方塊白文文獻(xiàn)數(shù)據(jù)庫

韋韌

?

方塊白文文獻(xiàn)數(shù)據(jù)庫

韋韌

（中國社會(huì)科學(xué)院民族學(xué)與人類學(xué)研究所，北京 100081）

白族是一個(gè)有著悠久歷史和豐富文化的少數(shù)民族。方塊白文是古代白族在長期使用漢語文的過程中，用來記錄廣泛使用的白語，仿照漢字創(chuàng)制的一種民族文字，是一種既借用漢字又自造拼合字的意音文字。針對(duì)方塊白文情況復(fù)雜、信息量大等問題，在充分吸收已有研究成果的基礎(chǔ)上，在普通語言學(xué)、普通文字學(xué)、比較文字學(xué)、漢字構(gòu)形學(xué)理論指導(dǎo)下，借鑒漢字整理的方法，設(shè)計(jì)和建立了方塊白文數(shù)據(jù)庫，并以方塊白文材料《云龍白曲殘本》為例，詳細(xì)介紹利用數(shù)據(jù)庫技術(shù)研究方塊白文的初步成果，以及方塊白文數(shù)據(jù)庫在中國少數(shù)民族語言文字研究創(chuàng)新中所起到的巨大作用。

方塊白文；數(shù)據(jù)庫；《云龍白曲殘本》；白族

白族是一個(gè)有著悠久歷史和豐富文化的少數(shù)民族。白族自稱“僰”“僰子”“僰尼”，均是“白人”之意。別稱比較多，不僅不同民族對(duì)白族稱呼不同，連同一個(gè)民族對(duì)分布在不同地區(qū)的白族也有不同的稱呼。納西族稱瀾滄江邊上的白族為“那馬”，稱大理和麗江的白族為“勒布”。傈僳族則稱怒江邊丘的白族為“勒墨”，稱大理白族為“臘本”。洱海地區(qū)及其附近漢族稱白族為“民家”。新中國成立后，1956-11，大理白族自治州建立時(shí)，根據(jù)廣大白族民族意愿，確定族名為“白族”。白族是我國西南山區(qū)人口較多的少數(shù)民族，根據(jù)2010年民族統(tǒng)計(jì)年鑒，全國白族總?cè)丝谟?90多萬人，主要聚居在云南省的大理白族自治州和昆明、楚雄、麗江等地州市，少數(shù)散居在貴州省畢節(jié)、六盤水、江陵等地市、湖南省張家界市及湖北省鶴峰縣。

方塊白文是古代白族在長期使用漢語文的過程中，用來記錄廣泛使用的白語，仿照漢字創(chuàng)制的一種民族文字，是一種既借用漢字又自造拼合字的意音文字。方塊白文的歷史文獻(xiàn)以碑刻、有字瓦片和經(jīng)卷的批注浮簽為主，近現(xiàn)代方塊白文文獻(xiàn)以祭文、白曲曲本、大本曲曲本為主。有部分碑刻內(nèi)容已被釋讀出來，但還有一些，由于年代太久遠(yuǎn)，與現(xiàn)代白語差異巨大，還有待破譯。建立方塊白文數(shù)據(jù)庫，可以利用數(shù)據(jù)庫的優(yōu)勢(shì)，整理、分析方塊白文，破解存疑文獻(xiàn)。

1 方塊白文數(shù)據(jù)庫建設(shè)的總體思路

1.1 必要性和可行性

我們已經(jīng)進(jìn)入數(shù)字化時(shí)代，數(shù)字化技術(shù)的運(yùn)用也早已成為科學(xué)研究的一個(gè)必要有效手段。早在20世紀(jì)90年代，漢語言研究就已開始使用數(shù)據(jù)庫技術(shù)，有一部分少數(shù)民族語言研究也引入數(shù)據(jù)庫技術(shù)，建立了一系列少數(shù)民族語言數(shù)據(jù)系統(tǒng)。方塊白文由于之前收集的材料較少，目前還沒有建立方塊白文材料數(shù)據(jù)庫，相比較其他少數(shù)民族的語言研究，稍顯滯后。因此，迅速建立一個(gè)方塊白文數(shù)據(jù)庫是非常有必要的，數(shù)據(jù)庫的建立既可以加大方塊白文材料的整理速度和準(zhǔn)確度，又可以使方塊白文的資源共享，減少工作中的重復(fù)浪費(fèi)，提高工作效率。開展方塊白文數(shù)據(jù)管理關(guān)鍵技術(shù)的研究，也為方塊白文語言數(shù)據(jù)和元數(shù)據(jù)存儲(chǔ)提供了堅(jiān)實(shí)的技術(shù)基礎(chǔ)，同時(shí)也是滿足少數(shù)民族語言信息快速檢索與少數(shù)民族語言研究的需要。研究開發(fā)方塊白文數(shù)據(jù)庫系統(tǒng)對(duì)搶救和挖掘白族非物質(zhì)文化遺產(chǎn)也具有非凡的意義。

