[转帖]中英文的比较

SuperCFO

　　英文是世界上最普及通用的拼音文字，当前的计算机都是以它作为基础语言的。中文（汉字）是世界上使用人数最多的象形文字，它最古老而独特，一度曾被认为不适于信息处理而必须淘汰，后来却发现它更为有效，将是未来应用最广的。我们研究比较这两种文字，目的是：进一步明确汉字的优缺点以便扬长避短，让汉字也能作为计算机的基础语言，创造出真正的汉字电脑。本文将从两方面进行比较研究。性能上的比较会使我们坚信汉字的优越性，结构上的比较将帮助我们找到把汉字植根于电脑的方法。

　　甲、性能上的比较:

　　壹、汉字的短处

　　一般都认为，英文只要学会２６个字母及相应的音素，会拼音，就学会了读写，不是文盲了，所以学文化很容易，花一个月的工夫就够了。中文则不那么简单，至少要学会几千个方块汉字。而每个字形状复杂，没有确切的读音信息，且一字多音，一音多字，即所谓汉字有“三多五难”（字数多，笔画多，读音多；难认、难读、难写、难记、难用）。中国孩子要花６～１２年的时间学汉字，太落后了，以至连鲁迅都说“汉字不灭，中国必亡”。于是从二十世纪三十年代起开始推广拼音新文字，据试验，也只要个把月工夫，就可以写信了。

　　事实当然不完全象上面说的。中国儿童在中小学里并不是只学汉字，而拼音文字也不是只要一个月工夫就可学好的。学几天拼音，能拼出几句中国话，别人看了，百分之七八十都能猜出大意，这十可能的。但说要能基本掌握一种文字，这是不可能的。只要想一想，方言重的人学普通话，中国人学英文有多么困难，有些人花几年几十年时间都学不会，就可以明白了。说英语的人，学英文也同样不容易。英语专业自学考试课本《综合英语I（1）》第４课是美国著名演员悉尼谈他学英文的故事。他花了半年工夫跟人学读英文报纸，以后还经常练习，才学会念台词。

　　分析起来，汉字是由３０种左右的笔画（远比英文字母２６＊２＝５２种少）组成的，先组成２００～６００种字根（字元、偏旁、部首，相当于英文的字干、前缀、后缀），再由它们组成汉字。汉字对应英文字，汉字字典收字最多的是《中华字海》，达８５０００个，而学生用英文小字典中的英文字都在２万以上。《新英汉字典》收字已达８００００，英文字总数应远远超过汉字数目。

　　汉字唯一的缺点是，缺乏读音信息，所以有时候会懂一个字的意义，而读不出或读不准发音。英文的字母或字母组与音素也不是一一对应，在诸多拼音文字中，发音规则复杂，也会读错，不过比汉字要好得多。汉字只有近一半有声旁（８０％有偏旁，其中一半以上是声旁）。汉语只有４１７个音节（１３６９个不同的音调节），８４％的音节有声旁，但只有２成声旁是唯一的，８成有２个以上不同形的声旁，甚至有１０～２９个不同的声旁。因为汉语音节总数只有４００来个，每个平均有３个声旁，只要认识１０００来个声旁，如果准许“秀才认字读半边”，则所有字就都可以读得出了。但问题是有一半多汉字的偏旁不是声旁，硬要“读半边”就读错了。非关键字读错了不影响交流，多数人长期错读，甚至会改变该字的读音。所以我提议让“读半边”合法化，同时尽量减少多音字，降低错读率，提高汉字的语音信息量。以前的文字改革只在简化字形上下工夫，没有在读音上动手术。我觉得在这方面也应该有文章可做，准备在另一个地方讨论。

　　贰、汉字的优势

　　除了上面这个短处外，其他都是汉字占优势。在汉字输入瓶颈解决之前，认为汉字不适于信息处理，而现在看得出来的以下优点，主要的是第一条、第三条，反而是在信息处理中更能显出其优势：

