【汉字讲座】（19）汉字的数量究竟有多少？

汉字产生以后，走过了一个四五千年的不间断的发展演变历程。在这个漫长的历史过程中，历朝历代产生的新字不计其数。时至今日，汉字的数量究竟有多少？或说两三万，或说三四万，或说四五万，甚至有说七八万、十来万的，竟然没有人那怕能大致地说清楚。那么，汉字的数量真的就没有一个相对确定的量级吗？

让我们先来看看历代字书（及韵书）的收字情况：

年代 （编著时间）	篇名	编者	字数	备注
[商] （公元前1600～前1046年）	甲骨文	无	发现单字4378个。已识2000余字，公认1000余字。	《甲骨文字编》。 台湾中央研究院历史语言研究所李宗焜，2012年。
[西周] 周宣王期间（前827～前781）	大篆 《史籀篇》（十五篇）	太史籀	不详	估计在1500～3000字之间。
[秦] （公元前221年）	小篆 《仓颉篇》等三篇	李斯等作	3,300余字	李斯作《仓颉篇》，赵高作《博学篇》，胡毋敬作《爰历篇》。
[西汉] （公元前53～公元18年）	《训纂编》	杨雄编著	5,340字	已佚。
[西汉] （前48～前33）	《急就篇》	史游编著 元帝时任黄门令。	2,144字	末128字为汉以后人所加。
[东汉] （公元100年）	《说文解字》	许慎编著	9,353字	重文（异体字）1163字，共10,516字。
[西晋] （公元514年）	《字林》	吕忱编著	12,824字	已佚。
[南朝·梁] （公元534年）	《玉篇》	顾野王编著	16,917字	后增补至22561字。
[北宋] （1008年）	《广韵》	陈彭年等编著	26,194字
[北宋] （1039年）	《集韵》	丁度等编著	53,525字
[北宋] （1066年）	《类篇》	司马光等编著	31,319字
[明] （1615年）	《字汇》	梅膺祚等编著	33,179字
[明] （崇祯末年）	《正字通》	张自烈著	33,549字
[清] （1716年）	《康熙字典》	张玉书等编著	47,043字
[民国] （1915年）	《中华大字典》	欧阳博存主编	48,000余字
当代 （1971年）	《中文大辞典》	张其昀主编	49,888余字
当代 （1993年）	《汉语大字典》	徐中舒主编	56,000余字
当代 （1994年）	《中华字海》	冷玉龙主编	85,000余字
当代 （2004年）	《异体字字典》	台湾教育研究院编	106,230字 （其中正字29892个，异体字76338个）	台湾网络版第5版。

可是，汉字的数量，真的有这么多吗？

其实，当我们明白了汉字造字的原理与方法，清楚了汉字发展演变的来龙去脉，对于汉字的数量的问题，就会有一个基本的判断。

在《汉字的造字理念与造字原则》与《汉字造字之本——“六书”》中我们谈到：汉字的具体构字方法是“六书”。也就是说，真正的汉字，得符合“六书”才算数。一个人随便写一个“字”，其构造不符合“六书”的要求，使人无从解读，那就不能算是一个真正的汉字。而历史上，这样的“字”很多，有些是俗字，有些是错别字。所以，“有效汉字”的数量，其实是有限量的。

这里所说的“有效汉字”，主体是指符合六书的通用汉字（很多字后世发生了讹变，变得不符合六书了），也包括后世历代沿用下来的俗字。

下面，我们再来看看有关中国古籍的用字统计，看能不能找到确定汉字数量的线索。

由上表可以看出，我国历代各类著作所用不重复字数很少有超过4000的，大多介于2000～4000之间，说明我国历代社会常用字有一个恒量，即3000字左右。我国古代童蒙识字教材同时并用时的总字数，恰在3000～4000上下，说明当时围绕汉字教育所进行的字频研究和常用字研究，已经达到了很高的水平。

有人曾统计过，十三经（《易》《书》《诗》《周礼》《仪礼》《礼记》《春秋左传》《春秋公羊传》《春秋谷梁传》《论语》《孝经》《尔雅》《孟子》）中不相同的单字数为6544字。因此，实际上古人日常使用的汉字数不过六七千上下而已。

下面，我们再来分析分析大陆有关单位所作的汉字使用频度统计资料。

现代语料字频统计（清华大学）：

统计字数：6,763（GB2313-80字符集）。

使用语料总字数：86,405,823字。

古籍字频统计（北京书同文数字化技术有限公司，2004年）：

语料来源：

《四库全书》用字：总字数：698,076,596字：不重复单字：29,081字。

《四部丛刊》用字：总字数： 90,616,538字；不重复单字：27,606字。

二者合并：总字数：788,693,134字，不重复单字：30,135字。

由现代语料字频统计结果可看出：

前1,000个常用字，对语料的覆盖率达到91.9%以上；

前2,500个常用字，对语料的覆盖率达到99.2%以上；

前3,500个常用字，对语料的覆盖率达到99.8%以上；

前4,500个常用字，对语料的覆盖率达到99.9%以上；

以后字数再增加，语料覆盖率的增加就很少了。

这与我国古时历代社会常用字的数量基本一致。

而对古籍字频的统计，虽然统计字数扩大了将近5倍，达到3万多字，但字频与现代汉语相比，差别并不很大：

前1,000个常用字，覆盖率达到80.9%以上；

前2,000个常用字，覆盖率达到91.6%以上；

前4,000个常用字，覆盖率达到97.5%以上；

前6,000字， 覆盖率达到99.1%以上；

前8,000字， 覆盖率达到99.6%以上；

前13,000字， 覆盖率达到99.9%以上；

以后字数再增加，语料覆盖率的增加就很少了。

如果抛除古籍中大量的异体字、俗字，则古今语料汉字的使用频度基本一致。

1988年，大陆发布的收录3500字的《现代汉语常用字表》（常用字2500个、次常用字1000个）、以及收录7000的《现代汉语通用字表》（含《现代汉语常用字表》中的3500字），就是依据与上述汉字字频统计相关的资料制定的。

2013年，大陆又发布了《通用规范汉字表》，将收字数量提高到8105（其中一级字仍为3500）。

香港城市大学研究中心的Benjamin K.Tsou教授关于汉字信息熵的研究表明：随着汉字容量增大到一定数量级，信息熵的增加趋缓；当汉字增加到12,370个以后，不再使信息熵有明显的增加。据此，有关专家认为：汉字的容量极限为12,366个。

所谓信息熵，是指信息中排除了冗余后的平均信息量。信息熵越高，意味着能传输的信息越多；信息熵越低，意味着能传输的信息越少。

▲由以上介绍可知，有效汉字的数量，也就在13,000个左右。

对于通常的出版印刷、信息处理、姓氏人名、地名、科技术语等方面的用字需要，8000通用汉字基本上都能满足。

对于专业人员而言，掌握4000～4500个汉字足矣。

而对于普通人士，掌握2500～3500个汉字，则基本上就能满足正常的工作与阅读需要。

所以，2007年（民国民国九十六年）台湾《国语小字典》第二版，收字4,305个。

1997年（民国民国八十六年）台湾教育部的《重编国语辞典修订本》，收字11,930个；另有异体字1,848个，共计13,778字。

2011年大陆第十一版《新华字典》，收字11,200余个。

所以，那些所谓的汉字的数量有几万个，甚至是上十万个的说法，是不能成立的。因为，那其中的绝大部分，或是异体字，或是俗字，或是错别字，还有大量的死字（历史上曾经出现过而后世废置不用的字）。