中英文的比較

　　英文是世界上最普及通用的拼音文字，當前的計算機都是以它作為基礎語言的。中文（漢字）是世界上使用人數最多的象形文字，它最古老而獨特，一度曾被認為不適於信息處理而必須淘汰，後來卻發現它更為有效，將是未來應用最廣的。我們研究比較這兩種文字，目的是：進一步明確漢字的優缺點以便揚長避短，讓漢字也能作為計算機的基礎語言，創造出真正的漢字電腦。本文將從兩方面進行比較研究。性能上的比較會使我們堅信漢字的優越性，結構上的比較將幫助我們找到把漢字植根於電腦的方法。甲、性能上的比較:壹、漢字的短處　　一般都認為，英文只要學會２６個字母及相應的音素，會拼音，就學會了讀寫，不是文盲了，所以學文化很容易，花一個月的工夫就夠了。中文則不那麼簡單，至少要學會幾千個方塊漢字。而每個字形狀複雜，沒有確切的讀音信息，且一字多音，一音多字，即所謂漢字有「三多五難」（字數多，筆畫多，讀音多；難認、難讀、難寫、難記、難用）。中國孩子要花６～１２年的時間學漢字，太落後了，以至連魯迅都說「漢字不滅，中國必亡」。於是從二十世紀三十年代起開始推廣拼音新文字，據試驗，也只要個把月工夫，就可以寫信了。　　事實當然不完全象上面說的。中國兒童在中小學裡並不是只學漢字，而拼音文字也不是只要一個月工夫就可學好的。學幾天拼音，能拼出幾句中國話，別人看了，百分之七八十都能猜出大意，這十可能的。但說要能基本掌握一種文字，這是不可能的。只要想一想，方言重的人學普通話，中國人學英文有多麼困難，有些人花幾年幾十年時間都學不會，就可以明白了。說英語的人，學英文也同樣不容易。英語專業自學考試課本《綜合英語I（1）》第４課是美國著名演員悉尼談他學英文的故事。他花了半年工夫跟人學讀英文報紙，以後還經常練習，才學會念台詞。　　分析起來，漢字是由３０種左右的筆畫（遠比英文字母２６＊２＝５２種少）組成的，先組成２００～６００種字根（字元、偏旁、部首，相當於英文的字干、前綴、後綴），再由它們組成漢字。漢字對應英文字，漢字字典收字最多的是《中華字海》，達８５０００個，而學生用英文小字典中的英文字都在２萬以上。《新英漢字典》收字已達８００００，英文字總數應遠遠超過漢字數目。　　漢字唯一的缺點是，缺乏讀音信息，所以有時候會懂一個字的意義，而讀不出或讀不準發音。英文的字母或字母組與音素也不是一一對應，在諸多拼音文字中，發音規則複雜，也會讀錯，不過比漢字要好得多。漢字只有近一半有聲旁（８０％有偏旁，其中一半以上是聲旁）。漢語只有４１７個音節（１３６９個不同的音調節），８４％的音節有聲旁，但只有２成聲旁是唯一的，８成有２個以上不同形的聲旁，甚至有１０～２９個不同的聲旁。因為漢語音節總數只有４００來個，每個平均有３個聲旁，只要認識１０００來個聲旁，如果准許「秀才認字讀半邊」，則所有字就都可以讀得出了。但問題是有一半多漢字的偏旁不是聲旁，硬要「讀半邊」就讀錯了。非關鍵字讀錯了不影響交流，多數人長期錯讀，甚至會改變該字的讀音。所以我提議讓「讀半邊」合法化，同時盡量減少多音字，降低錯讀率，提高漢字的語音信息量。以前的文字改革只在簡化字形上下工夫，沒有在讀音上動手術。我覺得在這方面也應該有文章可做，準備在另一個地方討論。　貳、漢字的優勢　　除了上面這個短處外，其他都是漢字佔優勢。在漢字輸入瓶頸解決之前，認為漢字不適於信息處理，而現在看得出來的以下優點，主要的是第一條、第三條，反而是在信息處理中更能顯出其優勢：　　①.漢字含的信息量大，效率高。計算信息量的大小有一個數學函數：熵Ｈ＝－ΣPilog2Pi，這裡Pi是事件集合中事件i的出現概率。把漢字和英文字母作為各自的事件集合，其信息量分別為9.71和4.03。雖然漢字高出英文一倍以上，但將幾千漢字和幾十個字母作比較是不恰當的。