　　①.汉字含的信息量大，效率高。计算信息量的大小有一个数学函数：熵Ｈ＝－ΣPilog2Pi，这里Pi是事件集合中事件i的出现概率。把汉字和英文字母作为各自的事件集合，其信息量分别为9.71和4.03。虽然汉字高出英文一倍以上，但将几千汉字和几十个字母作比较是不恰当的。对词的概率分布进行计算。汉字词的信息量为11.46，英文词（字）则为10.0，不过汉字词的划分还是有人为的音素。最形象的比较是：在联合国的同样内容的文件中，中文的总比英文的薄得多。随便拿一本中英对照的书翻一翻,都是英文部分比中文部分厚得多。我进行过统计，一般每页的行数，中、英文是一样的；每行的汉字数是英文字母数的一半；在电脑存储时，一个汉字正好要占两个字母的空间。统计结果是，英文的页数是中文的1.4倍。在电脑中，英文文件要比同内容的中文文件大1.4倍。这样，中文的存储效率高，传输和处理的速度也就快。

　　②.阅读中文比英文快，用中文进行思考快。按上条可知，用同等大小的字体排印的印刷品，英文的行数比中文行数多1.4倍。另外，英文是拼音文字，必须把线性排列的字母在脑子里拼成声音才能理解。而汉字是整体的：阅读时多不必把它化成声音，常常掠一下字形就了解其含义，读得快时被形容成一目十行。所以阅读同样内容的文件，速度应快1.4倍以上，用中文进行思考也会快这么多（有文章说达1.6倍）。赵元任先生早就做过试验，用英文背九九表（乘法口诀）要花４５秒，而用中文只要３０秒，快一倍半。

　　由于阅读中文快，用中文思考快，想必电脑识别、理解中文也应该快。单从中文存储、传输效率高这点看就应该如此，虽然尚未见到试验报告。深入分析中文的这种高效率的根源，是在于汉字的双字节代码。因为汉字不能拆分为字母来显示，只能为每个汉字置一个显示字模和一个两字节的代码（内码）。如果也为每个英文字置一个代码，常用的（大学生用字典）英文字大约有１～２万个，所以也可以用两个字节的代码。英文字平均长度是4.64个字母，用双字节代码来存储，就可压缩一倍以上，这样一来，英文的存储传输效率反过来成为中文的1.4倍。但是中文的印刷页比英文少，阅读快等客观属性，是不能用电脑存储机制的改变来改变的。

　　③.英文的缩略语比起中文的简称来，难记，易搞混。随着社会的发展，概念，因而相应的名词也增多，专有名词也越来越长，使用起来太笨拙。英文中就用组成该专有名词的英文字首字母形成的缩略词来代替，中文中则采用词的首字形成简称。因为汉字有几千，简称不易重复，词短，音节少，容易推出其全称。英文首字母只有２６种，所以缩略词易重复，词虽短，个别情况下读音却不一定短，由缩略词难以推出正确的全称，容易搞错。我随机抽查了一本《英汉缩略语词典》当中的５３２个词条，无重复释义的只占67％，即三分之一缩略词有２个以上的释义（全称），10％以上的缩略词有５个以上的释义，只能在特定环境、特定上下文中才有确定的含义。奇怪的是，现在中文报刊，特别是计算机报刊，也喜欢夹用英文缩略词，一篇文章中这种缩略词太多，何况有许多缩略词是新诞生的，没有词典可查，也猜不透它的含义，全篇文章就看不懂了。为什么不使用中文简称呢？

　　④.汉字能无限的发展，学汉字能提高智商。中文的简称与多字词无形式上的差别，直接变成普通词。英文缩略词则难以变为普通词汇，因为不是任何字母组合都可以成为有一定读音的英文字，而一定长度内的英文字数是有限的。电脑源程序中常出现很长的夹杂着大写的英文字，很笨重，只能在这特定情况下用。缩略词的混乱上面已说过，这一切表明，英文发展进程中已出现了困难。中文就没有类似情况，创造新词和新字的空间还很大。交谈时，新名字要求用短音节，万一有歧义，可补充说明，而写到纸面上,则总可以用不同的词或字。人类的感官接受信息最多的是视觉，其次是听觉。听觉可区别声波的线性序列，视觉能鉴别形状的平面分布。文字的作用是把听觉信号转变为视觉信号，本应发展提高。但拼音文字维持信号的线性次序，是限制了自己的提高。据研究，幼儿早学汉字，可以提高智商（参见《汉字优势与幼儿教育》）。我们的左脑管语言和逻辑思维,使用字母线性排列的拼音文字时,只使用左脑。使用中文就要同时使用管形象思维的右脑，因为左右脑一起用，所以效率高，智商也得到发展。

