汉字到底有多少个：从《说文》的9353到《字海》的33万

2026年上海书展，收字33万余个的《字海》亮相，收字量约为《康熙字典》的7倍、《汉语大字典》的5倍。消息传开，“汉字到底有多少个”的老问题再次被推到公众面前：汉字会不会越来越多，直至不可收拾？

从《说文解字》的9353字到《字海》的33万余字，字量增长并非主要来自新字迭出，而是历代传抄讹变、异体分化、域外借形造字层层累积的结果。一部大型字书的编纂，本质上是对文明符号的一次整理与选择。弄清“字”如何被累积、又该如何取舍，比记住一个惊人的数字更有意义。

收字理念的分野：从“典范”到“档案”

不同时代、不同地域的大型字书，收字规模悬殊，根源不在材料多寡，而在编纂定位不同。

《康熙字典》成书于康熙五十五年，以《字汇》《正字通》为基础增订，收字47035个。它以“典则”“规范”为宗旨，为天下楷书立标准：所收之字大都音、义、书证俱全，是服务于科举与文教的“正字典范”。它虽兼收僻字俗字，对讹字却较为审慎。

《大汉和辞典》（1986年修订版）则跳出中原典籍的单一视角。主编、日本汉学家诸桥辙次早年留学中国，深感查检之难，立志编一部“完备的辞典”。此书历时35年编成，收字49964个，以《康熙字典》为核心资料，同时将范围扩展至俗字、简体字和日本国字，词条达50万。它追求“文献实证”，取舍尺度取决于能否服务于典籍释读。

《中华字海》（1994）与《汉字海》（2018）代表现代大型字书“穷尽搜集”的取向。《中华字海》收字85568个，明确将“历代工具书失收而应该收录的字”纳入其中，包括佛经道藏难字、敦煌俗字、宋元明清俗字、方言字、科技新造字，乃至《第二次汉字简化方案（草案）》中的字，“收录后作客观介绍”。《汉字海》收字10万以上，“几乎涵盖历代主要楷书字形”。它们不预设正俗优劣，力求穷尽楷书字形的历史存量。

《字海》将这一理念推向新高度。它在《康熙字典》《汉语大字典》《中华字海》等已有积累上继续推进：首次对汉字文化圈各类汉字字形作全面摸底，除传统汉字、异体字、俗字外，还收录古壮字、古苗字、古白文、古毛南字等少数民族创制的汉字，以及日本、韩国、越南等地的域外汉字；广泛利用《正名要录》《万象名义》《新修玉篇》《新撰字镜》等前代字书少见材料，并吸纳近百年来甲骨、简牍、敦煌文献研究的新成果。其编纂目标已不再是“规范”，而是“存史”——为汉字文明留下书写痕迹的历史档案。

从“典范”到“文献”，再到“档案”，这一演进并非简单的量变。它背后是字书功能的位移：字书从“教人怎么写”的教科书，逐步变成“告诉后人曾怎么写过”的档案馆。

字种的性质辨析：33万字里都是什么

要理解33万这个数字，必须区分“字种”的性质。《通用规范汉字表》仅收8105字，分三级：一级字3500个，主要满足基础教育和文化普及的基本用字需要；二级字3000个，满足出版印刷、辞书编纂和信息处理的一般用字需要；三级字1605个，兼顾姓氏人名、地名、科技术语和中小学文言文用字。

从8105到33万，多出的32万余字，大体可归为四类。一是历史异体字，数量最多。同一个字在不同时代、不同地域、不同书写者笔下形成的变体，在字书传统中往往各自立目。《字海》新沟通了数万组异体字的字际关系，把散落各处的“同一个字的不同写法”重新联系起来。这一步看似是技术性的，实则是字书从“堆字”走向“理字”的关键——只有理清字际关系，33万才不是一堆杂乱符号，而是一部可以检索的家族谱系。

二是讹字，情形更复杂。传抄刻写中因形近而误的字，一旦进入某部字书，再经后世辞书辗转承袭，便会获得“字头”身份。《康熙字典》曾做了“辨疑订讹”之工，但受时代所限，也难免留存若干讹形。据出版方介绍，《字海》所收字中，见于古辞书和古代重要典籍的讹字约1.9万，占全书5.8%；编纂者同时纠正了历代字典中的数千处错讹。收录与纠错并行不悖：收录是为呈现典籍原貌，纠错是为厘清源流。编纂者的任务之一，正是从33万字形中甄别哪些来自真实书写实践，哪些属于纯粹传写错误。

