漢字數量知多少
2014-07-02 20:34阅读：
【漢字正義】
漢字數量知多少
劉昌海
漢字產生以後，走过了一個四五千年的不間斷的發展演變歷程。在這個漫長的歷史過程中，歷朝歷代產生的新字不計其數。時至今日，漢字的數量究竟有多少？或說兩三萬，或說三四萬，或說四五萬，甚至有說七八萬的，竟然沒有人那怕能大致地說清楚。那麼，漢字的數量真的就沒有一個相對確定的量級嗎？
讓我們先來看看歷代字書（及韻書）的收字情況：
商（公元前1600～前1046年）：甲骨文：已發現單字4378個（《甲骨文字編》，臺灣中央研究院歷史語言研究所李宗焜，20
12
年）。其中已識2000餘字，公認1000餘字。
西周：《史籀篇》（周宣王期間，前827～前781）：共十五篇，字數不詳。估計在1500～3000字之間。
秦（公元前221年）：《倉頡篇》（李斯作）、《博學篇》（趙高作）、《爰歷篇》（胡毋敬作）：共計3300餘字。
漢：《訓纂編》（楊雄，公元前53～公元18年）：5340字（已佚）。
漢：《說文解字》（公元100年，許慎著）：9353字；加上重文（異體字），共10,516字。
晉：《字林》（公元514年，呂忱著）：12,824字（已佚）。
南朝·梁：《玉篇》（公元534年，著顧野王）：16,917字（後增補至22561字）。
宋：《廣韻》（1008年，陳彭年等編著）：26,194字。
宋：《集韻》（1039年，丁度等編著）：53,525字。
宋：《類篇》（1066年，司馬光等編著）：31,319字
明：《字彙》（1615年，梅膺祚等編著）：33,179字。
明：《正字通》（崇禎末年，張自烈著）：33,549字。
清·《康熙字典》（1716年，張玉書等編著）：47,043字；
1915年，《中華大字典》（歐陽博存主編）：48,000餘字。
1971年，《中文大辭典》（張其昀主編）：49,888餘字。
1993年，《漢語大字典》（徐中舒主編）：56,000餘字。
1994年，《中華字海》（冷玉龍主編）：85,000餘字。
2004年，臺灣網路版第5版《異體字字典》：106,230字（其中正字29892個，異體字76338個）。
可是，漢字的數量，真的有這麼多嗎？
其實，當我們明白了漢字造字的原理與方法，清楚了漢字發展演變的來龍去脈，對於漢字的數量的問題，就會有一個基本的判斷。
在《漢字的造字理念與原則》一文中我們談到：漢字的具體構字方法是“六書”（其中的“假借”與“轉注”，是後起的二法）。也就是說，真正的漢字，得符合“六書”才算數。一個人隨便寫一個“字”，其構造不符合“六書”的要求，使人無從解讀，那就不能算是一個真正的漢字。而歷史上，這樣的“字”很多，有些是俗字，有些是錯別字。所以，“有效漢字”的數量，其實是可以有定數的。
這裏所說的“有效漢字”，主體是指符合六書的通用漢字（很多字後世發生了訛變，變得不符合六書了），也包括後世歷代沿用下來的俗字。
下面，我們再來看看有關中國古籍的用字統計，看能不能找到確定漢字數量的線索。
中國古籍用字統計
書
名
|
成書年代
|
總用字量
|
不重複
用字量
|
《尚書》
|
先秦
|
24,538
|
1,941
|
《易經》
|
先秦
|
20,991
|
1,583
|
《詩經》
|
先秦
|
29,646
|
2,936
|
《周禮》
|
先秦
|
49,417
|
2,219
|
《儀禮》
|
先秦
|
56,758
|
1,522
|
《禮記》
|
先秦
|
98,081
|
3,016
|
《公羊傳》
|
先秦
|
44,338
|
1,645
|
《穀梁轉》
|
先秦
|
40,828
|
1,590
|
《左傳》
|
先秦
|
195,879
|
3,257
|
《論語》
|
先秦
|
15,918
|
1,382
|
《爾雅》
|
先秦
|
10,367
|
3,383
|
《孟子》
|
先秦
|
35,258
|
1,886
|
《荀子》
|
先秦
|
75,293
|
2,663
|
《管子》
|
先秦
|
126,286
|
2,882
|
《韓非子》
|
先秦
|
106,189
|
2,715
|
《老子》
|
先秦
|
5,437
|
824
|
《莊子》
|
先秦
|
65,231
|
2,924
|
《墨子》
|
先秦
|
76,240
|
2,511
|
《楚辭》
|
先秦
|
27,094
|
3,137
|
《呂氏春秋》
|
先秦
|
100,477
|
3,013
|
《國語》
|
先秦
|
70,389
|
2,620
|
《山海經》
|
先秦
|
31,030
|
1,999
|
《淮南子》
|
西漢
|
133,827
|
4,208
|
《戰國策》
|
西漢
|
122,529
|
2,774
|
《說苑》
|
西漢
|
112,254
|
3,271
|
《全唐詩》張籍卷
|
唐代
|
25,502
|
2,465
|
《全唐詩》白居易卷
|
唐代
|
189,154
|
4,750
|
杜甫詩
|
唐代
|
未詳
|
3,562
|