　　⑤.汉字和中文的艺术表现力强。只有汉字有发达的书法艺术，拼音文字几乎没有。中文的诗词歌赋等文学艺术形式，英文中没有哪种形式可以比得上，有些形式，例如对联、歇后语、字谜等，英文中甚至没有类似的。有人认为，中国之所以没有得到诺贝尔文学奖，不是没有高水平得作品，而是因为难以把它们翻译成英文。英文译本不能传达中文种包含的绚丽色彩，她所有的独特韵味都被抹杀了，这不无道理。

　　乙、结构的比较

　　文字是记录语言的。记录下来的语言就成为文章。由它的最小的单位组织成的文章的过程中，有许多不同的层次。１９８５年我首次按这种结构层次，对中英文进行了比较，得出以下的对比表：

　　文种　　　第０级（元素）　　　　　　　　　　　　　　第１级　　　　　第２级　　　　　第３

　　西文（拼音）　音素和形素（字母）一一对应，数目少　　　音节，无显界　　词（字），有显界　　句

　　３０～６０左右，有显界

　　中文（拼形）　形素（字元）和声音非一一对应，数目多　　汉字，有显界　　词（２字以上者）　　句

　　约１００～６００个，无显界　　　　　　　　　　　　　　　　　无显界

　　这里所说的有无显界，是指能否明显而自然的分开。汉字的字元以及多字词的划分会因人而异，英文的音节的划分也有类似情况，故定为无显界。这张表中，划在同一级中的两种文字，都是有显界对无显界，现在看来是很不对的。现改为：

　　文种　第0级有显界　　　　　 　第1级无显界　　　　第2级有显界　 第3级无显界　　第4级有显界

　　英文　字母共52种，熵＝4.03　 字干、前缀、后缀　　英文字，熵＝10.0　 　　词组　　　　　　句

　　中文　笔画约30种，熵＝3.43 　字根、偏旁、部首　　汉字，熵＝9.7　　　 　多字词　　　　　 句

　　这张表的对应关系是很自然很明显的。只有汉字的笔画，过去研究得较少。对于我们中国人，笔画的划分是很清楚而一定的。不过笔画的分类归属很不统一。简单的几乎只划分为５种：横竖点撇捺，并已用在汉字字典的检索和电脑汉字笔画码输入法中。实际上汉字笔画有３０多种。表中所列的汉字笔画的熵＝3.43，是我把笔画分为２５种时统计计算的。为了使笔画数接近英文字母数，我把一些笔画归并了，这使信息量降低了。这样做不一定正确。关于笔画的研究，我准备在另一篇文章中讨论。另外，关于发音，英文字是多音节的。汉字是单音节的，关于汉字的发音信息，亦准备另写一篇文章讨论。

　　现在按这张对比表，讨论中英文的不同之处。英文的基本元素是字母，中文的基本元素是笔画，笔画远比字母简单。字母组成英文字时，字母是线形排列的。而笔画组成汉字时，笔画是在平面的两个方向上按一定规则排列。利用空间的不同排列，简单的笔画组成了含信息量大，易于快速阅读和准确辩识的汉字。这是汉字优势所在之处。我们要研究汉字直接植根于电脑的方法，要研制功能更强的汉字电脑，就该从这里着手。研究汉字的笔画，总结笔画形成平面汉字的规律，使笔画直接组成汉字，不要庞大的字模字库。

　　按上一节第②点后面的分析，完全排除字库加编码的方法，也是不明智的。汉字的平均笔画数为7.4，远比英文字的平均长度4.64长。如果完全用笔画序列来存储汉字，则在存储和传输效率上，将会比英文慢7.4/4.64=16倍。而且用笔画码逐码输入，其速度也将会变得不能容忍。所以应该有一个常用字库，不过其显示字模是由笔画组成的，所以占内存很小。原来开发的各种编码输入法仍然有用，只是常用字库可以只有一级字库那么大，各种输入法更可以简化，降低重码率。至于对使用频率很小的非常字，则用笔画输入，并直接以笔画码或字元码存储。这样双管齐下，汉字就能保持高效率和高活力，能适应一切情况和未来的发展。