古籍電子化正在改變中國(guó)文史哲古代研究的局面，這一點(diǎn)已經(jīng)越來(lái)越清楚了。這里僅就自己在使用有關(guān)成果時(shí)的一些想法草成此文，由于長(zhǎng)期從事漢語(yǔ)史的研究，所以不免于偏向語(yǔ)言學(xué)，這可能是一些片面之詞，不揣冒昧寫(xiě)出來(lái)以就正于廣大古籍電子化的專家學(xué)者。

一

　　漢字隨著時(shí)代的發(fā)展有越來(lái)越多的趨勢(shì)，筆者在《漢語(yǔ)新論》中曾經(jīng)指出：“據(jù)說(shuō)，最早的字書(shū)是《史籀篇》，可惜已經(jīng)亡佚了。小篆李斯有《倉(cāng)頡篇》、趙高有《爰?xì)v篇》、胡毋敬有《博學(xué)篇》，是當(dāng)時(shí)的字形規(guī)范及識(shí)字課本，可惜都已亡佚了，據(jù)《漢書(shū)·藝文志》記載，漢人所增訂的《倉(cāng)頡篇》“斷六十字為一章，凡五十五章”，共有小篆3300字。許慎統(tǒng)計(jì)自《倉(cāng)頡》到《訓(xùn)纂》等14種字書(shū)，共收字5340字。現(xiàn)存的有關(guān)小篆的字書(shū)是《說(shuō)文解字》，有9353個(gè)字（不計(jì)重文，如計(jì)重文1163，則有10516個(gè)字）。反映漢代一般用字的有西漢元帝時(shí)的《急就篇》，流傳至今的不同本子字?jǐn)?shù)各異，如34章本就有2144個(gè)字，不過(guò)其末尾的128字為后人所加。也就是說(shuō)，當(dāng)時(shí)的最常用字不過(guò)兩千字左右，常用字則為三千字左右。”“中國(guó)學(xué)者按數(shù)理語(yǔ)言學(xué)的齊普夫定律計(jì)算過(guò)漢字容量應(yīng)該是12366個(gè)。但是實(shí)際上漢字的總數(shù)自秦以后是不斷增加的。三國(guó)魏張揖的《廣雅》收字18154個(gè)，晉呂忱的《字林》收12824個(gè)，梁顧野王的《玉篇》收16817個(gè)，隋陸法言的《切韻》收12158個(gè)，宋陳彭年的《廣韻》收26194個(gè)，而丁度的《集韻》收字53525個(gè)，為以前工具書(shū)之最（《康熙字典》收字47073個(gè)，《中華大字典》收字48000多個(gè)，都不及《集韻》，但是《集韻》往往一個(gè)字收了許多的異體字，有的七八個(gè)，有的甚至超過(guò)十個(gè)）。《漢語(yǔ)大字典》收字54678個(gè)，還有一本《中華字海》，據(jù)說(shuō)收字超過(guò)8.5萬(wàn)。當(dāng)然這里絕大多數(shù)是極其罕用的字（有的其實(shí)只是個(gè)別人、特殊的社會(huì)集團(tuán)所寫(xiě)的‘錯(cuò)字’或‘異體字’，有的則是早已‘死亡’的字）。實(shí)際運(yùn)用的只是其中的一小部份，比如傳統(tǒng)的十三經(jīng)，只使用了6544個(gè)漢字，《紅樓夢(mèng)》則僅使用了4462個(gè)漢字。據(jù)新華社技術(shù)研究所的統(tǒng)計(jì)，1986年全年90627篇稿件中，使用了6001個(gè)漢字。看來(lái)，在任何一個(gè)共時(shí)階段，一般用字都不會(huì)超過(guò)7000的（這也是國(guó)家語(yǔ)委等單位所頒布的《現(xiàn)代漢語(yǔ)通用字表》的字?jǐn)?shù)）。當(dāng)然，從歷史的積淀來(lái)研究，我們就必須考慮到古今字、異體字、繁簡(jiǎn)字、正俗字等等問(wèn)題并由此出發(fā)進(jìn)行論證。”計(jì)算機(jī)漢字庫(kù)的不斷變更也說(shuō)明了中文信息處理的進(jìn)步。而有關(guān)字頻研究的成果也證明了本文前述說(shuō)法。

