張艷梅，呂 展

（1.武漢工程大學外語學院，湖北，武漢 430205；2.暨南大學華文學院，廣東，廣州 510610）

1.問題的提出

《現(xiàn)代漢語常用字表》是由國家語言文字工作委員會和國家教育委員會1988年1月26日聯(lián)合發(fā)布的，選字范圍從1928年至1986年，根據(jù)漢字在不同學科的分布和使用度，以漢字的使用頻率為主，也考慮了漢字的構(gòu)字能力和構(gòu)詞能力等因素等，最后共收錄了3500個漢字，包括常用字2500個，次常用字1000個。

2001年起，教育部、國家語委啟動了《通用規(guī)范漢字表》研制工作，至2013年正式發(fā)布?！锻ㄓ靡?guī)范漢字表》一級字表列出3500個常用漢字，在功能上替代《現(xiàn)代漢語常用字表》，旨在滿足基礎教育和文化普及層面的用字需要；二級字表，是使用頻度僅次于一級字表，主要滿足出版印刷、辭書編纂和信息處理等方面的一般用字需要；三級字表是對那些與人們?nèi)粘Ｉ蠲芮邢嚓P(guān)的專門領域用字的補充。

目前已有的相關(guān)漢字用字調(diào)查，較少從精簡漢字的角度去思考漢字改革中尚待解決的遺留問題。為便于代代新人的學習和漢字更好地走向世界，是否應該把34年前發(fā)布的《現(xiàn)代漢語常用字表》和近10年前發(fā)布的《通用規(guī)范漢字表》的3500個常用字表作一番檢驗？使它更加切合當代漢字的使用現(xiàn)狀，也更加有利于當下語文教育的提高和語文應用的規(guī)范，使語文工作為語文生活和信息處理做出更大的貢獻。

2.研究過程

為了調(diào)查當前最新的漢字使用現(xiàn)狀，本文運用語料庫語言學、計量語言學的方法，采用Python爬取2021年《人民日報》與《光明日報》兩份報紙全年的新聞正文語料，建立語料庫，對其用字情況進行調(diào)查分析，并進一步統(tǒng)計分析2011年至2021年《中國語言生活狀況報告》（綠皮書）10余年《年度媒體用字總表》的漢字使用情況，得出1988年發(fā)布的《現(xiàn)代漢語常用字表》以及2013年發(fā)布的《通用規(guī)范漢字表》一級字表3500常用字數(shù)量需要精簡、字種需要更新、分級需要細化等結(jié)論。在此基礎上，根據(jù)字頻、覆蓋率、共用字等統(tǒng)計分析，建議設置2500常用字數(shù)量并進一步細化分級。

2.1 語料說明

（1）2021年《人民日報》與《光明日報》兩份報紙全年的新聞正文語料，采用Python爬取人民網(wǎng)（http：//paper.people.com.cn）和光明數(shù)字報網(wǎng)（https：//epaper.gmw.cn）語料，語料的分析不涉及圖文、廣告版塊、作者姓名等信息的用字情況。語料總字符次為67183474，漢字總字次為56037692，漢字字種數(shù)為7102。其中，《人民日報》部分的語料字符次為33046962，漢字總字次為27641211，漢字字種數(shù)為5791?！豆饷魅請蟆凡糠值恼Z料字符次為34136512，漢字總字次為28396481，漢字字種數(shù)為6931。

（2）自2005年教育部國家語委、國家語言資源監(jiān)測中心連續(xù)發(fā)布《中國語言生活狀況報告》（綠皮書）至今已有17年。其中，自2011年起每年都會根據(jù)上一年的媒體用字情況，將所有用字按照使用頻次由高到低排列形成《年度媒體用字總表》，對上一年的年度媒體用字情況進行監(jiān)控與總結(jié)。語料來自于各年度國家語言資源監(jiān)測語料庫，包括平面、有聲、網(wǎng)絡三種媒體。平面媒體來源于《人民日報》《光明日報》等國內(nèi)影響較大的15家報紙的年度全部文本；有聲媒體語料來源于電視臺、廣播電臺及融媒體欄目的節(jié)目轉(zhuǎn)寫文本；網(wǎng)絡媒體語料來自新浪、騰訊的新聞網(wǎng)頁。在此基礎上，我們進行計量分析，統(tǒng)計得出2010年至2020年10余年年度媒體總表的漢字總字次為10940610401，字種數(shù)為17055；各年度所用字種中均有大量頻次低于10的低頻字，即各年度媒體所用字種數(shù)中都有相當大一部分的低頻字、罕見字，即人們實際使用的中、高頻字種數(shù)并不多。