語言學(xué)的材料一般都很龐大，信息多面，必須考慮采用有效的手段進(jìn)行組織、存儲(chǔ)和管理，并在此基礎(chǔ)上能夠充分、有效地實(shí)現(xiàn)語言數(shù)據(jù)共享和數(shù)據(jù)發(fā)布。其中語言數(shù)據(jù)存儲(chǔ)是數(shù)據(jù)查詢檢索、管理、共享發(fā)布的基礎(chǔ)，開展存儲(chǔ)構(gòu)建技術(shù)的研究，解決語言數(shù)據(jù)高效、安全存儲(chǔ)問題，為數(shù)據(jù)的有效集中、高效查詢、管理、快速傳輸提供基礎(chǔ)，是迫切需要的。

在語言學(xué)的研究中常需要對(duì)數(shù)據(jù)進(jìn)行索引、搜索、排序、抽取和分組等操作，數(shù)據(jù)庫在這些問題上都很容易實(shí)現(xiàn)，并且能形成一個(gè)數(shù)據(jù)庫管理系統(tǒng)。因此，用數(shù)據(jù)庫進(jìn)行方塊白文的處理是合適的。

數(shù)據(jù)庫的建設(shè)和方塊白文文字整理研究思路是相輔相成、互相促進(jìn)的關(guān)系。在最初建立數(shù)據(jù)庫時(shí)，方塊白文文字整理研究思路還不明晰，數(shù)據(jù)庫的結(jié)構(gòu)也很簡單，只是根據(jù)材料來源的特點(diǎn)，設(shè)計(jì)了描述方塊白文形音義的幾個(gè)字段。在大量輸入和接觸方塊白文材料后，逐漸總結(jié)出方塊白文的特點(diǎn)，摸索出研究的一些規(guī)律，由于方塊白文字符的類型不同，各類型有自己的特點(diǎn)，需要分別建立數(shù)據(jù)表，設(shè)計(jì)能夠反映其特性的數(shù)據(jù)庫字段，以求盡量全面地描述出材料的不同信息。建立合成字?jǐn)?shù)據(jù)庫又單獨(dú)增加了示音構(gòu)件、表義構(gòu)件、標(biāo)示構(gòu)件3個(gè)字段。因此，數(shù)據(jù)庫是進(jìn)行方塊白文文字整理研究的重要手段，研究方法的進(jìn)展也必定會(huì)反映在數(shù)據(jù)庫上。

1.2 數(shù)據(jù)庫的選用

Oracle Database是關(guān)系數(shù)據(jù)庫的一種，支持關(guān)系對(duì)象模型的分布式，面向Internet計(jì)算，它提供安全的、開放的和科學(xué)的信息數(shù)據(jù)管理方法。由一個(gè)Oracle DB和一個(gè)Oracle Server實(shí)例組成保障了Oracle數(shù)據(jù)庫具有數(shù)據(jù)自治性并且能提供很好的數(shù)據(jù)存儲(chǔ)機(jī)制，方便了用戶的使用和操作，提高了信息管理的效率。Oracle數(shù)據(jù)庫是目前世界上使用最為廣泛的數(shù)據(jù)庫管理系統(tǒng)，作為一個(gè)通用的數(shù)據(jù)庫系統(tǒng)，它具有完整的數(shù)據(jù)管理功能；作為一個(gè)關(guān)系數(shù)據(jù)庫，它是一個(gè)完備關(guān)系的產(chǎn)品；作為分布式數(shù)據(jù)庫它實(shí)現(xiàn)了分布式處理功能。 Oracle還提供了豐富的數(shù)據(jù)類型，可以用準(zhǔn)確的數(shù)據(jù)類型和合理的數(shù)據(jù)長度來定義數(shù)據(jù)類型，這樣不但可以降低數(shù)據(jù)冗余而節(jié)省系統(tǒng)存儲(chǔ)空間，還可以提高信息系統(tǒng)的檢索效率。

