汉字记录语言，不直接记录思想
汉字常被称为表意文字，容易让人误以为字符绕过语言、直接表达普遍概念。实际上，读者要把字形连接到具体语言中的词或语素、读音和语法。看懂“山”不等于无需知道它在汉语句子中的发音与用法。
同一个字在普通话、粤语、闽语、日语或历史越南语传统中可有不同读音和词汇关系。共享字符能跨语言提供线索，却不保证整句互通。较准确的描述是汉字属于语素—音节型系统，并大量使用形旁与声旁组织。
字、语素、词不是同一个单位
现代汉语书写中，一个汉字通常对应一个音节，也常对应一个语素，但并非绝对一一对应。双音节词“葡萄”由两个字记录，单独的“葡”在现代常用语中不自由表达完整词义；儿化等现象又可能让字与实际音节关系更复杂。
“一个字一个词”的说法会混淆书写单位与语法单位。分词、词典编排和自然语言处理都必须根据句法与词汇证据判断词边界，不能只数方块字。
早期材料不是现代字符的图片故事
商代晚期甲骨文提供了成系统的早期汉字材料，主要用于占卜记录；青铜铭文、战国简帛和秦汉文字展示了不同媒介、地区与功能中的变化。能辨认某些图形来源，不表示每个现代字都可用一幅原始图画解释。
流行字源常把今天的楷书部件拆成故事，却忽略数千年形体讹变、合并和隶变。可靠字源要按可断代材料追踪字形与当时词音，而不是从现代外形倒推寓意。
形声结构是系统的主干
大量汉字由提示意义范围的形旁和提示读音的声旁构成。“清、情、晴、请”共享声旁“青”，同时以不同形旁区分水、心、日和言语相关词义。声旁提供的是造字时或某历史层的语音线索，不承诺现代普通话完全同音。
音变、方言分化、借用和字形变化会降低表面规则性。比较中古音、上古音重建及不同汉语变体，常能恢复声旁系列的系统关系。所谓“形声不准确”往往是把现代单一读音投射到古代。
象形、指事、会意不能解释全部字源
传统“六书”包含象形、指事、会意、形声、转注和假借，但这些类别来自后世文字学整理，定义与边界长期有争论。它适合提出分析问题，不应变成每个字只有一个固定标签的分类游戏。
尤其是会意解释容易被现代图形故事滥用。若一个部件实际承担声旁功能，把它解释为两个意义相加，会丢失语音证据。字源判断要比较系列、古文字形和历史读音。
假借让现成字记录同音或近音词
早期书写者可借已有字形记录读音相近但意义不同的词，后来再增加形旁区分。这说明汉字从一开始就不只是画意义，也系统利用语音。现代网络借音、方言用字和音译仍展示相似策略。
假借与词义引申要区分：前者是同一字形服务原本不同词，后者是同一个词发展相关意义。没有历史音义材料，仅看现代字典义项很难判断。
字形标准化经历多次而非一次完成
秦代行政统一常被叙述为小篆一次性统一全国文字，但出土材料显示战国各地传统、书吏实践和后续隶书变化更复杂。国家规范能推动跨地区一致，却无法瞬间消除异体和地方用法。
印刷、字典、考试和现代教育持续选择正体。标准化提高识读和出版效率，也会把地方字、俗字或少数群体实践排除在正式空间。正字法历史同时是技术史与制度史。
隶变重组了我们今天看到的部件
从篆书到隶书再到楷书的变化不只是书法风格替换。笔画为了书写速度和版面发生平直化、合并与分化，原来相似的部件可能分开，原本不同的来源也可能变得同形。
因此，以现代部首机械追溯古文字容易出错。部首首先是检字和编排工具，不等于每次都是字源中的意义单位。分析应把字形层、构件功能和字典索引层分开。
简化与繁体不是两套完整对称系统
中华人民共和国大陆在二十世纪推行的简化字吸收了部分历代俗体、草书形式和新简化方案；台湾、香港、澳门等地继续使用不同传统规范。一个简体有时合并多个传统字，一个传统字也可能因语境对应不同简化形式。
简繁转换因此不是逐字符替换。词汇、地区用法、标点和专名也不同，软件若只查一对一表会产生错误。讨论识字效率时还要区分学习者背景、教育方法和文本环境，不能只比较笔画数。
汉字跨语言传播后形成新的正字法
日本发展出汉字与平假名、片假名组合的系统，同一汉字可有多种音读和训读。朝鲜半岛长期使用汉字，并发展出记录本地语法的实践，后来韩文承担主要书写。越南曾使用汉文和字喃，现代以拉丁字母国语字为主。
这些系统不是“汉语写法的次级版本”，而是各语言依据自身形态句法重新组织字符。相同字形在不同语言中可对应不同词，Unicode 的统一编码也不意味着字形、读音和语义完全相同。
书写方向和标点随媒介改变
传统文本常纵排、行从右向左，现代汉语大量横排、从左向右。标点在近代经过引入和规范化，古籍中的句读方式与现代标点句法不完全对应。数字文本又引入换行、链接、表情和混排规则。