由上表可以看出，我國歷代各類著作所用不重複字數很少有超過4000的，大多介於2000～4000之間，說明我國歷代社會常用字有一個恒量，即3000字左右。我國古代童蒙識字教材同時並用時的總字數，恰在3000～4000上下，說明當時圍繞漢字教育所進行的字頻研究和常用字研究，已經達到了很高的水準。
有人曾統計過，十三經（《易》《書》《詩》《周禮》《儀禮》《禮記》《春秋左傳》《春秋公羊傳》《春秋穀梁傳》《論語》《孝經》《爾雅》《孟子》）中不相同的單字數為6544字。因此，實際上古人日常使用的漢字數不過六七千上下而已。
下面，我們再來分析分析大陸有關單位所作的漢字使用頻度統計資料。
現代語料字頻統計（清華大學）：
統計字數：6,763（GB2313-80字元集）。
使用語料總字數：86,405,823字。
古籍字頻統計（北京書同文數字化技術有限公司所，2004年）：
語料來源：
《四庫全書》用字：總字數：698,076,596字：不重複單字：29,081字。
《四部叢刊》用字：總字數：
90,616,538字；不重複單字：27,606字。
二者合併：
總字數：788,693,134字，不重複單字：30,135字。
漢字使用頻度統計
現代語料字頻
|
古籍字頻
|
字
數
（累加）
|
覆蓋率（﹪）
（累加）
|
字
數
（累加）
|
覆蓋率（﹪）
（累加）
|
500
|
78.532
|
500
|
67.19
|
1000
|
91.915
|
1000
|
80.96
|
1500
|
96.476
|
|
|
2000
|
98.388
|
2000
|
91.65
|
2500
|
99.244
|
|
|
3000
|
99.633
|
3000
|
95.66
|
3500
|
99.820
|
|
|
4000
|
99.916
|
4000
|
97.55
|
4500
|
99.965
|
|
|
5000
|
99.986
|
5000
|
98.55
|
5500
|
99.996
|
|
|
6000
|
99.999
|
6000
|
99.10
|
|
|
7000
|
99.43
|
|
|
8000
|
99.62
|
|
|
10000
|
99.81
|
|
|
13000
|
99.91
|
|
|
22000
|
99.99
|
由現代語料字頻統計結果可看出：
前1,000個常用字，對語料的覆蓋率達到91.9%以上；
前2,500個常用字，對語料的覆蓋率達到99.2%以上；
前3,500個常用字，對語料的覆蓋率達到99.8%以上；
前4,500個常用字，對語料的覆蓋率達到99.9%以上；
以後字數再增加，語料覆蓋率的增加就很少了。
這與我國古時歷代社會常用字的數量基本一致。
而對古籍字頻的統計，雖然統計字數擴大了將近5倍，達到3萬多字，但字頻與現代漢語相比，差別並不很大：
前1,000個常用字，覆蓋率達到80.9%以上；
前2,000個常用字，覆蓋率達到91.6%以上；
前4,000個常用字，覆蓋率達到97.5%以上；
前6,000字，覆蓋率達到99.1%以上；
前8,000字，覆蓋率達到99.6%以上；
前13,000字，覆蓋率達到99.9%以上；
以後字數再增加，語料覆蓋率的增加就很少了。
如果拋除古籍中大量的異體字、俗字，則古今語料漢字的使用頻度基本一致。
1988年，大陸發布的收錄3500字的《現代漢語常用字表》（常用字2500個、次常用字1000個）、以及收錄7000的《現代漢語通用字表》（含《現代漢語常用字表》中的3500字），就是依據與上述漢字字頻統計相關的資料制定的。
2013年，大陸又發布了《通用規範漢字表》，將收字數量提高到8105（其中一級字仍為3500）。
香港城市大學研究中心的Benjamin K.
Tsou教授關於漢字信息熵的研究表明：隨著漢字容量增大到一定數量級，信息熵的增加趨緩；當漢字增加到12,370個以後，不再使信息熵有明顯的增加。據此，有關專家認為：漢字的容量極限為12,366個。
所謂信息熵，是指信息中排除了冗餘後的平均信息量。信息熵越高，意味著能傳輸的信息越多；信息熵越低，意味著能傳輸的信息越少。
▲由以上介紹可知，有效漢字的數量，也就在13,000個左右。
對於通常的出版印刷、信息處理、姓氏人名、地名、科技術語等方面的用字需要，8000通用漢字基本上都能滿足。
對於專業人員而言，掌握4000～4500個漢字足矣；
而對於普通人士，掌握2500～3500個漢字，則基本上就能滿足正常的工作與閱讀需要。
所以，2007年（民國民國九十六年）臺灣《國語小字典》第二版，收字4,305個。
1997年（民國民國八十六年）臺灣教育部的《重編國語辭典修訂本》，收字11,930個；另有異體字1,848個，共計13,778字。
2011年大陸第十一版《新華字典》，收字11,200餘個。
所以，那些所謂的漢字的數量有幾萬個，甚至是上十萬個的說法，是不能成立的。因為，那其中的絕大部分，或是異體字，或是俗字，或是錯別字，還有大量的死字（歷史上曾經出現過而後世廢置不用的字）。
（2014-07-02；刘冰清编辑）
