用上下文无关语法来描述汉字结构1冯志伟.pdfVIP

载《语言科学》，第 5 卷，第 3 期，p14-23 ，2006 年 5 月 用上下文无关语法来描述汉字结构1 冯志伟 教育部语言文字应用研究所 北京 100010 提要 上下文无关语法(简称 CFG)在自然语言的句法自动分析中已经得到广泛的应用。 本文使用这种 CFG 语法来分析和描写汉字的结构，以部件作为汉字结构的枢纽，把 汉字部件的 11 种结构方式看成 CFG 中的非终极符号，把末级部件看成 CFG 中的终极 符号，使用树形图及其等价的括号表达式成功地对汉字的结构进行了形式描述。 关键词 上下文无关语法 部件 末级部件 汉字结构 树形图 括号表达式 1 部件是汉字结构的枢纽 汉字可以分为独体字（single character ）和合体字（compound character ）两类。 独体字在字形结构上分解不出几个相离的部件而只能分解出笔画。例如，“甘、手、 亦”。合体字是由两个或两个以上的部件组合而成的字。例如“休”字由“亻”和“木” 两个部件组成，“霜”由“雨”、“木”和“目”三个部件组成。合体字的结构可以 分为三个层次：第一个层次是合体汉字本身，第二个层次是组成这个合体字的部件 （component ），第三个层次是组成部件的笔画（stroke ）。 在汉字形体结构的三个层次中，部件是枢纽性的一环，是汉字形体结构的核心。 从汉字的发展历史来看，古人有所谓“独体为文，合体为字”的说法。东汉许慎 在《说文解字》第十五中说：“仓颉之初作书，盖依类象形，故谓之文，其后形声相 益，即谓之字。文者，象物之本，字者，言孳乳而浸多也。”[1]在这段话中，许慎明 确地把“文”与“字”区别开来，认为“字”是由象形的“文”孳乳繁衍出来的。可 见，造字的历史，不是先造笔画，再造部件，然后再造出整个的汉字，而是先造出了 一些象形的“文”，这些“文”又作为部件繁衍而成为数量众多的合体的“字”。例 如，由“日”和“月”这两个象形的文，用会意的方法合成“明”这个合体字。至于 笔画系统的形成，那是进入隶书阶段以后的事情，汉字形体的新陈代谢是一种笔势的 变革，除了草书和简化字之外，基本上不是结构本身的变革。由此可见，由单体的“文” 到合体“字”，是合乎汉字发展规律的，所以，研究汉字的形体结构，应当从部件入 手，这样才可能抓住问题的关键，做到纲举目张。 从汉字的现状来看，自从汉字形成了平直的笔画系统和方正的方块体系之后，部 件具有承上启下的作用，它一方面由几个简单的笔画构成，另一方面又进一步构成成 千上万个汉字。部件处于枢纽的地位，把笔画与汉字联系起来，成了汉字形体结构的 核心。部件总数只有几百个，合成一个汉字时，只需要为数不多的几个部件，把部件 分解为笔画，得出的笔画数目也不多。如果我们不要部件这个承上启下的枢纽，直接 把汉字分解为笔画，所得的笔画数目会很多，排列起来犹如一个长蛇阵，不容易说清 楚其中的序列关系。例外，部件具有固定的形体，大多数部件有一定的含义，许多部 1 本文得到国家社会科学基金（项目批准号 03BYY019 ）的资助。 1 件还有明确的称读，在性质上与汉字比较接近，有的部件同时也就是独体汉字，远较 笔画优越。 因此，部件应该是汉字形体结构研究的中心内容。我们在研究汉字结构的形式化 描述时，一定要充分重视部件的这种枢纽作用。 2 汉字结构与上下文无关语法 如果一个部件再继续分解就成为笔画，那么，就说明这个部件已经不能再继续分 解为更小的部件，这样的部件叫做末级部件（primitive component ）。独体字再继续分 解就是笔画，因此，独体字也可以看成是由一个末级部件组成的汉字。从这个意义上 说，所有的汉字（包括独体字与合体字）都是由末级部件组合而成的。 例如，“霜”字首先可以分解为“雨”和“相”两部分，其中，“雨”是独体字， 属于末级部件，再继续分解就成了笔画，而“相”是合体字，还可以进一步分解为末 级部件“木”和“目”。我们可以用树形图（tree graph ）表示如下： 霜 第一次分解 雨