|
英文是世界上最普及通用的拼音文字，當前的計算機都是以它作為基礎(chǔ)語言的,。中文（漢字）是世界上使用人數(shù)最多的象形文字,，它最古老而獨特，一度曾被認為不適于信息處理而必須淘汰,，后來卻發(fā)現(xiàn)它更為有效,，將是未來應(yīng)用最廣的。我們研究比較這兩種文字,，目的是：進一步明確漢字的優(yōu)缺點以便揚長避短,，讓漢字也能作為計算機的基礎(chǔ)語言，創(chuàng)造出真正的漢字電腦。本文將從兩方面進行比較研究,。性能上的比較會使我們堅信漢字的優(yōu)越性,，結(jié)構(gòu)上的比較將幫助我們找到把漢字植根于電腦的方法。 甲,、性能上的比較: 壹,、漢字的短處 一般都認為，英文只要學會２６個字母及相應(yīng)的音素,，會拼音,，就學會了讀寫,，不是文盲了,，所以學文化很容易，花一個月的工夫就夠了,。中文則不那么簡單,，至少要學會幾千個方塊漢字。而每個字形狀復(fù)雜,，沒有確切的讀音信息,，且一字多音，一音多字,，即所謂漢字有“三多五難”（字數(shù)多,，筆畫多，讀音多,；難認,、難讀、難寫,、難記,、難用）。中國孩子要花６～１２年的時間學漢字,，太落后了,，以至連魯迅都說“漢字不滅，中國必亡”,。于是從二十世紀三十年代起開始推廣拼音新文字,，據(jù)試驗，也只要個把月工夫,，就可以寫信了,。 事實當然不完全象上面說的。中國兒童在中小學里并不是只學漢字,，而拼音文字也不是只要一個月工夫就可學好的,。學幾天拼音，能拼出幾句中國話，別人看了,，百分之七八十都能猜出大意,，這十可能的。但說要能基本掌握一種文字,，這是不可能的,。只要想一想，方言重的人學普通話,，中國人學英文有多么困難,，有些人花幾年幾十年時間都學不會，就可以明白了,。說英語的人,，學英文也同樣不容易。英語專業(yè)自學考試課本《綜合英語I（1）》第４課是美國著名演員悉尼談他學英文的故事,。他花了半年工夫跟人學讀英文報紙,，以后還經(jīng)常練習，才學會念臺詞,。 分析起來,，漢字是由３０種左右的筆畫（遠比英文字母２６＊２＝５２種少）組成的，先組成２００～６００種字根（字元,、偏旁,、部首，相當于英文的字干,、前綴,、后綴），再由它們組成漢字,。漢字對應(yīng)英文字,，漢字字典收字最多的是《中華字海》,，達８５０００個,，而學生用英文小字典中的英文字都在２萬以上?！缎掠h字典》收字已達８００００,，英文字總數(shù)應(yīng)遠遠超過漢字數(shù)目。 漢字唯一的缺點是,，缺乏讀音信息,，所以有時候會懂一個字的意義，而讀不出或讀不準發(fā)音,。英文的字母或字母組與音素也不是一一對應(yīng),，在諸多拼音文字中,，發(fā)音規(guī)則復(fù)雜，也會讀錯,，不過比漢字要好得多,。漢字只有近一半有聲旁（８０％有偏旁，其中一半以上是聲旁）,。漢語只有４１７個音節(jié)（１３６９個不同的音調(diào)節(jié)）,，８４％的音節(jié)有聲旁，但只有２成聲旁是唯一的,，８成有２個以上不同形的聲旁,，甚至有１０～２９個不同的聲旁。因為漢語音節(jié)總數(shù)只有４００來個,，每個平均有３個聲旁,，只要認識１０００來個聲旁，如果準許“秀才認字讀半邊”,，則所有字就都可以讀得出了,。但問題是有一半多漢字的偏旁不是聲旁,，硬要“讀半邊”就讀錯了,。非關(guān)鍵字讀錯了不影響交流，多數(shù)人長期錯讀,，甚至會改變該字的讀音,。所以我提議讓“讀半邊”合法化，同時盡量減少多音字,，降低錯讀率,，提高漢字的語音信息量。以前的文字改革只在簡化字形上下工夫,，沒有在讀音上動手術(shù),。我覺得在這方面也應(yīng)該有文章可做，準備在另一個地方討論,。 貳,、漢字的優(yōu)勢 除了上面這個短處外，其他都是漢字占優(yōu)勢,。在漢字輸入瓶頸解決之前,，認為漢字不適于信息處理，而現(xiàn)在看得出來的以下優(yōu)點,，主要的是第一條,、第三條，反而是在信息處理中更能顯出其優(yōu)勢： ?、?漢字含的信息量大,，效率高,。計算信息量的大小有一個數(shù)學函數(shù)：熵Ｈ＝－ΣPilog2Pi，這里Pi是事件集合中事件i的出現(xiàn)概率,。把漢字和英文字母作為各自的事件集合,，其信息量分別為9.71和4.03。