　　現(xiàn)代漢語(yǔ)字頻詞頻的研究成果很多，而古代漢語(yǔ)則相對(duì)較少。《國(guó)學(xué)寶典》據(jù)約十億字的語(yǔ)料推出了前5000字的漢字使用次數(shù)資料，書(shū)同文公司則據(jù)《四庫(kù)全書(shū)》和《四部叢刊》約八億字的語(yǔ)料出版了《古籍漢字字頻統(tǒng)計(jì)》一書(shū)，書(shū)中對(duì)30136個(gè)漢字的使用次數(shù)、使用頻率等進(jìn)行了統(tǒng)計(jì)。筆者在自己的科研項(xiàng)目中也對(duì)十三經(jīng)的6536個(gè)漢字使用情況做過(guò)統(tǒng)計(jì)，現(xiàn)將其中的前50詞使用情況列在下面（《國(guó)學(xué)寶典》僅以前5000字的出現(xiàn)次數(shù)為總數(shù)）。

國(guó)學(xué)寶典前50字字頻

書(shū)同文前50字字頻

十三經(jīng)前50詞語(yǔ)頻率表

　　《國(guó)學(xué)寶典》前50字的覆蓋率是23.95156%，書(shū)同文公司的是25.8201%，而十三經(jīng)的則是37.70571083%。估計(jì)是因?yàn)槭?jīng)都是上古語(yǔ)料，且使用字?jǐn)?shù)較少，而《國(guó)學(xué)寶典》與書(shū)同文公司的語(yǔ)料則時(shí)代跨度相對(duì)較大，用字更多。所以覆蓋率相對(duì)較小。

　　前50字對(duì)比如下：

　　《寶典》有而《十三經(jīng)》沒(méi)有的漢字是（漢字后面的數(shù)字是該字在《十三經(jīng)》中的序數(shù)）：中68、所58、此109、年66、得116、道106、書(shū)150、日78、生157、自62、來(lái)87、時(shí)152、文140、至81、在61、行60、見(jiàn)113、云408（另有雲(yún)1390，合計(jì)其序數(shù)當(dāng)在352或353）、知108、四56。

　　《寶典》有而《十三經(jīng)》與書(shū)同文都沒(méi)有的漢字是：道106、生157、來(lái)87、見(jiàn)113、云408（353）、知108。

　　書(shū)同文有而《十三經(jīng)》沒(méi)有的是：所58、中68、丨、年66、此109、書(shū)150、自62、在61、至81、五70、日78、山244、四56、文140、又178、得116、時(shí)152、行60。

　　書(shū)同文有而《十三經(jīng)》與《寶典》都沒(méi)有的漢字是：丨、五70、山244、又178。

　　我們看到，其實(shí)三處差別不算太大，其他則基本只差幾位或幾十位，只有幾個(gè)字相差才有一百多位（相差最大的是云字，相差了287位）。這說(shuō)明幾千年所使用的文言文其常用字還是比較穩(wěn)定的，與先秦變化不大（另外書(shū)同文公司所統(tǒng)計(jì)的字符“丨”其他兩處均未見(jiàn)不知何故。）。

　　從發(fā)展來(lái)講，我們希望能按照語(yǔ)料的不同時(shí)代以及其性質(zhì)進(jìn)行統(tǒng)計(jì)，比如按照上古、中古、近古，或者更詳細(xì)一點(diǎn)來(lái)劃分，如先秦、兩漢、魏晉南北朝、隋唐、宋、元明清。而且要分清是文言文還是古白話或者近代漢語(yǔ)（如一些翻譯的佛經(jīng)、 和尚以及道學(xué)家的語(yǔ)錄、一些筆記小說(shuō)以及話本、戲曲等等）。當(dāng)然，即使是文言文也有不同的文體，而且還有駢文、賦、詩(shī)詞。詩(shī)也要分古體、近體等等。只有這樣我們的字頻統(tǒng)計(jì)才會(huì)更有意義。