1.3 數(shù)據(jù)庫建設(shè)與方塊白文研究的關(guān)系

方塊白文情況較復(fù)雜，提供的信息涉及較多方面，設(shè)計(jì)和建立方塊白文數(shù)據(jù)庫是一項(xiàng)消耗巨大精力的工作。在具體操作過程中需要不斷地研究和解決問題，如果考慮不周到或有疏忽遺漏，會(huì)給后面的研究工作帶來不可預(yù)計(jì)的后果，因此，數(shù)據(jù)庫的建設(shè)既是基礎(chǔ)又是關(guān)鍵，是方塊白文文字整理研究的重要基礎(chǔ)。

數(shù)據(jù)庫的建設(shè)和方塊白文文字整理研究思路是相輔相成、互相促進(jìn)的關(guān)系。

1.4 數(shù)據(jù)庫建設(shè)的總體方法和階段

總體方法是根據(jù)方塊白文的不同類型和特點(diǎn)，分別建立結(jié)構(gòu)不同的數(shù)據(jù)表，盡量全面地反映各種方塊白文的不同信息，以達(dá)到分析每一個(gè)字形都可以調(diào)動(dòng)多方面信息的效果。一個(gè)信息量充足完善的數(shù)據(jù)庫需要一個(gè)長期建立的過程，必須不斷地完善和補(bǔ)充數(shù)據(jù)庫。

數(shù)據(jù)庫建設(shè)主要分為4個(gè)階段，依次是數(shù)據(jù)庫結(jié)構(gòu)設(shè)計(jì)和建立、數(shù)據(jù)錄入、數(shù)據(jù)校對(duì)和數(shù)據(jù)整理。對(duì)方塊白文進(jìn)行語言學(xué)的大量分析處理沒有先例，在進(jìn)行方塊白文數(shù)據(jù)庫的建設(shè)時(shí)，是摸索前行的，4個(gè)階段交叉推進(jìn)。比如錄入、校對(duì)數(shù)據(jù)時(shí)，需要不斷地驗(yàn)證數(shù)據(jù)庫的結(jié)構(gòu)設(shè)計(jì)是否可以充分地展示材料各方面信息，并適當(dāng)加以改進(jìn)；同樣，在錄入和校對(duì)時(shí)也要根據(jù)碰到的新情況、新問題對(duì)數(shù)據(jù)的整理步驟和方法進(jìn)行調(diào)整。需要說明的是，在數(shù)據(jù)錄入時(shí)，作者對(duì)方塊白文材料已有一些粗略的思考并進(jìn)行一定的分析，但全面、細(xì)致的分析是在數(shù)據(jù)庫完全建立后才進(jìn)行的。因此，建立方塊白文數(shù)據(jù)庫不是遵循一般數(shù)據(jù)庫建設(shè)的4個(gè)階段逐步計(jì)劃進(jìn)行，而是基本按照4個(gè)階段建立數(shù)據(jù)庫的順序，但在4階段中不斷交叉互進(jìn)。

1.5 建設(shè)步驟流程

數(shù)據(jù)庫建設(shè)步驟流程如圖1所示。

圖1 數(shù)據(jù)庫建設(shè)步驟流程圖

2 《云龍白曲殘本》材料的數(shù)據(jù)庫建設(shè)

方塊白文到底有多少，目前尚不得而知。已發(fā)現(xiàn)的文獻(xiàn)多以文學(xué)作品形式存在，分布范圍廣，搜集和整理的工作較為艱巨。因此，為了盡快建立一個(gè)方塊白文樣本庫，選取的第一份材料一定是可以直接用于研究且學(xué)界認(rèn)可的資料。

目前，已發(fā)現(xiàn)并整理的方塊白文文獻(xiàn)形式包括碑刻、大本曲、“吹吹腔”劇本、宗教經(jīng)文、祭文。選取的第一份建庫材料，《云龍白曲殘本》是中國科學(xué)院少數(shù)民族語言調(diào)查第三工作隊(duì)白語小組于1958年在云南省云龍縣寶豐鄉(xiāng)搜集而來，后由中國社會(huì)科學(xué)院民族學(xué)與人類學(xué)研究所研究員徐琳先生保存下來?，F(xiàn)由美國馬里蘭州圣瑪利大學(xué)傅京起老師收藏。目前曲本已釋讀出版（見《中國白族白文文獻(xiàn)釋讀》），可以直接用于研究。曲本中的文字除使用白族一般運(yùn)用的漢字音讀、訓(xùn)讀、借詞外，大量使用漢字或漢字部首構(gòu)造表音兼表意的合成字，合成字在整本曲本中出現(xiàn)較多，遠(yuǎn)多于其他已釋讀方塊白文文獻(xiàn)。這些合成字是我們分析白文的重要基本材料，這也是選取《云龍白曲殘本》作為第一個(gè)建庫材料的重要原因。