雖然漢字高出英文一倍以上,，但將幾千漢字和幾十個字母作比較是不恰當?shù)?。對詞的概率分布進行計算。漢字詞的信息量為11.46,，英文詞（字）則為10.0,，不過漢字詞的劃分還是有人為的音素。最形象的比較是：在聯(lián)合國的同樣內(nèi)容的文件中,，中文的總比英文的薄得多,。隨便拿一本中英對照的書翻一翻,都是英文部分比中文部分厚得多。我進行過統(tǒng)計,，一般每頁的行數(shù),，中、英文是一樣的,；每行的漢字數(shù)是英文字母數(shù)的一半,；在電腦存儲時，一個漢字正好要占兩個字母的空間,。統(tǒng)計結(jié)果是,，英文的頁數(shù)是中文的1.4倍。在電腦中,，英文文件要比同內(nèi)容的中文文件大1.4倍,。這樣，中文的存儲效率高,，傳輸和處理的速度也就快,。 ②.閱讀中文比英文快,，用中文進行思考快,。按上條可知，用同等大小的字體排印的印刷品,，英文的行數(shù)比中文行數(shù)多1.4倍,。另外，英文是拼音文字,，必須把線性排列的字母在腦子里拼成聲音才能理解,。而漢字是整體的：閱讀時多不必把它化成聲音，常常掠一下字形就了解其含義,，讀得快時被形容成一目十行,。所以閱讀同樣內(nèi)容的文件,，速度應(yīng)快1.4倍以上，用中文進行思考也會快這么多（有文章說達1.6倍）,。趙元任先生早就做過試驗,，用英文背九九表（乘法口訣）要花４５秒，而用中文只要３０秒,，快一倍半,。 由于閱讀中文快，用中文思考快,，想必電腦識別,、理解中文也應(yīng)該快。單從中文存儲,、傳輸效率高這點看就應(yīng)該如此,，雖然尚未見到試驗報告。深入分析中文的這種高效率的根源,，是在于漢字的雙字節(jié)代碼,。因為漢字不能拆分為字母來顯示，只能為每個漢字置一個顯示字模和一個兩字節(jié)的代碼（內(nèi)碼）,。如果也為每個英文字置一個代碼,，常用的（大學生用字典）英文字大約有１～２萬個，所以也可以用兩個字節(jié)的代碼,。英文字平均長度是4.64個字母,，用雙字節(jié)代碼來存儲,，就可壓縮一倍以上,，這樣一來，英文的存儲傳輸效率反過來成為中文的1.4倍,。但是中文的印刷頁比英文少,，閱讀快等客觀屬性，是不能用電腦存儲機制的改變來改變的,。 ③.英文的縮略語比起中文的簡稱來,，難記，易搞混,。隨著社會的發(fā)展,，概念，因而相應(yīng)的名詞也增多,，專有名詞也越來越長,，使用起來太笨拙。英文中就用組成該專有名詞的英文字首字母形成的縮略詞來代替,，中文中則采用詞的首字形成簡稱,。因為漢字有幾千,，簡稱不易重復(fù)，詞短,，音節(jié)少,，容易推出其全稱。英文首字母只有２６種,，所以縮略詞易重復(fù),，詞雖短，個別情況下讀音卻不一定短,，由縮略詞難以推出正確的全稱,，容易搞錯。我隨機抽查了一本《英漢縮略語詞典》當中的５３２個詞條,，無重復(fù)釋義的只占67％,，即三分之一縮略詞有２個以上的釋義（全稱），10％以上的縮略詞有５個以上的釋義,，只能在特定環(huán)境,、特定上下文中才有確定的含義。奇怪的是,，現(xiàn)在中文報刊,，特別是計算機報刊，也喜歡夾用英文縮略詞,，一篇文章中這種縮略詞太多,，何況有許多縮略詞是新誕生的，沒有詞典可查,，也猜不透它的含義,，全篇文章就看不懂了。為什么不使用中文簡稱呢,？ ④.漢字能無限的發(fā)展,，學漢字能提高智商。中文的簡稱與多字詞無形式上的差別,，直接變成普通詞,。英文縮略詞則難以變?yōu)槠胀ㄔ~匯，因為不是任何字母組合都可以成為有一定讀音的英文字,，而一定長度內(nèi)的英文字數(shù)是有限的,。電腦源程序中常出現(xiàn)很長的夾雜著大寫的英文字，很笨重,，只能在這特定情況下用,。縮略詞的混亂上面已說過,，這一切表明,，英文發(fā)展進程中已出現(xiàn)了困難,。中文就沒有類似情況，創(chuàng)造新詞和新字的空間還很大,。交談時,，新名字要求用短音節(jié)，萬一有歧義,，可補充說明,，而寫到紙面上,則總可以用不同的詞或字。人類的感官接受信息最多的是視覺,，其次是聽覺,。聽覺可區(qū)別聲波的線性序列，視覺能鑒別形狀的平面分布,。文字的作用是把聽覺信號轉(zhuǎn)變?yōu)橐曈X信號,，本應(yīng)發(fā)展提高。但拼音文字維持信號的線性次序,，是限制了自己的提高,。