§6.2拼形文字与线性排列

一、拼形文字的形成和延续发展的原因                           

世界上所有的文字，都始源于象形文字。人类创造文字之始，目的在于传递和记述信息。

后来因语言的不同，为了与各自的语言相适应，分为拼音文字和拼形文字两类。我国的文字学界总是拿拼音文字的定义给拼形文字定义，显然不十分恰当。

世界上的各种文字走着拼音和拼形两条不同的道路。外国人的文字叫做拼音文字；中国人的文字叫做拼形文字。外国要走拼音化的道路，中国造字，为什么要“拼形”到底？据我们的研究，这与汉字的特点有关：

（一）文字与语言相适应。汉语的声韵相拼，只产生了一千两百个音节 ，如果采用拼音造字，只能造出一千两百个不同的字来，不容易区别不同的意义。

（二）尽管中国的方言复杂，但大都是单章节语言，所用的词汇也都是由这些单音词合成的，多音词只是极少数。它的表意性能使讲着不同方言的人群共通信息，不同地区、不同方言的人们虽然口头语言不通，但汉字的书面语言可以让人望知义，也利于互相沟通信息。因此在古代，虽然没有统一使用某种规定语言，却可以相互交流；而拼音文字却不可能这样的书面沟通。

 （三）构成文字系统，造字法的完善是决定因素。外国人开始也用象形文字，但随着文明的发展，象形造字无法表达他们的多音节语言。他们只能利用音素，重新创造拼音文字。中国人的造字法跟上了中国古文化的发展，适合汉语的特点，在我们发现音素之前，就已经选够了要用的字，积累了大量信息。丰富的文化和文化的继承性，一方面制约了文字的突变，又同时配合历史的的延续，不断完善了这种文字系统。

（四）单字本身就是词，也可以是词素。用字来构词，表达中国人的语言，十分便捷。我们读书识字，不仅仅为认识字的读音，更为重要的是通过词义接受知识。历史发展，新词不断产生，旧词搁置不用；词的变化叫快，字的变化却慢。通过字来造词，以字义理解词义，使学习和继承历史文化，要比拼音文字方便。尽管汉语已经向多音词发展，但单音词仍然是它的基础。汉语不可能扔掉它的基础把自己“悬起来”。

二、拆字揭示了“线性”

拼音文字可拼可拆，拼形文字却不能拆是没有道理的。汉字既然是拼形文字，能拼就能拆。现在却不能拆，不拆就不能使之形成线性排列，不能形成线性就无法构成序性。但是，现代社会要求汉字必须具有线性和序性，字形编码开辟了一条寻找汉字线性和序性的道路。

古人也曾动过拆分汉字的脑筋，把汉字的基本单元称为字元、字素等等，但现在，一个汉字集中到底有多少个字元或字素？历代文字学家 没有一个明白的交代。上千年过去了，社会发展需要文字学家作出明确的答复。这不是过去的文字研究没有想到，而是过去的社会现实条件没有提出这个要求。文字学是应用科学，没有普及应用的条件，人们不可能超前走到这一步。

汉字形码方案的实践不断地提醒我们的文字工作者：实现汉字线性排列的前提是必须知道汉字基本单元的总数；这就是部件定义和部件定量的唯一目的。只有这样，我们才能彻底打开“关押”汉字线性和序性的“巴士底”。

只有使方块的汉字作线性排列，它才能实现有序性。要使汉字具有序性，首先要使汉字具有线性。因此要使汉字具有线性，首先要使汉字具有可拆卸性。拆字编码就是这样的思想基础产生的。

三、汉字部件的线性排列分析

有了部件清单，对照清单拆分汉字，每个汉字就可以由方块而变成线性，我们就走出 了汉字序性化的第一步。部件清单证明拆字编码接近成熟。它是中国人现代信息技术迫切需要下 “逼”出来的，它的成熟显示出汉字应变的巨大潜能和中华民族的高度智慧。

尽管汉字是拼出来的，几千年的多次变革，现代汉字与古代相比，已经面目全非，有的地方还掺进了许多人为的因素，因此，根本不可能“原拆原建”。假设能够，也并不一定能适合编码设计的要求。我们理顺这条线索不是为了复古，而是为了利用它的规律。

汉字拆分牵涉到汉字的结构体系，本是件非常严谨的工作。可是，某些编码设计者竟然认为，为了使键盘打出汉字，可以不顾汉字的规律和规范，应该“削”汉字之“足”，“适 ”编码之“履”，把“不”拆为“一、小、”，“东”拆为“七、小”，“民”拆为“已、七”……，这些拆分引起许多文字教育工作者的不满。于是，有的人从经验主义出发，以为只要拆字，就会损害汉字规范。他们反对一切“拆字编码”，并措此为据，认为“拆字编码”已经山穷水尽，没有出路了。这障目的一叶使这些先生在困难的时候看不到光明。