2.2 調(diào)查內(nèi)容

調(diào)查對象為2021年《人民日報》與《光明日報》正文中的漢字，以及2011年至2021年《中國語言生活狀況報告》的10余年《年度媒體用字總表》的漢字。調(diào)查項目有 “字種、字種數(shù)、頻次、頻率、覆蓋率”等。 “字種”指所調(diào)查語料中字形不同的漢字； “字種數(shù)”指所調(diào)查語料中字形不同的漢字個數(shù)； “頻次”指調(diào)查對象在調(diào)查語料中出現(xiàn)的次數(shù)； “頻率”指調(diào)查對象的頻次與整個語料所含調(diào)查對象總頻次的比值； “覆蓋率”指被調(diào)查語料內(nèi)指定調(diào)查對象占所有調(diào)查對象總量的百分比，其計算方法同 “累加頻率”①參見國家語言資源監(jiān)測與研究中心《中國語言生活狀況報告》（2013）中《語言資源監(jiān)測相關(guān)術(shù)語》，北京：商務印書館。。

2.3 調(diào)查方法

本文通過Python語言構(gòu)建爬蟲系統(tǒng)，將所需要的新聞文本語料爬取保存至本地，并建立語料庫。統(tǒng)計工具主要采用教育部語言文字應用研究所計算語言學研究室開發(fā)的字詞頻率統(tǒng)計工具（Corpus Word Frequency），以及暨南大學劉華教授開發(fā)的 “漢語助研”軟件，同時也采用Excel等相關(guān)可視化及批量數(shù)據(jù)統(tǒng)計工具。

2.4 調(diào)查結(jié)果分析

2.4.1 2021年《人民日報》與《光明日報》用字情況調(diào)查結(jié)果

（1）2021年《人民日報》與《光明日報》字種使用情況的調(diào)查分析

1）2021年《人民日報》與《光明日報》每月字種數(shù)使用情況

2021年《人民日報》與《光明日報》全部語料字符次為67183474，漢字總字次為56037692，漢字字種數(shù)為7102，所有用字按照使用頻次由高到低排列形成2021年兩報用字總表。其中，《人民日報》部分的語料字符次為33046962，漢字總字次為27641211，漢字字種數(shù)為5791；《光明日報》部分的語料字符次為34146512，漢字總字次為28396481，漢字字種數(shù)為6931。本文對2021年《人民日報》與《光明日報》中每一個月所用的字種數(shù)進行了分析，如圖1所示。

通過圖1，可以發(fā)現(xiàn)《人民日報》和《光明日報》每月所用的字種數(shù)大體上都比較均勻。尤其是《人民日報》，每月所用字種數(shù)在4222～4481之間波動，波動數(shù)值不大，月均所用字種數(shù)約為4298?！豆饷魅請蟆氛w而言所用字種數(shù)比人民日報要多一些，每月所用字種數(shù)在4553～5012之間波動，波動數(shù)值相對《人民日報》要大一些，月均所用字種數(shù)約為4864。

2）2021年12月《人民日報》與《光明日報》每日字種數(shù)使用情況

以2021年12月《人民日報》與《光明日報》的語料為調(diào)查對象，分析這一個月中兩報每日所用的字種數(shù)，來觀察具體每一天的用字情況。

2021年12月《人民日報》的語料中，字符次為2972787，漢字總字次為2510272，漢字字種數(shù)為4268，具體天數(shù)所用字種數(shù)情況如圖2所示。

據(jù)圖2，可以看出2021年12月《人民日報》每天所用的字種數(shù)并不多。例如12月4日，所用字種數(shù)為當月最少，1683個字種；12月22日所用字種數(shù)最多，2651個字種。整體上來看，每日所用的字種數(shù)在1683-2651之間波動，平均數(shù)約為2245，距離《通用規(guī)范漢字表》一級字表中3500常用字的數(shù)值差距較大。