據(jù)研究，幼兒早學漢字,，可以提高智商（參見《漢字優(yōu)勢與幼兒教育》）,。我們的左腦管語言和邏輯思維,使用字母線性排列的拼音文字時,只使用左腦。使用中文就要同時使用管形象思維的右腦,，因為左右腦一起用,，所以效率高，智商也得到發(fā)展,。 ⑤.漢字和中文的藝術(shù)表現(xiàn)力強,。只有漢字有發(fā)達的書法藝術(shù)，拼音文字幾乎沒有,。中文的詩詞歌賦等文學藝術(shù)形式,，英文中沒有哪種形式可以比得上，有些形式,，例如對聯(lián)、歇后語,、字謎等,，英文中甚至沒有類似的。有人認為,，中國之所以沒有得到諾貝爾文學獎,，不是沒有高水平得作品，而是因為難以把它們翻譯成英文,。英文譯本不能傳達中文種包含的絢麗色彩,，她所有的獨特韻味都被抹殺了,，這不無道理。 乙,、結(jié)構(gòu)的比較 文字是記錄語言的,。記錄下來的語言就成為文章。由它的最小的單位組織成的文章的過程中,，有許多不同的層次,。１９８５年我首次按這種結(jié)構(gòu)層次，對中英文進行了比較,，得出以下的對比表： 文種 第０級（元素） 第１級 第２級 第３ 西文（拼音） 音素和形素（字母）一一對應(yīng),，數(shù)目少 音節(jié)，無顯界 詞（字）,，有顯界 句 ?。常啊叮白笥遥酗@界 中文（拼形） 形素（字元）和聲音非一一對應(yīng),，數(shù)目多 漢字,，有顯界 詞（２字以上者） 句 約１００～６００個，無顯界 無顯界 這里所說的有無顯界,，是指能否明顯而自然的分開,。漢字的字元以及多字詞的劃分會因人而異，英文的音節(jié)的劃分也有類似情況,，故定為無顯界,。這張表中，劃在同一級中的兩種文字,，都是有顯界對無顯界,，現(xiàn)在看來是很不對的。現(xiàn)改為： 文種 第0級有顯界 第1級無顯界 第2級有顯界 第3級無顯界 第4級有顯界 英文 字母共52種,，熵＝4.03 字干,、前綴、后綴 英文字,，熵＝10.0 詞組 句 中文 筆畫約30種,，熵＝3.43 字根、偏旁,、部首 漢字,，熵＝9.7 多字詞 句 這張表的對應(yīng)關(guān)系是很自然很明顯的。只有漢字的筆畫,，過去研究得較少,。對于我們中國人，筆畫的劃分是很清楚而一定的。不過筆畫的分類歸屬很不統(tǒng)一,。簡單的幾乎只劃分為５種：橫豎點撇捺,，并已用在漢字字典的檢索和電腦漢字筆畫碼輸入法中。實際上漢字筆畫有３０多種,。表中所列的漢字筆畫的熵＝3.43,，是我把筆畫分為２５種時統(tǒng)計計算的。為了使筆畫數(shù)接近英文字母數(shù),，我把一些筆畫歸并了,，這使信息量降低了。這樣做不一定正確,。關(guān)于筆畫的研究,，我準備在另一篇文章中討論。另外,，關(guān)于發(fā)音,，英文字是多音節(jié)的。漢字是單音節(jié)的,，關(guān)于漢字的發(fā)音信息,，亦準備另寫一篇文章討論。 現(xiàn)在按這張對比表,，討論中英文的不同之處,。英文的基本元素是字母，中文的基本元素是筆畫,，筆畫遠比字母簡單,。字母組成英文字時，字母是線形排列的,。而筆畫組成漢字時,，筆畫是在平面的兩個方向上按一定規(guī)則排列。利用空間的不同排列,，簡單的筆畫組成了含信息量大,，易于快速閱讀和準確辯識的漢字。這是漢字優(yōu)勢所在之處,。我們要研究漢字直接植根于電腦的方法,，要研制功能更強的漢字電腦，就該從這里著手,。研究漢字的筆畫,，總結(jié)筆畫形成平面漢字的規(guī)律，使筆畫直接組成漢字,，不要龐大的字模字庫。 按上一節(jié)第②點后面的分析,，完全排除字庫加編碼的方法,，也是不明智的,。漢字的平均筆畫數(shù)為7.4，遠比英文字的平均長度4.64長,。如果完全用筆畫序列來存儲漢字,，則在存儲和傳輸效率上，將會比英文慢7.4/4.64=1.6倍,。而且用筆畫碼逐碼輸入,，其速度也將會變得不能容忍。所以應(yīng)該有一個常用字庫,，不過其顯示字模是由筆畫組成的,，所以占內(nèi)存很小。原來開發(fā)的各種編碼輸入法仍然有用,，只是常用字庫可以只有一級字庫那么大,，各種輸入法更可以簡化，降低重碼率,。至于對使用頻率很小的非常字,，則用筆畫輸入，并直接以筆畫碼或字元碼存儲,。這樣雙管齊下,，漢字就能保持高效率和高活力，能適應(yīng)一切情況和未來的發(fā)展,。 |
|
|
