对两份部件规范的我见

1． 信息处理用GB13000.1字符集.汉字部件规范

2． 基础教学用现代汉语常用字部件规范

2000年前，许慎抽取汉字的共同部分为部首，将汉字分门别类。后来一些部首被归拼，种类不断减少，但一直是字典搜索的唯一方法。教写字、学书法，也十分重视偏旁、部首，形成许多通俗名称，如木子李、言午许和宝盖头、三点水等等，其数量则愈来愈多，恐怕还无人作过统计。但这两者都不会全面彻底地拆分所有汉字。因为编字典，不必将一个汉字彻底分解，只要抽取适当的部首即可，而学写字又不会遍及全部汉字。只有汉字的电脑输入法，才开始全面的拆字分析，分拆出来的部分，也不叫偏旁、部首了，而改用字根、字元、字块、子字、构件、部件等等新名称。事实上，近年兴起的汉字拆分研究，不仅可以服务于字典检索、汉字教学、字形编码这三方面的实际需要，它将更为今后必然兴起的笔画组字、字元组字所必需。

因为汉字植根于电脑的方式，一开始就采用字库加编码的方法，必须有编码输入法。最早只有形码，以后采用容易的音码。但随着字库愈来愈大、同音字太多，音码已黔驴技穷，现在又重视形码的研究了。形码的基础是汉字拆分。不同的编码方法对汉字的拆分常常不一样，随意性很大。更严重的是，常常只公布编码使用方法，而不披露汉字拆分的研究。即使公布了所采用的字根表，要么这表不全，要么因为印刷的原因，许多字根看不清。铅印时，可能是用‘含有此字根的铅字，凿去其余部分’来代替的，形小而不正规。现在改用电脑排版后，则因为字库里找不到，常常只留一个空白（也可能文件中是有这个字，但所用的系统和字体里没有该字模，例如，本文是没有缺字的，但有时也可能出现空白，如果如此，请改用宋体，一般宋体的字模比较全）。所以，即使当前印刷、传布十分方便，但很难收全各种字根表，也很难进行比较研究。“长期以来，汉字部件的拆分工作在不同地区、不同系统中自发进行，导致部件拆分呈现五花八门、纷纭交错的结果。”这也是造成“万码奔腾”的原因之一。为此，国家语委于1997年12月1日发布《信息处理用GB13000.1字符集汉字部件规范》，目的是“对汉字键盘输入”方法，具有规范作用。

但是，很难说这份规范起到了指导形码研制的作用。因为一些部件拆得很不妥当，也没有覆盖该字符集20902个汉字的全部部件，所以有人抱怨：遵循该规范研制不出优秀的形码。于是2003年12月，又公布了第二个规范《基础教育用现代汉语常用字部件规范征求意见稿》。它作了一些改进，删去了一些不自然的部件。但仍声明是继承了上一规范的原则，只不过它是只针对3500个常用字而已。照理，这应该是第一个规范的一个子集，它有540个部件，比第一个规范少20个。但两者相同的只有365个左右，占全体的67.6％，还不到七成，3成多（约175个）是新拆分出来的。可见拆分还是相当随意的，并且仍然有显得不合理的地方

语委的百家论坛里，专门开辟了一个论坛用来反馈大家的意见。但至今只有十多个帖子，其中没有一个是提出切题的意见的。这一方面可能是很少有人研究，研究也很困难。我为了比较两份部件表的异同，统计有多少共同的部件，就花了一星期功夫，最后还不能确保绝对正确。另一方面，可能有具体意见，也难以表达出来。因为很多部件不能独立成字，或者组字时笔画有变化，字库里没有它们的字模。虽然眼下的大字库，已增加了一些不成字的笔画和部首等，但很不全，何况谁也预见不到，汉字拆分会拆出那些新部件来。为补救这个缺陷，第二份部件规范里，给那些难以表达的部件一个诸如X字头、X字底、X字腰、X字角等称呼。但这类称呼也会出现歧义，例如“美字头”是指两点、两点一横还是两点加一个王字？为此我建议在代表字X后加两个数字来表示，第一个数字表示部件的起笔，第二个数字表示该部件的笔画数，数字大于9时，接着用字母a，b，…… z来表示。例如“美₁₆”是两点加个王字，“美₇₃”则是大字。只有极个别笔画不连续的，如繁体学字头两旁，没法表示。但一般来说，这类拆分应该避免。这样一来，只要一定的部件所取的代表字固定，即使字库里没有，也可以明白表达，也可以查找比较。例如上面提及的，统计两规范部件表的交集的元素，如果两表都以此法表示部件，就很容易得到十分准确的结果了。