圖1：2021年1月至12月《人民日報》與《光明日報》字種數(shù)使用情況

圖2：2021年12月《人民日報》字種數(shù)使用情況

2021年12月《光明日報》的語料中，字符次為2900088，漢字總字次為2466181，漢字字種數(shù)為4919，具體天數(shù)所用字種數(shù)情況如圖3所示。

圖3：2021年12月《光明日報》字種數(shù)使用情況

據(jù)圖3可以看出2021年12月《光明日報》每天所用的字種數(shù)相對于《人民日報》而言稍多一些，整體上在2074～2765之前波動。但每天所用的字種數(shù)仍不多，大多為2500左右，相對于《通用規(guī)范漢字表》一級字表中3500常用字的數(shù)值仍有一段距離。

其次，對于2021年12月《光明日報》所用字種數(shù)最多的12月31日進行單獨分析，此日所用字種中不同頻次范圍的字種數(shù)如表1所示。

表1：2021年12月31日《光明日報》不同頻次范圍的字種數(shù)

據(jù)表1，12月31日《光明日報》使用頻次為1的字種有568之多，約占當天總字種數(shù)2765的20%；使用頻次在2到10之間的字種數(shù)為1135，約占當天總字種數(shù)的41%；使用頻次在11到50之間的字種數(shù)為649，約占當天總字種數(shù)的23%；使用頻次大于50的字種數(shù)為413，僅占這一天總字種數(shù)2765的15%左右。據(jù)此可以發(fā)現(xiàn)，即使是2021年12月《光明日報》中使用字種數(shù)最多的一天，也有大量的字種出現(xiàn)頻率較低，實際上所用頻率較高的字種并不多。

（2）2021年《人民日報》與《光明日報》漢字覆蓋率與字種數(shù)的調(diào)查分析

表2顯示了2021年《人民日報》與《光明日報》語料中漢字覆蓋率與字種數(shù)之間的關(guān)系：238個字種可以覆蓋語料的60%，占總字種數(shù)的3.35%；508個字種可以覆蓋語料的80%，占總字種數(shù)的7.15%；829個字種可以覆蓋語料的90%，占總字種數(shù)的11.67%；2217個字種（占總字種數(shù)的31.20%）可以覆蓋語料的99%，剩下的1%覆蓋率則需要另外4885個字種來覆蓋。由此可見，人們?nèi)粘Ｊ褂玫母哳l漢字并不多，少數(shù)的高頻字便可以覆蓋大部分的語料，基本滿足語言文字使用需求，剩下的極小部分語料則需要大量的低頻字來補充。

表2：2021年《人民日報》與《光明日報》漢字覆蓋率-字種數(shù)統(tǒng)計

（3）2021年《人民日報》與《光明日報》各頻次段字種數(shù)的調(diào)查

為了了解2021年《人民日報》與《光明日報》各頻次段用字情況，本文對不同頻次范圍的字種數(shù)進行分析，如表3所示。

表3：2021年《人民日報》與《光明日報》不同頻次范圍的字種數(shù)

據(jù)表3，使用頻次在100以下的字種數(shù)為3415，約占總字種數(shù)7102的48%；使用頻次在100到1000之間的字種數(shù)為1578，約占總字種數(shù)的22%；使用頻次在1001到10000之間的字種數(shù)為1232，約占總字種數(shù)的17%；使用頻次在10000以上的字種數(shù)為877，約占總字種數(shù)的12%。使用頻次在1000以上的字種數(shù)為2109（約占總字種數(shù)的29%），據(jù)表2可知2217個字種可覆蓋語料的99%，因此這2109個字也可以覆蓋大部分語料，進一步說明人們?nèi)粘Ｋ璧母哳l字種數(shù)量不多。

（4）2021年《人民日報》與《光明日報》用字與《通用規(guī)范漢字表》一級字表（3500常用字）的比較

通過上文的2021年《人民日報》與《光明日報》用字情況調(diào)查，可以發(fā)現(xiàn)日常所需的高頻常用漢字數(shù)目其實并不多，《現(xiàn)代漢語常用字表》與《通用規(guī)范漢字表》所設置的常用字數(shù)（3500）應該可以精簡。

