析与统计。因所处理的数据庞大，常须籍助若干软件程序计算。以下是使用的主要程式:

  pm1:韵母转韵  pm2: 声母转声   pm3: 繁简差异   pm4：声符定性  pm5: 声符分韵: pm7:声母分档

  pm16：部首    pm19：笔画计算  pm22：结构分析  pm23：同音字   pm31求部件    pm38:部件编码 

2.0  研究结果(初步)摘要

2.1  首尾检字法、部首与字义相关度(详第一篇)

    汉字部首可定位在字头或字尾二个位置：先行书写的字元，谓之字头; 最后书写的字元，谓之字尾。比较首尾字元结构的权重，以定部首的方法，即所谓 "汉字首尾部首检字法"。由此确定了部首的位置:不是字头，便是字尾，(这是定性); 设定的汉字部首，自传统的 214 部，浓缩为 175部，(这是定量)。再拟定一套逻辑程序，选择部首检字。大部分汉字可凭直觉观察字形，比较字头与字尾的权重后，即可检得。所选出的部首，大都代表该字的意符，与一般辞书的编部相差很少，本检字法可行性高。

    笔者又把 175 部首，依其通义分为八大类：如天文、地象、禽兽、植物…，再把单字的字义，逐一与部首之通义对照，统计其相关度。结果发现在 7294字中，字义有些相关的，高达 6243字，平均相关度达 86%

2.2    形声字音转、声兼义初探(详第二篇)

由样本 7378 通用字中,得出形声字 6405个;若不计及四声(阴平、阳平、上声、去声)，及四呼(开口、齐齿、合口、撮口)的变化，声符与其本字读音，经综合统计比较如次表：

由上表可知声符与其本字读音，保持一致者约占58%。韵母相同者约 83%，声母相同者为 64%，声变较韵变为大；声符表音的功能仅约 53%(0.83x0.64)。若计及声调及介音的差异,则远低于此数。

声韵全同、韵同声近者，约占字数的 71%，保持着形声字若干的表音功能，是较理想的汉字形态。

文中统计了个别声母及韵母音转的频率，并提出若干解说。依据音变的统计，参以汉语语音史的探索，及某些方言的考察，当可获得一些汉字声韵转换的规律。此外，笔者对「声兼义」问题，也作了概括性的初探，其目的在了解少数汉字字义与语音之间的关联，提升学习兴趣，因为汉字有些理据可解的，总比全无可解的好。

2.3    汉字结构分析、繁简体结构的差异(详第三篇)

    通用字结构可概分为:独体型(O)、左右型(A类)、上下型(B类)、包围型(C类)、复迭型(D类)五类。除独体型外，每类各有若干构式。7378字繁简体构式的比较如次表：

    由上表可知，简化字的复迭型结构只占 6%。而繁体的复迭型结构则增为 11%，可知简化字对于精简汉字的字型结构有相当的助益。

2.4  通用字部件拟案、形码输入、汉字字元化(详第四篇)    

本篇「通用字部件规范拟案」中所 设定的 322个字元(部件)，乃从 7378通用字(含繁简体)，经字型结构分析 并统计后而得的结果，可用于「形码输入法」的码元。

    字元输入法设定码元 322 个(198组)，适用于繁简体，具有相同的输入法则，所不同的是设计的部分码元，因繁简字形不同而略有差异，繁简体各有专用码元数个。字元输入法的主要规则为：

 1. 依汉字的自然笔序取首、次、三及末码。

   2. 相交相夹的字符，取码时以字元起笔的先后为序。

   3. 被囗(W)或冂(M)所包围的字元可省略，但整字不及4码者，应补足 4码。

本篇中「汉字字元化」一章，乃讨论汉字字形统一、优化，及字元合理化等问题。就两岸目前通行的规范字 7378 个言，前述拟定的字元(部件)，应可概括所有的通用字。

2.5    繁简杂论(详第五篇)

2.51   繁简体的统合问题

  目前台海两岸各自颁布了通用字规范，本篇主要在讨论两岸规范的统合问题。首先要分析的，是繁简体的差异，究竟有多大? 依样本 7378 字之统计 –

由上表可知繁简体字形完全相同的，占了 64%; 若再加上笔画略有差异的第 1项，与只部首不同的第 2项，则繁简体字形相同，及相差不多的比例高达 79% 。繁简体的差距，实不如一般人所想象的那么大。

    两岸规范字的统合，是个攸关汉字发展前途的重要的文字工程，须专家学者，共同研究实施。统合的规范，是订定一个字体标准，并非繁简体并行的两个标准。笔者对此问题提出的一些看法，只供参考而已。

2.52   简化字的缺失及优化、汉字的再改革

    评估简化字，应把简化字当作独立的字系，从整个通用规范字的系统，加以考察;不宜逐字与繁体作比较。因大部分的简化字，约定俗成，并非有系统的创造出来的。

规范的简体字优化之后，再以繁简体的常用字为准，作一次总检讨，并寻求汉字合理化的途径。其范围约可包括： a.) 字形的统一， b) 部首的划一， c)形符、声符的简化，以及 d) 重文的整理等。

2.6   本文结语

汉字可概分为形声字及形意字(非形声)二大类。理想的形声字约有 1,200标准声符(声旁)，容许声符在某个范围内的音变，声旁若不能表示汉字的正确读音，也宜有近似的音值，以发挥汉字先天具有的形声功能。

简化字中约定俗成的符号字，可以它相应的繁体字为声系。这类字只约一百多个，不妨繁、简并学。形意字大都源于象形及会意，它的本义可以作简单的解释。每个汉字，都可在它的字头或字尾，找出部首，部首大都代表汉字的意符。部首定性与定量的规范化，可提高汉字的排检效率。汉字还必须字元(字母)化，以标准的字元按标准的笔序组字，使二维的文字成爲一维排列，形成标准的形码输法。

    合理化的汉字应具有: 标准的字元(部件)、意符、声符，以及规范的笔序与检索方式。每个形声字(含符号字)都有声系可归，每个形意字都有可解说的本义。

    寻求通用汉字的合理化与系统化，增进汉字在教学上与传讯上的效率，这便是汉字现代化的目标。也是基于这个愿望，笔者不自量力的，作了这一系列的试探性的计量研究。