书写方向不是语言本质属性，而是正字法、版面技术和体裁惯例。数字系统需要处理竖排标点位置、注音、繁简字形和中西文混排，不能假设所有文本都是横向拉丁字母序列。
识字需要形、音、义的协同
阅读者利用部件位置、声旁可靠度、语素知识、词频和句子语境识别汉字。儿童既学习单字，也通过词和文本建立组合。只教字形故事可能帮助部分记忆，却不能替代系统的语音与词汇联系。
汉语变体使用者、第二语言学习者和阅读障碍者面对的线索权重不同。研究结果必须说明读者语言、教育体系、字符集和任务，不能从一种标准普通话朗读实验推导“汉字大脑”的普遍机制。
输入法把语音、字形和统计模型重新连接
拼音输入允许先输入音节再从候选字词选择，形码输入按部件或笔画编码，手写和语音输入又使用不同线索。用户实际书写行为因此受到候选排序、自动纠错和平台词库影响。
输入便利可能降低手写熟练，却也扩展罕见字和多变体使用。算法若偏向普通话和高频标准词，会让方言字、专名和古籍字符更难出现。数字书写能力包含操作基础设施的能力。
Unicode 编码字符，不替代语言标注
Unicode 为字符分配码位，并通过汉字统一处理多地标准中可视为同一抽象字符的来源。具体字形仍由字体和语言环境决定。一个码位可在中文与日文字体中呈现地区化字形，这是编码与字形分工，不是数据损坏。
软件还需保存语言标签、字体、规范化和异体选择信息。Unicode 明确不把简体文本自动变成繁体文本，也不负责词语分割。后续数字文字专题将进一步分析码位、字素簇、字体与输入法的层次。
未编码与罕见字符关系到文化可见性
地方文献、人名、古籍和少数民族文字可能包含标准字体未覆盖字符。研究者有时用图片或私人使用区临时表示，但这会妨碍检索、交换和长期保存。正式编码需要证明字符身份、用例和来源。
“字符已进 Unicode”也不等于问题解决；字体、键盘、数据库和政府系统仍需实施。技术标准制定应让文献持有者和实际社群参与，避免只为大型市场优化。
怎样判断一个汉字解释是否可靠
先问解释依据哪一时期、哪件可定位材料，而不是只展示现代楷书。再检查它是否同时解释字形系列、历史读音和早期词义，并区分确定证据与推测。
若解释把每个部件都讲成现代意义故事，却不引用古文字和音韵材料，应保持怀疑。好的文字学解释允许字形来源、借用关系或转写存在争论，并说明新出土材料可能如何改变结论。
跨域连接
- Unicode 与文本编码：汉字给编码提出了别的文字没有的规模问题——基本区之外还有数万个扩展区字符，而「哪些异体字算同一个字」这个语文学判断，在编码里变成了不可逆的技术决定。一个未被收录的字，在数字环境中等于不存在：族谱、地名、古籍里的罕见字因此持续从公共记录中消失。
- 人机交互：输入法是汉字进入数字时代的关键中介，它把语音（拼音）、字形（笔画）与统计模型重新连接起来。它同时也在悄悄改写书写行为——「提笔忘字」不是记忆衰退，而是长期只做「识别—选择」而不做「回忆—产出」的直接后果。
- 心理语言学加工：汉字识别要求形、音、义协同，而形声字的声旁提供的读音线索只是概率性的（「江」「工」同旁同音，「河」「可」则不同）。眼动与反应时研究显示读者确实在利用这种不完全线索，这与拼音文字读者依赖字形—语音规则的路径不同。
- 汉语方言：同一套字形被差异极大的方言各自读出，这常被表述为「汉字超越方言」。更准确的说法是：汉字记录的是语素，而不同方言对同一语素有不同读音——共享的是词汇层，不是语音层，这也是为什么方言特有词往往找不到「本字」。
- 文字类型：汉字是语素-音节文字，不是表意文字。这个分类不是术语洁癖：把汉字当成「用图形直接表达概念」，会推出「汉字可以跨语言直接理解」「汉字不需要语音中介」等一系列错误结论，而形声结构占主体这一事实恰恰否定它们。
参考文献
- 裘锡圭：《文字学概要》，商务印书馆，1988。
- Boltz, William G. The Origin and Early Development of the Chinese Writing System. American Oriental Society, 1994.
- Qiu, Xigui. Chinese Writing. Translated by Gilbert L. Mattos and Jerry Norman, Society for the Study of Early China, 2000.
- Unicode Consortium. “East Asia.” The Unicode Standard, Version 17.0, 2025. 第 18 章