本文將《通用規(guī)范漢字表》一級字表（3500常用字）與2021年兩報用字總表中使用頻率在前3500的字種進行對比，發(fā)現(xiàn)3500一級字表中有412個字不在2021年兩報用字總表中的使用頻率前3500。也就是說，在當前的報刊媒體語言生活中，從2021年《人民日報》與《光明日報》用字情況看，這412個字使用頻率較低。

2.4.2 2021年兩報用字總表與綠皮書10余年《年度媒體用字總表》的比較

考慮到所選取的2021《人民日報》與《光明日報》語料量盡管已比較大，但可能仍有一定局限性，因此，本文進一步將以上《通用規(guī)范漢字表》一級字表獨用的412個字與教育部國家語委、國家語言資源監(jiān)測中心發(fā)布的《中國語言生活狀況報告》（簡稱 “綠皮書”）10余年《年度媒體用字總表》①按：綠皮書由教育部國家語委、國家語言資源監(jiān)測中心發(fā)布，2011年之后每年附上的都是上一年度《年度媒體用字總表》，對上一年的年度媒體用字情況進行監(jiān)控與總結(jié)。即：《中國語言生活狀況報告2011》中附上的是《2010年度媒體用字總表》，《中國語言生活狀況報告2012》中附上的是《2011年度媒體用字總表》，其余依次類推。對比。將綠皮書10余年《年度媒體用字總表》中每一年使用頻率前4000的字種進行統(tǒng)計排序，共獲得4362個字種以及這些字種在這10余年《年度媒體用字總表》中總的使用頻次和總文本數(shù)；在此基礎上，將所有字種按照使用頻次由高到低排列形成10余年媒體用字匯總表。然后，檢索上文提到的412個獨用字在10余年媒體用字匯總表中的的頻位①指某調(diào)查對象在頻次、頻率或頻級中的排位。參見國家語言資源監(jiān)測與研究中心《中國語言生活狀況報告》（2013）中的《語言監(jiān)測相關(guān)術(shù)語》，北京：商務印書館，2013。和出現(xiàn)頻次。結(jié)果證明，其與上文2021年《人民日報》與《光明日報》用字情況調(diào)查的統(tǒng)計結(jié)果是大體相符的，這412個字中約有82.76%的字使用頻率較低，并不位于10余年媒體用字匯總表使用頻率前3500。

（1）十余年綠皮書《年度媒體用字總表》漢字覆蓋率與字種數(shù)匯總分析

在以上基礎上，本文進一步深入統(tǒng)計分析2011年至2021年《中國語言生活狀況報告》（綠皮書）10余年《年度媒體用字總表》的漢字使用情況。這10余年語料字種數(shù)與覆蓋率關(guān)系總表，如表4所示：

表4：2010年至2020年綠皮書《年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

據(jù)表4可知，當覆蓋率達10%至80%時，2010年至2020年年度媒體用字的覆蓋率與字種數(shù)關(guān)系較為穩(wěn)定，各年所用的高頻字種數(shù)相差不大。當覆蓋率為10%時，2010年至2020年所用字種數(shù)在9至12之間波動；當覆蓋率為80%時，2010年至2020年所用字種數(shù)在557至601之間波動。當覆蓋率達90%之后，隨著覆蓋率的增加，各年對應使用的字種數(shù)數(shù)值相差逐漸變大。但總體而言，當覆蓋率為某一特定數(shù)值時，各年所使用的字種數(shù)相差不是很大，尤其是高頻字種數(shù)較為穩(wěn)定。

（2）十余年綠皮書《年度媒體用字總表》覆蓋率達10%至90%、99%時的共用字種分析

本文進而對各年度媒體用字的覆蓋率達10%至90%以及99%時所使用的字種進行了具體分析，發(fā)現(xiàn)存在很多共用字，如表5所示：

據(jù)表5可知，綠皮書10余年《年度媒體用字總表》中的高頻漢字亦非常穩(wěn)定、集中，存在大量的高頻共用字，當覆蓋率為80%時，各年共用字種數(shù)為500；當覆蓋率為90%時，各年共用字種數(shù)為812；當覆蓋率為99%時，各年共用字種數(shù)為2152。這些最常用字效用穩(wěn)定，文本覆蓋率高，是大眾10余年媒體語言生活中所使用的最高頻字。2152的數(shù)量不及一般認為的3500常用字。