2.1 數(shù)字化

在數(shù)字化《云龍白曲殘本》文獻(xiàn)原文時(shí)，基本采用紫光華宇拼音輸入法v6.7，遇到超出輸入法所支持的字符，使用逍遙筆手寫識(shí)別軟件和方正超大字符集。如果字符不在上述兩種輸入法所支持的字符集內(nèi)，則使用Windows自帶的TrueType造字程序進(jìn)行造字。

考慮到使用的廣泛性和通用性，論文作者在數(shù)字化材料時(shí)，將《中國白族白文文獻(xiàn)釋讀》中白曲的注音音標(biāo)轉(zhuǎn)寫為潘悟云、李龍開發(fā)的云龍國際音標(biāo)輸入法4.0版。

2.2 建立數(shù)據(jù)表

數(shù)據(jù)庫的一個(gè)顯著優(yōu)點(diǎn)在于能夠容納海量數(shù)據(jù)，并方便管理。這一優(yōu)點(diǎn)體現(xiàn)在建庫者能夠建立關(guān)系清楚明晰的數(shù)據(jù)庫表。

2.2.1 建立語言材料元數(shù)據(jù)表

元數(shù)據(jù)是描述數(shù)據(jù)及其基本屬性的數(shù)據(jù)，相當(dāng)于所有數(shù)據(jù)的管理中心，為將來數(shù)據(jù)的使用和管理提供方便。

元數(shù)據(jù)表字段共6個(gè)，分別是材料名稱、對(duì)應(yīng)的漢字形字表表名、對(duì)應(yīng)的拼合漢字形字表表名、建庫時(shí)間、材料收集人和材料來源。

2.2.2 建立全字表

全字表字段共7個(gè)，分別是曲序號(hào)、句序、白字、音、義和句直譯。

2.2.3 建立圖文對(duì)照表

圖文對(duì)照表字段共2個(gè)，分別是字形和對(duì)應(yīng)的圖片。

2.2.4 建立漢字型方塊白文字表

漢字形方塊白文字表字段共13個(gè)，分別是曲序號(hào)、句序、字形、字形分析、構(gòu)形模式、聲、韻、調(diào)、對(duì)應(yīng)漢字、雙音詞義、句直譯和句意譯。

2.2.5 建立拼合漢字形方塊白文字表

拼合漢字形方塊白文字表字段共15個(gè)，分別是曲序號(hào)、句序、字形、聲、韻、調(diào)、對(duì)應(yīng)漢字、雙音詞義、字形分析、示音構(gòu)件、表義構(gòu)件、標(biāo)示構(gòu)件、構(gòu)形模式和備注。

依據(jù)數(shù)據(jù)庫，統(tǒng)計(jì)得出作品總字?jǐn)?shù)7 241字，使用的單字1 307個(gè)（包括異體字），其中，漢字字形的單字828個(gè)，拼合漢字的單字479個(gè)。數(shù)據(jù)庫條數(shù)共計(jì)2 815條，條數(shù)指的是每一個(gè)在《云龍白曲殘本》中以不同的形音義出現(xiàn)的字，我們都作為一條。比如“阿”在數(shù)據(jù)庫中以不同的音義出現(xiàn)了9次，在統(tǒng)計(jì)使用的單字時(shí)，算作1個(gè)方塊白文，數(shù)據(jù)庫中算作9個(gè)方塊白文。我們這樣處理就是要全面地反映方塊白文的面貌。只有這樣，才能全面考察方塊白文文字系統(tǒng)，使研究結(jié)論更加準(zhǔn)確。

依據(jù)方塊白文數(shù)據(jù)庫，借鑒現(xiàn)有漢字研究的理論方法，采用結(jié)構(gòu)功能分析法對(duì)方塊白文的字體類型進(jìn)行分析，方塊白文分成借用字和自造拼合字兩種類型。借用字是白文借用漢字。以字符構(gòu)件具有的功能屬性，即白文字符與漢字字符的形音義對(duì)應(yīng)關(guān)系為標(biāo)準(zhǔn)，可分為全借字、音讀字、訓(xùn)讀字、記號(hào)字四類。自造拼合字是借用字進(jìn)入白語言語音系統(tǒng)后，白族仿造漢字構(gòu)字原理創(chuàng)制。從字符功能角度看，分為7類：音義拼合字、會(huì)義拼合字、雙音拼合字、標(biāo)音拼合字、標(biāo)義拼合字、標(biāo)示音義拼合字、記號(hào)拼合字。