使用这样的部件表示法，我就可以表述我认为的具体问题了。两份规范提出“从形出发，尊重理据，立足现代，参考历史”、“相离、相接可拆；交重不拆（可拆成笔画）”、“尽量进行有理据拆分”。我觉得只有这些笼统原则是不够的，不能避免拆分的随意性。潘德孚在他的网站和著作中，对第一份规范提了许多意见，似乎成见大，具体的少。他对汉字的拆分提出了一些创造性见解，我大致赞同，好像不够完整、还不够用。至于他提出的部件系统，可能适于编码，但不适用于组字。我自己也想进一步研究汉字部件，希望以后能提出更具体的标准来。现在只能一般性地、几乎是按两份规范自己提的原则，来分拆我找到的问题。提到的部件后面都附有它在规范中的序号，方括号内是13000.1字符集部件规范的序号，圆括号内是常用字部件规范的序号（音序号）。

（一）、第一个规范中一些古怪的部件，本不该拆分出来。例如鼎₆₈[499]；它不能独立成字，且只在一个鼎字中出现，不如直接把鼎字作为部件。是因为“相离可拆”必须拆吗？如果是这样，将有很多部件应该进一步拆分了。是因为目字已成为部件必须拆除，即部件中不允许包含别的部件？那么至少系₂₆ [31]、言[61]、衣[84]、石[94]等等都应该进一步拆分。因为常用的单一笔画也成为部件了，因此要进一步拆分的会很多。实际上把汉字拆分为部件的目的，是要由少量的部件，能组出大量的汉字。无论对于输入编码和笔画组字，选取部件的第一标准应该是构字数大，构字数很小，尤其是构字数为1的，不如直接用这个汉字。

属于同一情况的还有部件报₄₂[247]、亙₂₄[23]、顾₃₂[131]、鼠₇₇[255]、鬲₇₄[370]、繭₄₃[539]等。另外，兩₁₄[368]、丞₃₃[490]、脊₁₄[290]也应该避免拆分。因为部件是按上下、左右和嵌套结构组字的，嵌套结构中一般只有左上、右上、左下等几种包围结构；而没有像左右夹裹这种更复杂的嵌插，这在部件组字时一定是不可取的。脊₁₄在常用字部件里也有，被称为率字腰（357）。常用字部件规范第5节（5.1.7），说乘裹兩字也要拆分，同样不妥。另外，常用字部件中有部件丘（294），不知为什么还要兵（24）、乒（25）、乓（26）。

（二）、另一方面，第一个规范中缺少许多必须要的部件。在第二规范中有它们，没有它们许多字就组不出来。例如血（420）或衅₁₆，第一规范中可能把它看成是由撇和皿组成，它是作为皿[114]的例字的。但是白[108]、自[263]却没有把撇画拆分出来。是因为他们的构字数高？好像不是，至少白[108] 的构字数是不会很高的。按第二规范中列的数据，白、自、血的构字数分别为40，8，3。血字拆分了，自字为什么不拆？

如果说第二规范中的部件奥（3）、拜₅₅（8）、鹤_1a（149）、屰（262）、养₁₇（448）、路₁₇（537）、�n（539），可以由第一规范中的其他的部件组成，那么以下部件是不易由其他部件组成的：1). 少（322）、卵（235）、叉（41）。这三个如果分别由步₅₃[318]、卯[426]、又[46]加点组成，它们算什么结构？2). 半（9）、夹（178）、卷₁₆（206）、尞₁₅（225）、伞（314）、啬₁₅（315），要把两点嵌入夫，大，十，土等字的两腰之内，更不可取了。