表5：2010年至2020年綠皮書《年度媒體用字總表》各覆蓋率段共用字種數(shù)統(tǒng)計

（3）2021年兩報用字總表與綠皮書2019年、2020年《年度媒體用字總表》的漢字覆蓋率和字種數(shù)比較

將2021年兩報用字總表的用字覆蓋率和字種數(shù)情況與綠皮書近兩年的用字覆蓋率與字種數(shù)情況相比較，如表6所示：

表6：2021年兩報用字總表與綠皮書2019年、2020年《年度媒體用字總表》的漢字覆蓋率-字種數(shù)比較

據(jù)表6可知，由于2021年兩報用字總表的語料規(guī)模比綠皮書2019年、2020年《年度媒體用字總表》的語料規(guī)模小，三者在所用字種數(shù)上差別較大，但當覆蓋率為80%時，三者的所用字種數(shù)比例差別較小，分別是5.00%、5.08%、7.15%，標準差為0.99。因此，可以發(fā)現(xiàn)高頻漢字對文本的覆蓋能力十分穩(wěn)定，無論是在小規(guī)模語料還是在大規(guī)模語料中的使用頻率都很高；另一方面，也顯示出本文所得出的2021年兩報用字總表的漢字覆蓋率與字種數(shù)情況比較貼合綠皮書2019年、2020年《年度媒體用字總表》的用字覆蓋率與字種數(shù)情況，符合語言文字使用事實。

表7：周有光先生《現(xiàn)代漢字學發(fā)凡》中總結(jié)的漢字出現(xiàn)頻度不平衡規(guī)律

2.5 漢字效用遞減率與本文的調(diào)查統(tǒng)計結(jié)果比較

1980年周有光先生在《現(xiàn)代漢字學發(fā)凡》一文中總結(jié)出了漢字出現(xiàn)頻度的不平衡規(guī)律，大致如表7所示。

其后，周有光先生多次強調(diào)指出 “漢字的使用效率是很不平衡的。各家的頻率統(tǒng)計互有出入。斟酌于各家之間，得到如下的規(guī)律：最高頻1000字的覆蓋率大約是90%，以后每增加1400字大約提高覆蓋率十分之一。這叫做‘漢字效用遞減率’。”蘇培成先生《現(xiàn)代漢字學綱要》中進一步總結(jié)， “根據(jù)‘漢字效用遞減率’，2400個字種覆蓋率為99%，這可以作為常用字和最常用字的字量?！边@和本文當代漢字社會應用的實際情況調(diào)查結(jié)果，即2021年《人民日報》與《光明日報》的用字情況統(tǒng)計分析結(jié)果、《中國語言生活狀況報告》（綠皮書）2011～2021共10余年年度媒體用字匯總表統(tǒng)計分析結(jié)果是相符的。這說明，1988年發(fā)布的《現(xiàn)代漢語常用字表》和2013年發(fā)布的《通用規(guī)范漢字表》一級字表的3500常用字，數(shù)量需要精簡，分級亦需細化。

根據(jù)本文上文的字頻、覆蓋率、共用字等統(tǒng)計分析，或可將現(xiàn)代漢字的常用字限定于2500個之內(nèi)并進一步細化分級。 “最高頻1000字的覆蓋率大約是90%”，2500個字之內(nèi)或許還可切一條線：對于初學者（如小學到初中、外國人學中文），入門的1000字，亦或800-1000字作為其常用字或許就夠了。為更好、更直觀地說明此處 “2500個之內(nèi)”和入門級 “800～1000字左右”，本文將上文2021年《人民日報》與《光明日報》的用字情況統(tǒng)計分析結(jié)果繪制成散點圖如圖4所示：

