|
我把五万首唐诗拆成字，排第一的字不是“月” 五万首唐诗，拆成一个一个字，哪个字出现得最多？ 我把《全唐诗》的电子文本拉下来，58 个文件、五万七千多首诗，逐字跑了一遍。答案不是“诗”，不是“情”，也不是“月”。排第一的是“不”。 第一名是“不” 统计只用了一个口径：把每首诗里的汉字挑出来，数。标点、空格、数字都不算。 名次 字 出现次数
1
2
3
4
5
6
7
8
9
10 前十名里，一半是日常说话顺手的字：不、一、有、来、中。它们不漂亮，但好用，出现在几乎每一句诗的关节处。 发现一：诗人各有各的“标签字” 有人说李白爱月、王维爱山、白居易爱酒。这几句话在读者里传了很久，正好能拿数据验一遍。为了避免白居易诗多就“占便宜”，下面统一折算成每千字出现次数： 字 李白 杜甫 白居易 王维 李商隐
月
山
酒
云
春
江 三个印象，一个坐实，两个翻了车：
- 坐实的是“山”。密度排第一的是王维，每千字 9.2 次，比第二名的李白高出一大截，“诗中有画”不是虚名。
- 翻车的是“月”。“月”密度排第一的确实是李白，每千字 6.0 次，他一个人写了 533 个“月”，可在李白自己的诗里，“月”还不如“山”（6.9），也不如“云”（6.6）。
- 翻车的还有“酒”。“酒”密度排第一的是白居易，3.4，可在他自己的诗里，“酒”还不如“春”（4.6），也不如“月”“山”（都 3.9）。这个“爱酒”的印象，一半来自他真的写酒，一半来自别人写得更少。
表里还冒出一个不在意料中的字。“江”密度排第一的是杜甫，5.3，比第二名高出一大截，他一个人写了 568 个“江”。都记得他那句“月是故乡明”，可他诗里“月”的密度只有 2.2，跟王维并列垫底。他笔下真正密的，是江。 发现二：唐诗第一颜色，是“白”不是“红” 印象里唐诗色彩浓艳，红、绿、金堆在一起。真去数颜色字，画风是冷的： 颜色字 次数 名次
白
金
青
黄
红
碧
绿 “白”是“红”的两倍多，“青”也排在“红”前面。“红”和“黄”挤在 150 名开外，“绿”比“碧”还少。唐诗的颜色，底色偏冷。 发现三：写酒是写茶的十倍，可“剑”比“茶”还少见
- 酒 5353（第 110 名）
- 茶 467（第 1246 名）
- 剑 466（第 1248 名）
- 琴 1614（第 466 名）
“酒”是“茶”的十一倍多，这个不意外。意外的是“剑”：全书只出现 466 次，比“茶”还少一次，连“琴”的三分之一都不到。唐诗给人的印象是快意恩仇、仗剑天涯，可落到字面上，“剑”几乎可以忽略。 发现四：唐诗的情绪底色，是“思”不是“喜”
- 思 5734（第 91 名）
- 愁 4624（第 137 名）
- 醉 3184（第 209 名）
- 忆 2431（第 292 名）
- 悲 2410（第 296 名）
- 泪 2211（第 331 名）
- 恨 1996（第 368 名）
- 欢 1543（第 487 名）
- 喜 1526（第 490 名）
两点反直觉：一是“思”比“愁”多，唐诗的核心情绪与其说是愁，不如说是思念；二是“喜”“欢”垫底，比“恨”还少。这部诗选的情绪，整体是往下走的。 “五万首”这个数，自己就打架 上面这些统计都有个前提，是一个常被当成常识的数字：五万首。 它其实不牢靠。《全唐诗》是清康熙四十五年编成的，康熙给它写的序里说“得诗四万八千九百余首，凡二千二百余人”。这是编书人自己报的数。后来日本学者平冈武夫把这套书重数一遍，得到四万九千四百零三首，另外还有一千五百五十五条零句。再往后，今人陈尚君估计，算上历代遗漏和各处补辑，存世的唐诗大约有五万三千首。 同一部书，四万八、四万九，再往上到五万三，口径一层层往外扩。我们嘴里那句“五万首唐诗”，其实是一个没有精确来源的约数。 这个数还有个来路：这部书编得急。康熙四十四年设局，四十五年刻成，满打满算不到两年。书刚出来，学者朱彝尊就列了一张清单，说得补的诗目有一百四十九种。急就的书，数和字都难免带点毛刺。 数据说明 1. 语料：开源项目 chinese-poetry 的《全唐诗》电子文本，共 58 个文件、57607 首。该文本为繁体字形，“无”“风”“云”“为”“见”“长”等字按繁体统计。 2. 口径：逐字统计，标点、空格、年号里的数字都不计入；同一首诗里重复出现的字按次数累计。全套去标点后，汉字合计约 306.8 万个。 3. 与“五万首”的出入：本电子文本收录 57607 首，多于康熙序的 48900 余首，原因见正文那一节。 （完）
| 
辽公网安备21130202000468号
发表于 