谈资料检索中的用字规范问题

由于电脑的普及和互连网的发展，资料检索越来越受到人们的重视。然而就现状来看，现行的资料检索存在着许多问题。我们可把这些问题分为三类。1、程序问题。例如输入“工作”，却检索出“笨猪”；输入“矿泉水”，却检索出一堆乱码。这跟计算机编程有关。2、知识问题。例如有这么个故事。有一个12岁的少年，在院子里踢球，把邻居家的玻璃踢碎了。这块玻璃12.5美元买的，你赔。孩子没办法，回家找爸爸。爸爸说，你踢碎的你就赔。没有钱，我借给你，一年后还。在接下来的一年里，这个孩子擦皮鞋、送报纸、打工挣钱，挣了12.5美元还给父亲。那么这个故事的主人公——那个12岁 的孩子——是谁呢？杂文作家朱慧松想在网上寻个究竟，结果：“输入关键词，不查不知道，一查吓一跳，类似的新闻在网上有上千条，故事内容大同小异，不过主 人公却五花八门，除了里根、华盛顿外，还有两位美国总统林肯、克林顿也‘有幸’赔了玻璃，另外英国前首相丘吉尔也榜上有名，不过文中的12.5美元换成了12.5英镑。最新版本的主人公是比尔·盖茨。”（《究竟是谁赔的玻璃》，《中国青年报》2003年4月28日）3、 用字问题。这个问题似乎比上面的两个问题要小，但也不可忽视。我们曾力图在一个小的语料库（由广西师大中文系语言学及应用语言学制作）中检索“坐落”二 字，以便明确该词的用法，结果却大失所望，这个库中只能检索到“座落”二字。这跟资料的原始存贮有关。这就涉及了资料检索中的用字规范问题。本文拟就这个 问题做一点探讨。

本文的研究方法是，选择28个常见别字和两个人名，对它们及其相应的正确写法加以检索，通过检索的数据发现问题，进而提出解决问题的方法。

我们分别在搜狐网和人民网中检索。检索结果见所附“调查简表”。

*          *          *          *          *

从表中可以看出以下两个问题。1、别字在电脑资料中是普遍存在的。就像出版界的“无错不成书”一样，可以说，无别字不成电脑资料。我们所检索的只是易错词语的一部分，假如把所有易错词语都做一下检索，那结果肯定是令人吃惊的。我们还对两个人名做了检索，一个是“吕叔湘”，一个是“侯耀文”，结果如下：

（吕叔湘）

    （侯耀文）

    看来，在电脑资料中，别字并不是个别现象。2、别字的分布是不均匀的。不仅两个网站的检索有一定的差异，不同的用字中别字所占比例也相差悬殊。有的别字在两个网站中比例都不大，如“不卑不亢”的“亢”；有的别字在两个网站中比例都不小，如“急流勇退”的“急”；有的别字比例超过50%，也就是说，别字比标准字用得还多，如搜狐网中“坐落”的“坐”，这是不正常的现象。当然，有人说网上重复的内容很多，可是别字有重复的，标准字也会有重复，因此总的看来应该是差不多的，一般不会出现这样的现象：标准字的几十万都是重复的，别字的几十个都不重复。

    根据以上情况，我们认为：1、应该从根源上解决问题，尤其是在电脑资料的存贮阶段，应该花大的力气作好校对及录入工作，把别字尽量扼杀在源头；2、应该做更多的调查，把经常出现的别字按比例排一个表，把错误比例极高的一些用字当作重点规范对象，深入到中小学、媒体、窗口行业进行宣传，使大家对这些字烂熟于心，从而促进汉字规范化工作，为进一步实现书同文奠定基础。

附：调查简表

（广西师范大学图书馆 魏芙蓉）