對詞的概率分布進行計算。漢字詞的信息量為11.46，英文詞（字）則為10.0，不過漢字詞的劃分還是有人為的音素。最形象的比較是：在聯合國的同樣內容的文件中，中文的總比英文的薄得多。隨便拿一本中英對照的書翻一翻,都是英文部分比中文部分厚得多。我進行過統計，一般每頁的行數，中、英文是一樣的；每行的漢字數是英文字母數的一半；在電腦存儲時，一個漢字正好要佔兩個字母的空間。統計結果是，英文的頁數是中文的1.4倍。在電腦中，英文文件要比同內容的中文文件大1.4倍。這樣，中文的存儲效率高，傳輸和處理的速度也就快。　　②.閱讀中文比英文快，用中文進行思考快。按上條可知，用同等大小的字體排印的印刷品，英文的行數比中文行數多1.4倍。另外，英文是拼音文字，必須把線性排列的字母在腦子裡拼成聲音才能理解。而漢字是整體的：閱讀時多不必把它化成聲音，常常掠一下字形就了解其含義，讀得快時被形容成一目十行。所以閱讀同樣內容的文件，速度應快1.4倍以上，用中文進行思考也會快這麼多（有文章說達1.6倍）。趙元任先生早就做過試驗，用英文背九九表（乘法口訣）要花４５秒，而用中文只要３０秒，快一倍半。　　由於閱讀中文快，用中文思考快，想必電腦識別、理解中文也應該快。單從中文存儲、傳輸效率高這點看就應該如此，雖然尚未見到試驗報告。深入分析中文的這種高效率的根源，是在於漢字的雙位元組代碼。因為漢字不能拆分為字母來顯示，只能為每個漢字置一個顯示字模和一個兩位元組的代碼（內碼）。如果也為每個英文字置一個代碼，常用的（大學生用字典）英文字大約有１～２萬個，所以也可以用兩個位元組的代碼。英文字平均長度是4.64個字母，用雙位元組代碼來存儲，就可壓縮一倍以上，這樣一來，英文的存儲傳輸效率反過來成為中文的1.4倍。但是中文的印刷頁比英文少，閱讀快等客觀屬性，是不能用電腦存儲機制的改變來改變的。③.英文的縮略語比起中文的簡稱來，難記，易搞混。隨著社會的發展，概念，因而相應的名詞也增多，專有名詞也越來越長，使用起來太笨拙。英文中就用組成該專有名詞的英文字首字母形成的縮略詞來代替，中文中則採用詞的首字形成簡稱。因為漢字有幾千，簡稱不易重複，詞短，音節少，容易推出其全稱。英文首字母只有２６種，所以縮略詞易重複，詞雖短，個別情況下讀音卻不一定短，由縮略詞難以推出正確的全稱，容易搞錯。我隨機抽查了一本《英漢縮略語詞典》當中的５３２個詞條，無重複釋義的只佔67％，即三分之一縮略詞有２個以上的釋義（全稱），10％以上的縮略詞有５個以上的釋義，只能在特定環境、特定上下文中才有確定的含義。奇怪的是，現在中文報刊，特別是計算機報刊，也喜歡夾用英文縮略詞，一篇文章中這種縮略詞太多，何況有許多縮略詞是新誕生的，沒有詞典可查，也猜不透它的含義，全篇文章就看不懂了。為什麼不使用中文簡稱呢？④.漢字能無限的發展，學漢字能提高智商。中文的簡稱與多字詞無形式上的差別，直接變成普通詞。英文縮略詞則難以變為普通辭彙，因為不是任何字母組合都可以成為有一定讀音的英文字，而一定長度內的英文字數是有限的。電腦源程序中常出現很長的夾雜著大寫的英文字，很笨重，只能在這特定情況下用。縮略詞的混亂上面已說過，這一切表明，英文發展進程中已出現了困難。中文就沒有類似情況，創造新詞和新字的空間還很大。交談時，新名字要求用短音節，萬一有歧義，可補充說明，而寫到紙面上,則總可以用不同的詞或字。人類的感官接受信息最多的是視覺，其次是聽覺。聽覺可區別聲波的線性序列，視覺能鑒別形狀的平面分布。文字的作用是把聽覺信號轉變為視覺信號，本應發展提高。但拼音文字維持信號的線性次序，是限制了自己的提高。據研究，幼兒早學漢字，可以提高智商（參見《漢字優勢與幼兒教育》）。我們的左腦管語言和邏輯思維,使用字母線性排列的拼音文字時,只使用左腦。