（三）、GB13000.1字符集部件规范是按构字数降序排列的，但没公布构字数数据。即使知道了构字数，也记不住，不能用来查找。为什么不像GB13000.1字符集本身，按笔画序排列呢？常用字部件规范以音序作为主序，也很不妥当，不如用笔画序。虽然第二份规范附有按笔画数的列表，但笔画数相同的还是没有按一种笔画序排列，部件多，难寻找。音序是按部件的读音或称呼名拼音排序。许多部件没有读音，或读音不为一般人知道，虽然创用了X字头、X字角等通俗称呼，由于选取这个代表字（即X）没有形成约定，代表字一变，称呼就变了。更严重的是，许多部件实际上不是严格地按称呼的第一个字的拼音排。例如：扌（346，提手）、拜₁₄（347，掰bai字旁）按手字音；红₁₃、糸（368，369绞丝）按丝字音；忄（423，竖心）、�^（424，恭字底）按心字音；玩₁₃（496，斜玉：为什么不叫斜王）按玉字音。儿（303er）、亻（304）、乞₁₂（305，卧人）、负₁₂（306，负字头f）都排在r之内，美₁₆（446，美字头m）、变₁₆（470，变字头b）为什么都在y之后。308 – 311号部件肉、月、肖₄₄（肖字底）、然₁₄（然字角），其首音字母应为ryxr；362 – 365的水（水字底）、益₁₅（益字头）、犀₄₅（犀字腰）、司，首音字母为syxs；512 – 516的止、降₆₃（降下角）、是₅₅（是字底）、步₅₃（步字底）、至，首音字母为zjsbz；537 – 540的路₁₇、疋、�n（疏字旁）、左，首音字母为zpsz；为什么都排在一起？

（四）、有一些部件，在它作字左的偏旁时，最后一笔常发生变化，叫变笔、变体，如木字旁最后一笔捺改为一点。在第一个规范里，按它所列的例字看，既包括正体，也包括变体，可见是把他们看作同一部件的。在常用字部件规范里，有12对这样的部件是合在一起的，同时又有8对却分开成为16个不同的部件。如果说因为构字数太多把它们分开，构字数小时则合成为一个部件，那还有些道理。而事实上却把构字数很大的合在一起了：如木（254）、土（380）、禾（148）、火（164）的构字数高达205、121、64、59。相反的被分为两个部件的，大部分构字数很小，如半（9）和判₁₅（10），亦（469）和变₁₆（467），疋（538）和�n（539）这三对，每对合起来的构字数都是9。被分开的8对还有金（189）和钊₁₅（190），辛（425）和辣₁₇（426）、羊（445）和羚₁₆（447）、王（386）和玩₁₃（496），足（536）和路₁₇（537）。合在一起的另外8个字根是车和轩₁₄（46）、耳和耿₁₆（99）、工和攻₁₃（129）、米和粘₁₆（246）、牛和牡₁₄（267）、舟和航₁₆（521）、子和孙₅₃（531）。实际上还要加血和衅₁₆（426），只是表中漏列衅₁₆，一眼看不出来。

（五）、最后，还要说明一点。我们说常用字部件规范声明是继承了第一个规范的原则，是因为文件第1节有一句“《信息处理用GB13000.1字符集汉字部件规范》（GF 3001—1997）的汉字拆分、归纳原则，在本规范的制定中具有延续性。”实际上它们有许多是完全不同的，怎么理解它说的“拆分、归纳原则”的“延续性”呢？最明显的是：第二个规范第5节（5.1.5）说“隶―――不可拆分”，但第一个规范中就有部件隶₁₄[204]，且以隶字为唯一的例子。这是不是说明，在同一原则下，拆分还是随意的。

2004．9．25