　　如果我們要做一個(gè)古今對(duì)比，也很有意思。下面是現(xiàn)代漢語(yǔ)使用頻率前50字的表：

　　如果我們以更多的漢字來(lái)進(jìn)行比較，就可以發(fā)現(xiàn)同西方傳統(tǒng)的語(yǔ)言年代學(xué)不同的結(jié)論。

二

　　關(guān)于漢語(yǔ)有沒(méi)有“詞”以及如何劃分語(yǔ)素、詞、短語(yǔ)，這是一個(gè)爭(zhēng)論問(wèn)題。，我們不想在此進(jìn)行闡釋。我們主張以單字、駢字、三字串、四字格來(lái)進(jìn)行劃分統(tǒng)計(jì)。所謂駢字，就是經(jīng)常出現(xiàn)在一起的兩個(gè)字，清代的《駢字類編》就是很有名的工具書(shū)。只要是經(jīng)常連用就沒(méi)有必要去區(qū)分詞還是短語(yǔ)。同樣三字串就是經(jīng)常在一起連用的三個(gè)漢字的字符串，四字格則是成語(yǔ)、俗語(yǔ)、慣用語(yǔ)最常見(jiàn)的格式。這需要我們建立相應(yīng)的字符串庫(kù)以便統(tǒng)計(jì)。

　　對(duì)于駢字，2011年初，網(wǎng)友yixuan統(tǒng)計(jì)了《全宋詞》中的高頻詞語(yǔ)，并在自己的博客上列出了一個(gè)特別的排行榜：

　　1　 空　1485　　　 2　 東風(fēng)　1382　　 3　 何處　1230　　 4　 人間　1202　　 5　 風(fēng)流　857
　　6　 歸去　812　　　7　 春風(fēng)　802　　　8　 西風(fēng)　779　　　9　 歸來(lái)　771　　　10　 江南　765
　　11　相思　753　　　12　梅花　732　　　13　千里　676　　　14　回首　656　　　15　 明月　651　　
　　16　多少　648　　　17　如今　642　　　18　闌干　630　　　19　年年　613　　　20　 萬(wàn)里　590　　
　　21　一笑　582　　　22　黃昏　550　　　23　當(dāng)年　542　　　24　天涯　537　　　25　 相逢　528 310　
　　26　芳草　527　　　27　尊前　516　　　28　一枝　512　　　29　風(fēng)雨　505　　　30　 流水　472　
　　31　依舊　472　　　32　風(fēng)吹　471　　　33　風(fēng)月　461　　　34　多情　457　　　35　 故人　451　
　　36　當(dāng)時(shí)　450　　　37　無(wú)人　445　　　38　斜陽(yáng)　438　　　39　不知　430　　　40　 不見(jiàn)　429　
　　41　深處　422　　　42　時(shí)節(jié)　403　　　43　平生　398　　　44　凄涼　398　　　45　 春色　394　
　　46　匆匆　383　　　47　功名　383　　　48　一點(diǎn)　378　　　49　無(wú)限　377　　　50　 今日　369　
　　51　天上　368　　　52　楊柳　362　　　53　西湖　356　　　54　桃花　354　　　55　 扁舟　353　
　　56　消息　351　　　57　憔悴　344　　　58　何事　339　　　59　芙蓉　338　　　60　 神仙　334　　
　　61　一片　334　　　62　桃李　333　　　63　人生　332　　　64　十分　331　　　65　 心事　329　　　　
　　66　黃花　328　　　67　一聲　325　　　68　佳人　324　　　69　長(zhǎng)安　321　　　70　 東君　319　　　　
　　71　斷腸　316　　　72　而今　315　　　73　鴛鴦　314　　　74　為誰(shuí)　313　　　75　 十年　　　　
　　76　去年　309　　　77　少年　308　　　78　海棠　307　　　79　寂寞　306　　　80　 無(wú)情　306　　　　
　　81　不是　305　　　82　時(shí)候　304　　　83　腸斷　303　　　84　富貴　303　　　85　 蓬萊　303　　　
　　86　昨夜　303　　　87　行人　302　　　88　今夜　301　　　89　誰(shuí)知　300　　　90　 不似　299　　　　
　　91　江上　298　　　92　悠悠　296　　　93　幾度　295　　　94　青山　295　　　95　 何時(shí)　294　　　　
　　96　天氣　293　　　97　惟有　293　　　98　一曲　291　　　99　月明　291　　　100　往事　290