人们都说汉字拆分是个难题，其实，只要有了部件清单，汉字的拆分就不再是难题了。我们根据上一章所述的部件定义，将一级字库的3755个汉字，拆为下列线性形式，到底拆得对否，可以一个一个地进行讨论。如果这3755个一级字的拆分能够得到通过，就可包含所有的汉字。因为它已经包含了拆分所有汉字的规律。不相信者，请看附表。我们希望反对拆字编码的人，不要认为有个别字不合己意，就轻易加以否定，把孩子和脏水一起倒掉。讨论编码最忌两点，一是带有主观成见；二是忽视系统关系。附表是我们把3755个一级字库的汉字，拆为部件并排成线性形式（见本书第156页——182页）。

我们对照部件清单，将一级汉字字库的汉字，套拆为部件，并根据部件的第一笔出现的先后，排成线性形式，说明：一、汉字是有线性的；二、部件清单是完全分解汉字的根本；三、只有拆分规则和部件清单的结合，才能实现拆分的唯一性。

把汉字分解为部件并使之排成线性形式是汉字形码的第一个要求。以上虽然只有3755个字，但由于这种分类方法和编码方法都有可扩展性，所以增加再多的字数也不与紧（如不相信，请见本书最后一张附表：ISO/IEC DIS 10646  汉字集20902个汉字补充部件表）。

上面的汉字线性排列中，汉字部件数量分配的分析：

单部件字111个   占2.956%；          二部件字629个   占16.77%；

三部件字1249个  占33.26%；          四部件字1068个  占28.416%；

五部件字489个   占13.023%；         六部件字160个   占4.216%；

七部件字39个    占1.038%；          八部件字8个     占0.213%；

九部件字2个     占 0.053%。

一级字库3755个字，除掉111个单部件字（本身既系部件，也是汉字），有3644个多部件字（即含有两个以上部件的字）。其中二、三、四、五部件字，就有3435个，占94.26%。即是说，拼形字母系统以四键出字，基本可以反映出全部字形信息。六、七、八、九部件字仅占5.74%，以四键取码，要略掉一部分部件，但及占比例已很有限了。

这个统计说明把笔画结构块作为汉字的基本单元（部件）是最合适的。因为，根据各个方案出字键数的统计，绝大多数方案选择得四键出字。从电报码开始，我们就确定四键出字。因为，尽管汉字总数有五六万个，但流通使用字种只有四五千个，不会超过四位数。这说明四键出字是汉字输入最佳的选择；部件的大小，也当然有个最合适的选择，它的选择标准是能否最准确地反映最多的字形信息。我们从五部件字开始统计，根据：

部件数-应取码数=字形信息省略数

五部件字   489个×1=489个

六部件字   160个×2=320个

七部件字   39个×3=117个

八部件字   8个×4=32个

九部件字   2个×5=10个

489个+320个+117个+32个+10个=968个（部件静态省略总数）

3755个汉字合计使用了13145个部件，但是，我们在输入时却把超过四个部件字的多余部件省略了。合计省略部件数968个，如除以总数13145，得出信息损耗率为7.365%。答案是：这个选择的字形结构静态信息含量为92.635%。这个数字说明我们以笔画结构块来研究部件，其大小是合适的。所有以“优选”为基础的设计方案，都以四键出字计算，无法作出这样高的字形结构信息统计。因为，“优选”方案在未进入编码前就把许多字形结构信息筛选出去。以笔画笔形作编码的方案，例五笔字型，就更无法统计了。字形编码方案，应该反映最多的字形结构信息。

有的人也许认为汉字集扩大了，为了避免重码，要五键出字才对。其实不然，因为，汉字集扩大，用五键出字，固然可以减少重码，但不能提高工作效率。常用字还是那个使用频度，不会因汉字集的扩大而降低。汉字集增大，字数增加，只能增加重码率。而这些增加进去的重码，大多数人一辈子也用不上，因此，它们与输入速度基本上没有关系。有的设计者不明白这个道理，将大字符集的出字键数改为五键，这种方法，从纸面上看，重码率虽然减少了，但使用性能差了。因为，我们在键盘上输入，绝大多数是常用字，那些一级字库以外的字是很少用到的，即使偶然用到一次，看屏挑选，花费时间极其有限，而把这些经常用到的字从四键改为五键，以宝贵的使用性能换取毫无价值的纸面重码率的降低，是最不合算的。

部件数在握，以拆分分析作为反证，能够使我们更加理解汉字是“拼形文字”这个新概念，同时也可以加深理解部件的定义及它的重要意义。

有的人说汉字是形意字，有的人以言汉字是形声字，现在又提一个拼形文字的新概念，觉得接受不了。汉字是含形、音、义为一体的文字，讲它是形声字，侧重于音；讲它是形意字，侧重在意；讲它是拼形文字，侧重在形：它们从三种不同角度描述了汉字的本质和特有规律，并不相互排斥。过去之所以没有拼形文字的概念，是由于过去我们没有字形编码的需要。现在我们有了这个新需要，出现新的命名和新的概念当然顺理成章。