使用中文就要同時使用管形象思維的右腦，因為左右腦一起用，所以效率高，智商也得到發展。⑤.漢字和中文的藝術表現力強。只有漢字有發達的書法藝術，拼音文字幾乎沒有。中文的詩詞歌賦等文學藝術形式，英文中沒有哪種形式可以比得上，有些形式，例如對聯、歇後語、字謎等，英文中甚至沒有類似的。有人認為，中國之所以沒有得到諾貝爾文學獎，不是沒有高水平得作品，而是因為難以把它們翻譯成英文。英文譯本不能傳達中文種包含的絢麗色彩，她所有的獨特韻味都被抹殺了，這不無道理。　　乙、結構的比較　　文字是記錄語言的。記錄下來的語言就成為文章。由它的最小的單位組織成的文章的過程中，有許多不同的層次。１９８５年我首次按這種結構層次，對中英文進行了比較，得出以下的對比表：　　文種　　　第０級（元素）　　　　　　　　　　　　　　第１級　　　　　第２級　　　　　第３西文（拼音）　音素和形素（字母）一一對應，數目少　　　音節，無顯界　　詞（字），有顯界　　句　　　　　　　３０～６０左右，有顯界中文（拼形）　形素（字元）和聲音非一一對應，數目多　　漢字，有顯界　　詞（２字以上者）　　句　　　　　　　約１００～６００個，無顯界　　　　　　　　　　　　　　　　　無顯界　　這裡所說的有無顯界，是指能否明顯而自然的分開。漢字的字元以及多字詞的劃分會因人而異，英文的音節的劃分也有類似情況，故定為無顯界。這張表中，劃在同一級中的兩種文字，都是有顯界對無顯界，現在看來是很不對的。現改為：文種　第0級有顯界　　　　　　第1級無顯界　　　　第2級有顯界　第3級無顯界　　第4級有顯界英文　字母共52種，熵＝4.03　字干、前綴、後綴　　英文字，熵＝10.0　　　片語　　　　　　句中文　筆畫約30種，熵＝3.43　字根、偏旁、部首　　漢字，熵＝9.7　　　　多字詞　　　　　句　　這張表的對應關係是很自然很明顯的。只有漢字的筆畫，過去研究得較少。對於我們中國人，筆畫的劃分是很清楚而一定的。不過筆畫的分類歸屬很不統一。簡單的幾乎只劃分為５種：橫豎點撇捺，並已用在漢字字典的檢索和電腦漢字筆畫碼輸入法中。實際上漢字筆畫有３０多種。表中所列的漢字筆畫的熵＝3.43，是我把筆畫分為２５種時統計計算的。為了使筆畫數接近英文字母數，我把一些筆畫歸併了，這使信息量降低了。這樣做不一定正確。關於筆畫的研究，我準備在另一篇文章中討論。另外，關於發音，英文字是多音節的。漢字是單音節的，關於漢字的發音信息，亦準備另寫一篇文章討論。　　現在按這張對比表，討論中英文的不同之處。英文的基本元素是字母，中文的基本元素是筆畫，筆畫遠比字母簡單。字母組成英文字時，字母是線形排列的。而筆畫組成漢字時，筆畫是在平面的兩個方向上按一定規則排列。利用空間的不同排列，簡單的筆畫組成了含信息量大，易於快速閱讀和準確辯識的漢字。這是漢字優勢所在之處。我們要研究漢字直接植根於電腦的方法，要研製功能更強的漢字電腦，就該從這裡著手。研究漢字的筆畫，總結筆畫形成平面漢字的規律，使筆畫直接組成漢字，不要龐大的字模字型檔。　　按上一節第②點後面的分析，完全排除字型檔加編碼的方法，也是不明智的。漢字的平均筆畫數為7.4，遠比英文字的平均長度4.64長。如果完全用筆畫序列來存儲漢字，則在存儲和傳輸效率上，將會比英文慢7.4/4.64=1.6倍。而且用筆畫碼逐碼輸入，其速度也將會變得不能容忍。所以應該有一個常用字型檔，不過其顯示字模是由筆畫組成的，所以占內存很小。原來開發的各種編碼輸入法仍然有用，只是常用字型檔可以只有一級字型檔那麼大，各種輸入法更可以簡化，降低重碼率。至於對使用頻率很小的非常字，則用筆畫輸入，並直接以筆畫碼或字元碼存儲。這樣雙管齊下，漢字就能保持高效率和高活力，能適應一切情況和未來的發展。
推薦閱讀：