　　于是一些網(wǎng)友便以各種各樣的數(shù)字帶入這個(gè)“密碼”來(lái)填詞。比如網(wǎng)友“達(dá)芬奇的雞蛋”將圓周率的數(shù)字，與“宋詞”的高頻詞表序號(hào)一一對(duì)照，“創(chuàng)作”出一首《清平樂(lè)·圓周率》：“回首明月，悠悠心事空，西湖何事寂寞中，風(fēng)吹斜陽(yáng)匆匆，芳草平生斜陽(yáng)，風(fēng)吹寂寞今日，一枝富貴年年，斷腸長(zhǎng)安不知。我們發(fā)現(xiàn)，這些網(wǎng)友的所謂“詞”只是靈活地利用了這些常用駢字，再加上一些自己選擇的單字而成的。盡管不夠地道，但是究竟有那么一些味道。

三

　　關(guān)于句子，如何定義同樣是眾說(shuō)紛紜。印歐語(yǔ)言所謂簡(jiǎn)單句是一個(gè)主語(yǔ)與一個(gè)謂語(yǔ)組成的，謂語(yǔ)必須要有一個(gè)動(dòng)詞作核心，即S=NP+VP，一個(gè)句子只能有一個(gè)謂語(yǔ)動(dòng)詞，而且必須跟主語(yǔ)保持一致。但漢語(yǔ)并非如此。連動(dòng)句的動(dòng)詞沒(méi)有任何形態(tài)上的差異，而且一個(gè)句子中的多個(gè)動(dòng)詞其施事很可能并不一樣。如《左傳》“諫而不入”這個(gè)句子諫與入（=納）的施事就不相同。更不用說(shuō)“雞聲茅店月，人跡板橋霜”這樣純粹由名詞組成的句子了。漢語(yǔ)句子的任何成分都可以省略。因此相關(guān)的爭(zhēng)論時(shí)時(shí)可見(jiàn)。中國(guó)第一部語(yǔ)法著作《馬氏文通》的作者在《例言》中說(shuō)，“是書(shū)本旨，專論句讀”。但正如呂叔湘、王海棻在《馬氏文通讀本》中所說(shuō)的那樣，“句讀可以說(shuō)是全書(shū)中最不容易弄懂的部分”。我們同樣不想對(duì)此置喙，我們知道，國(guó)學(xué)網(wǎng)為了制作輔助標(biāo)點(diǎn)系統(tǒng)已經(jīng)建立了一個(gè)非常龐大的句庫(kù)，在進(jìn)行時(shí)代、文體辨析與分類后我們可以對(duì)獨(dú)詞句、兩字句、三字句……等進(jìn)行研究，并確定相應(yīng)的句型、句類，并說(shuō)明其功能。我們相信這將有巨大的意義，因?yàn)樵S多漢語(yǔ)語(yǔ)法學(xué)者，如王力先生，正是在對(duì)句型的分析中發(fā)展出自己的體系，做出其巨大的貢獻(xiàn)。

作者單位：黑龍江大學(xué)古籍所