圖4：2021年兩報用字總表覆蓋率和字種數(shù)調(diào)查的散點圖

表8：《2010年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

圖5：《2010年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線

為更深入地討論 “建議把現(xiàn)代漢字的常用字限定于2500個之內(nèi)”和入門級 “800～1000字左右”，本文進一步將上文對《中國語言生活狀況報告》（綠皮書）2011～2021共10余年《年度媒體用字總表》二度統(tǒng)計后的字頻、覆蓋率、共用字等統(tǒng)計數(shù)據(jù)進行列表，并繪制成散點圖如下：

（1）《2010年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表8和圖5。

（2）《2011年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表9和圖6。

（3）《2012年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表10和圖7。

（4）《2013年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表11和圖8。

（5）《2014年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表12和圖9。

（6）《2015年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表13和圖10。

（7）《2016年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表14和圖11。

（8）《2017年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表15和圖12。

（9）《2018年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表16和圖13。

（10）《2019年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表17和圖14。

（11）《2020年度媒體用字總表》中漢字覆蓋率與字種數(shù)之間的關(guān)系：詳見表18和圖15。

3.研究結(jié)論

周有光先生在《21世紀的華語和華文》中指出 “現(xiàn)代通用漢字有7000個，其中半數(shù)3500個是常用字。按照‘漢字效用遞減率’，最高頻1000字的覆蓋率是90%，以后每增加1400字提高覆蓋率十分之一。利用常用字，淘汰罕用字，符合漢字規(guī)律。與其學多而不能用，不如學少而能用。21世紀將出現(xiàn)一種‘千字文’加‘拼音’的‘基礎華語’，作為學習華語的入門教材?！A華語’對外國人學習華語最為有用。在21世紀的后期，講究效率的華人將把一般出版物限制在3500常用字范圍之內(nèi)①按：此處周有光先生提到的 “把一般出版物限制在3500常用字范圍之內(nèi)”與《通用規(guī)范漢字表》一級字表收字3500個常用漢字不是一回事：《通用規(guī)范漢字表》滿足出版印刷等方面的一般用字需要，是一、二級字表的6500字。具體來說，2013年正式發(fā)布的《通用規(guī)范漢字表》收字8105個，分為三級。一級字表即前文所說的3500個常用漢字，在功能上替代《現(xiàn)代漢語常用字表》，旨在滿足基礎教育和文化普及層面的用字需要。二級字表3000字，使用頻度僅次于一級字表，主要滿足出版印刷、辭書編纂和信息處理等方面的一般用字需要；一、二級字表的6500字，其作用相當于原1965年發(fā)布的、收字7000個、基本滿足當時出版印刷要求的《現(xiàn)代漢語通用字表》。三級字表1605字，是姓氏人名、地名、科學技術(shù)術(shù)語和中小學語文教材文言文用字中未進入一、二級字表，但在特定領域中較為通用的字，是對那些與人們?nèi)粘Ｉ蠲芮邢嚓P(guān)的專門領域用字的補充。，實行字有定量，輔以拼音?！北疚闹攸c討論的正是周有光先生此處提到的 “字有定量”問題（關(guān)于精簡漢字的方向和 “輔以拼音”的調(diào)查研究，我們將另文撰述）。

本文從當代漢字使用現(xiàn)狀、社會漢字使用情況調(diào)查來思考精簡漢字數(shù)量的問題。結(jié)論如下：

表9：《2011年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

圖6：《2011年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線

表10：《2012年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

圖7：《2012年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線

3.1 精減常用字表的數(shù)量

根據(jù)2021年《人民日報》與《光明日報》的用字情況調(diào)查，發(fā)現(xiàn)其日常用字的字種數(shù)并不算多，829個字便可覆蓋2021年《人民日報》與《光明日報》90%的語料，2217個字可覆蓋2021年《人民日報》與《光明日報》99%的語料，距離《通用規(guī)范漢字表》一級字表所設置的3500常用字數(shù)量有一定距離。因此，本文主張精簡常用字表的數(shù)量至2500字：兩報分析中，2500字能覆蓋語料的99.34%，能基本滿足人們的語言文字使用需求。