3 總結(jié)

本文介紹的是方塊白文原始語料數(shù)據(jù)庫的建設(shè)，以這些原始語料數(shù)據(jù)庫作為方塊白文研究的基礎(chǔ)，在對(duì)方塊白文進(jìn)一步的分析研究中，會(huì)不斷生成新的數(shù)據(jù)庫表，可以用于各方面的研究。數(shù)據(jù)庫將形成方塊白文語料庫，并最終建立方塊白文研究系統(tǒng)。該系統(tǒng)將為白族語言研究提供堅(jiān)實(shí)的服務(wù)基礎(chǔ)，并為其他漢字系少數(shù)民族文字的數(shù)據(jù)庫建設(shè)提供相關(guān)的技術(shù)探索。作者對(duì)方塊白文的信息處理已經(jīng)解決了基本的編碼、造字、錄入、排版、部分史料數(shù)據(jù)庫建設(shè)方面的技術(shù)問題，但是與實(shí)際需求還有一定的距離。根據(jù)現(xiàn)有基礎(chǔ)和應(yīng)用需求，下一步應(yīng)該開展的工作包括：①盡快制訂方塊白文字符標(biāo)準(zhǔn)，把它納入國家和國際標(biāo)準(zhǔn)體系。②出版方塊白文字典和開發(fā)方塊白文和漢文翻譯系統(tǒng)。由于方塊白文字形復(fù)雜，各方言區(qū)和各個(gè)使用者書寫的方塊白文不統(tǒng)一，導(dǎo)致目前能夠閱讀方塊白文的人越來越少，方塊白文文獻(xiàn)的收集、整理任務(wù)越來越艱巨，因此，編輯方塊白文字典和研究開發(fā)方塊白文和漢文翻譯系統(tǒng)的工作迫在眉睫。

感謝傅京起教授提供原件資料，王鋒研究員提供白語方言調(diào)查詞表用于作者論文創(chuàng)作！

［1］徐琳，趙衍蓀.白語簡志［M］.北京：民族出版社，1984.

［2］《中國少數(shù)民族語言簡志》編委會(huì)，《中國少數(shù)民族語言簡志叢書》修訂本編委會(huì).中國少數(shù)民族語言簡志叢書修訂本·卷貳［M］.北京：民族出版社，2009.

［3］張錫祿，甲斐勝二.中國白族白文文獻(xiàn)釋讀［M］.桂林：廣西師范大學(xué)出版社，2011.

［4］王寧.漢字構(gòu)形學(xué)講座［M］.臺(tái)北：三民書局，2013.

［5］宋繼華，王寧，胡佳佳.基于語料庫方法的數(shù)字化《說文》學(xué)研究環(huán)境的構(gòu)建［J］.語言文字應(yīng)用，2007（01）：132-138.

［6］李奕琳.借音壯字研究思路與數(shù)據(jù)庫建設(shè)［D］.南寧：廣西大學(xué)，2006.

［7］劉連芳，顧林，黃家裕，等.壯文與壯文信息處理［J］.中文信息學(xué)報(bào)，2011，25（06）：175-182.

［8］柳長青，杜建錄.網(wǎng)絡(luò)下的西夏文及西夏文獻(xiàn)處理研究［J］.寧夏社會(huì)科學(xué)，2008（05）：113-115.

［9］王成平.彝語言語料資源數(shù)據(jù)庫的設(shè)計(jì)與共享的實(shí)現(xiàn)［J］.中文信息學(xué)報(bào)，2016，30（01）：129-132.

［10］劉連芳，海銀花，那順烏日?qǐng)D，等.壯、蒙古、維、哈、柯、朝語信息處理研究進(jìn)展［J］.廣西科學(xué)院學(xué)報(bào)，2018年，34（01）：18-26.

2095－6835（2019）01－0022－03

G250

A

10.15913/j.cnki.kjycx.2019.01.022

韋韌（1982—），女，博士，助理研究員，主要研究領(lǐng)域?yàn)槊褡逭Z文信息化。

〔編輯：張思楠〕