三是域外及少数民族借形自创的汉字，这是收字量扩张的另一重要来源。汉字向东亚传播后，不同语言社群借用汉字及其构字部件，自主创制了一批本地使用的字符。日本国字（如“辻”“峠”）、韩国国字（如“乭”“畓”）、越南喃字，以及中国少数民族的汉字系文字（古壮字、古苗字、古白文、古瑶字、古布依文等），都属于这一范畴。这类字符诞生于汉字文化圈，却不是汉语汉字自然衍生的产物，大多不服务于古代汉语记录，因此在传统汉语字书中几乎不见踪影。《大汉和辞典》首开其端，兼收日本国字；《中华字海》酌量收录日韩汉字；《字海》则“为使读者对整个汉字文化圈的概况有一个鸟瞰式的了解”（《字海》前言第37页），更加扩大此类字的收入，共收衍生汉字约1.4万，占全书4.2%。这4.2%的分量不在数量，而在视野：汉字研究从“中国的字”扩展为“汉字文化圈的字”。

四是现代新造字，关乎当下。科技领域（如“熵”“砼”）、医学（如“腺”）、化学元素（如“鿭”“鿬”“鿫”）的新用字，以及为方言、人名、地名自造的新字，不断进入字书视野。新造字数量不多，却是字书中最“活”的部分——它提醒我们，汉字并非封闭的遗产，而是一套仍在生长的书写系统。近年“网言网语”与短视频字幕中还出现大量谐音借形、部件戏仿的临时用法，它们大多旋生旋灭，恰恰反证了文字系统的自我筛选能力：不是所有新写法都能沉淀为“字”。

体系的边界：什么该进入“通用”，什么只宜“存档”

超大型字书收字突破数十万，引出一个值得深思的问题：汉字会不会无限制膨胀？梳理历代字书即可发现，字书收录的字头总量代代递增，从《说文解字》9353字，到《字汇》33179字、《康熙字典》47035字，再到《字海》33万余字；而真正参与日常交际的常用汉字，千百年来始终维持在数千字规模——据国家语言资源监测语料库对2020年近9亿字次大众媒体用字的调查，557个高频汉字即覆盖全部用字量的80%，877个覆盖90%，2247个覆盖99%。正如《通用规范汉字表》研制组组长王宁指出的，历代产生的汉字字样总数超过十万，但其中真正被使用的字种只占有限一部分。《通用规范汉字表》8105字的遴选历时十年，前后修改达90余稿，其核心判断是：字书的档案性收录，与国家规范体系的采纳，不能混为一谈。她还有一个常被引用的说法——《字表》“不是一家之言，不是大家之言，而是国家之言”。大型字书尽可以“求全”，扮演文字档案馆的角色，完整保存历代书写遗存；社会规范则必须“求精”，以交际效率为先，只审慎吸纳具备现实使用价值的字种。

那么，哪些字需要进入字书？从《中华字海》和《字海》的实践看，答案已趋于清晰：有可靠书证、音义可考、能反映特定时代或地域书写实态的字，无论正俗，都有存档价值。佛经难字是佛教传播的痕迹，敦煌俗字是民间书写的实态，方言字是地域文化的载体，域外汉字是文化交融的见证。它们共同构成汉字文明的完整档案。

哪些字可以归入“通用”？当年《通用规范汉字表》将“喆”“淼”“堃”等45个异体字收入表中，正是考虑到用于人名、地名的现实需要——一个字该不该“通用”，归根到底要看它在今天是否真的被使用。哪些字只宜“存档”？纯粹的传写讹形、无文献支撑的臆造字、仅见于某部字书转引而无实际语用的“字”，主要具有文字学考证价值，而不具有流通价值。

“通用”和“存档”的界限在信息化时代尤为紧要。汉字要在键盘上敲出来、在屏幕上显示出来、在各类信息系统中被正确处理，字量一旦失去约束，成本便会层层放大：字库要扩容，编码要扩充，证件、户籍、医疗、金融等系统都要跟着改造。近年来姓名、地名中的生僻字在购票、开户、办证时“打不出来”的困扰，从反面说明了规范的必需。也正因如此，《字海》在体例上以《通用规范汉字表》统一字形标准，增设11个附形部首，并配备笔画、音序等多重检字方式——档案再大，也须有一把统一的标尺，才谈得上“可用”。

结语：两种“字量”，一种文脉

“汉字一共有多少个？”这个问题本身，恰恰暴露了“字”这一概念的含混。如果“汉字”指历史上被书写过的所有楷书字形，33万也远非全部；如果指今天社会通用层面的规范用字，8105字已然足够。

每一部大型字书，都是对文明堆积的“地层”的一次钻探：有的侧重规范，有的侧重文献，有的侧重档案。它们的收字差异，主要在于编纂理念的不同。而在任何时代，一个成熟的语文体系都需要两种力量同时在场——向历史深处求“全”，为社会交际守“约”。《字海》以33万字向后看，《通用规范汉字表》以8105字向前看，看似相反，实则同源：都相信汉字值得被认真对待，值得被清楚地记录下来、明白地使用下去。

字书载文脉。它所载的，不只是“字”的数量，更是一个文明在层层堆积中留下的选择——哪些符号值得被记住，哪些痕迹只需被存档。

（作者系合肥师范学院文学与新闻传播学院教授）