2011年至2021年綠皮書《年度媒體用字總表》反映的情況同樣如此：所使用的高頻字數(shù)量并不多。當覆蓋率為90%時，2010年至2020年所用字種數(shù)在877至972之間波動，共用字種數(shù)為812，即不到1000字的高頻字種可以覆蓋當年媒體用字語料的90%；當覆蓋率為99%時，2010年至2020年所用字種數(shù)在2247至2449之間波動，共用字種數(shù)為2152，數(shù)量遠不及一般認為的3500常用字數(shù)。

表11：《2013年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

圖8：《2013年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線

表12：《2014年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

表13：《2015年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

3.2 更新常用字表的字種

隨著時代的發(fā)展，1988年發(fā)布的《現(xiàn)代漢語常用字表》中的某些常用字在人們當前語言生活中使用頻率較低，如今算不上常用字了；《通用規(guī)范漢字表》一級字表（3500常用字）中有412個字位于《2021年兩報用字總表》使用頻率的3500之后。盡管《通用規(guī)范漢字表》一級字表僅對《現(xiàn)代漢語常用字表》更新了103個字，但剩下的3397個字從1988年沿用至今，更新的字種數(shù)量不多，占比不大。將《通用規(guī)范漢字表》一級字表與綠皮書10余年媒體用字總表使用頻次位于前3500的字種比較，亦發(fā)現(xiàn)《通用規(guī)范漢字表》一級字表中341字并不位于10余年媒體用字總表使用頻次的前3500。因此，本文認為仍有一部分字種需要更新，以更好地符合當前語言生活實際。

圖10：《2015年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線

表14：《2016年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

圖11：《2016年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線

3.3 細化常用字表的分級

根據(jù)2021年兩報用字總表與10余年媒體用字總表的漢字覆蓋率和字種數(shù)情況可以發(fā)現(xiàn)，不同頻次漢字的效用不同，漢字效用隨著使用頻率的增加而增大?！冬F(xiàn)代漢語常用字表》對于常用字的分級， “常用”和 “次常用”的二級劃分較籠統(tǒng)，各頻次漢字之間的使用頻率差別不明顯。因此，主張進一步劃分現(xiàn)代漢語常用漢字的常用等級，把現(xiàn)代漢字的常用字限定于2500個之內(nèi)并進一步細化分級；同時，對于初學者（如小學到初中、外國人學中文），2500個字之內(nèi)，或可再切一條800～1000字的線作為其常用字。

表15：《2017年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

綜上，本文運用語料庫語言學、計量語言學的方法，采用Python爬取語料，統(tǒng)計分析2021年《人民日報》與《光明日報》的用字情況，并和教育部國家語委、國家語言資源監(jiān)測中心發(fā)布的《中國語言生活狀況報告》（綠皮書）2011～2021共10余年《年度媒體用字總表》作比較，用當代漢字社會應用的實際情況說明，1988年發(fā)布的《現(xiàn)代漢語常用字表》和2013年發(fā)布的《通用規(guī)范漢字表》一級字表的3500常用字，數(shù)量需要精簡、字種需要更新、分級需要細化。在此基礎上，根據(jù)字頻、覆蓋率、共用字等統(tǒng)計分析，建議把現(xiàn)代漢字的常用字限定于2500個之內(nèi)并進一步細化分級。

圖12：《2017年度媒體用字總表》覆蓋率與字種數(shù)提升曲線

表16：《2018年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

圖13：《2018年度媒體用字總表》覆蓋率與字種數(shù)提升曲線

圖14：《2019年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線

表17：《2019年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

表18：《2020年度媒體用字總表》漢字覆蓋率與字種數(shù)統(tǒng)計

精簡漢字數(shù)量是當前漢字改革的主要矛盾，但至今沒有引起人們足夠的重視。本研究可謂是接過前人的接力棒，積極開展?jié)h字用字調(diào)查和計量分析，所用的調(diào)查方法和得出的相關(guān)結(jié)論，或可為將來《通用規(guī)范漢字表》的修訂、為基礎教育（含中小學語文基礎教育教材和對外漢語教材編寫用字）和文化普及的基本用字修訂等提供一定的參考，為語文生活、語文教育和信息處理貢獻我們微薄的力量。

圖15：《2020年度媒體用字總表》漢字覆蓋率與字種數(shù)提升曲線