紙質(zhì)印刷本古代文獻(xiàn)轉(zhuǎn)換成漢語史語料庫的實(shí)踐

20世紀(jì)90年代以來，中國歷史語言材料的數(shù)據(jù)庫已成為中國科學(xué)家不可或缺的學(xué)術(shù)工具。第一個(gè)文本收集對應(yīng)于各種古代文獻(xiàn)的電子書，只支持簡單文本閱讀。隨后出現(xiàn)了可以進(jìn)行字、詞、句單項(xiàng)或組合檢索的文本數(shù)據(jù)庫，流傳較廣者如《二十五史全文閱讀檢索系統(tǒng)》、國學(xué)寶典等。也出現(xiàn)了一些基于掃描技術(shù)的圖像版古籍?dāng)?shù)據(jù)庫，由于沒有對圖像進(jìn)行OCR識別，用戶難以進(jìn)行全文檢索。隨著圖像處理和超鏈接技術(shù)的迅猛發(fā)展，支持分類檢索、書名檢索、著者檢索、全文檢索等多種檢索方式的圖像與文本對照的數(shù)據(jù)庫陸續(xù)問世，著名者如文淵閣《四庫全書》《四部叢刊》全文檢索系統(tǒng)、中國基本古籍庫等。近10年來，為了滿足漢語研究的需要，學(xué)界開始嘗試建設(shè)深加工的標(biāo)注型語料庫，具體工作包括對古代文獻(xiàn)進(jìn)行詞語切分，并添加詞性、義項(xiàng)、語法地位標(biāo)注等多方面信息。以董志翹教授主持的國家社科基金重大招標(biāo)項(xiàng)目“深加工中古漢語語料庫建設(shè)研究”為依托的中古漢語語料庫(MCC),就是其中的嘗試之一。MCC課題組選取“既能從整體上反映中古漢語的真實(shí)面貌，又能夠展示中古漢語局部的各種比較突出的特點(diǎn)”的中古文獻(xiàn)，包括正史作品8種，約420萬字；子部作品如漢譯佛經(jīng)、佛道文獻(xiàn)、筆記小說、醫(yī)農(nóng)雜著、詩歌40種，約490萬字；敦煌吐魯番文獻(xiàn)、碑刻文獻(xiàn)等出土文獻(xiàn)約80萬字。上述入庫文獻(xiàn)共約1000萬字。在確定入庫文獻(xiàn)的版本并進(jìn)行反復(fù)?？敝缶瓦M(jìn)入了文本處理環(huán)節(jié)。在此基礎(chǔ)上對入庫語料進(jìn)行詞語切分并標(biāo)注其詞性、義項(xiàng)、語法地位等語言學(xué)信息。在文本處理這一環(huán)節(jié)，由于歷代文獻(xiàn)材料中大多包含著一些并無實(shí)際意義也不具備任何研究價(jià)值的冗余材料，如作者及其身份的重復(fù)標(biāo)記、行文卷數(shù)的交叉標(biāo)記等；也往往攙雜了一些學(xué)界公認(rèn)的后代注釋材料；還有一些材料雖然具有一定的研究價(jià)值，現(xiàn)有的語料庫技術(shù)手段卻難以準(zhǔn)確反映，或者極大地增加語料庫操作層面的難度，或者可能對語料庫未來的用戶體驗(yàn)產(chǎn)生過于負(fù)面的影響，等等。因此，需要對入庫文獻(xiàn)的轉(zhuǎn)錄文本進(jìn)行相應(yīng)的技術(shù)處理，以形成最終的語料文本。本文擬以中古漢語語料庫中文本處理的基本思路、具體方法為中心，結(jié)合漢語史、文獻(xiàn)學(xué)相關(guān)理論以及語料庫建設(shè)的實(shí)際操作過程，對漢語史語料庫的文本處理問題展開探討，希望得到方家同行的指正。一、語料性質(zhì)完全相同中古文獻(xiàn)往往采用正文與注釋材料并列的行文方式。兩者的界限最初是涇渭分明的：正文采用單行、大字的形式；子注則緊隨其后，雙行書寫，從正文與子注的關(guān)系看，正文無疑是全文的主體部分，子注則是對正文內(nèi)容的延展，主要包括與正文內(nèi)容相關(guān)的文獻(xiàn)材料，對正文的進(jìn)一步解釋、說明，對正文中疑難字詞的音義注釋等。在后來的輾轉(zhuǎn)傳抄過程中，不少文獻(xiàn)的正文與子注逐漸變得相互混淆以至難以分辨，這種現(xiàn)象在《洛陽伽藍(lán)記》《水經(jīng)注》中尤為突出。從語料性質(zhì)看，正文顯然出自作者之手，屬于典型的中古語料。對正文內(nèi)容進(jìn)行補(bǔ)充、解釋、說明的子注，大多出自作者之手，同樣也屬于中古語料；對疑難字詞進(jìn)行音義訓(xùn)釋的子注，情況比較復(fù)雜，有可能是作者的附注，也可能是當(dāng)時(shí)或者后來的讀者添加的，現(xiàn)在已經(jīng)很難分清了。不過，就音義材料的篇幅而言，與正文以及其他子注相比，幾乎可以忽略不計(jì)。例如：凡谷，成熟有早晩，苗稈有高下，收實(shí)有多少，質(zhì)性有強(qiáng)弱，米味有美惡，粒實(shí)有息耗。早熟者苗短而收多，晚熟者苗長而收少。強(qiáng)苗者短，黃谷之屬是也；弱苗者長，青、白、黑者是也。收少者美而耗，收多者惡而息也。(《齊民要術(shù)·種谷》)案：大字部分是《齊民要術(shù)》的正文，夾文小注是賈思勰的自注，進(jìn)一步解釋谷物成熟的早晚、苗桿的長短與作物收成之間的關(guān)系，二者顯然屬于同時(shí)代材料，語料性質(zhì)完全相同?？陀袉栮惣痉剑骸逗?nèi)先賢傳》曰：“陳諶字季方，寔少子也。才識博達(dá)，司空掾公車征，不就。”“足下家君太丘有何功德而荷天下重名?”(《世說新語·德行》)案：大字部分是南朝宋劉義慶《世說新語》的正文；夾文小注出自南朝梁劉孝標(biāo)之手，引用《海內(nèi)先賢傳》補(bǔ)充陳季方的基本情況。宋梁兩朝相距不遠(yuǎn)，正文與夾文小注均屬南北朝語料。昆侖墟在西北。三成為昆侖丘?！独稣f》曰：昆侖之山三級，下曰樊桐，一名板桐；二曰玄圃，一名閬風(fēng)；上曰層城，一名天庭，是為太帝之居。(《水經(jīng)注·河水》)案：大字部分是《水經(jīng)》原文；夾文小注則是酈道元引用其他文獻(xiàn)材料對《水經(jīng)》的注解，也就是《水經(jīng)注》正文。其中存在相當(dāng)嚴(yán)重的經(jīng)、注相混現(xiàn)象，不少段落甚至完全無法分辨。由于注文篇幅遠(yuǎn)遠(yuǎn)超過《水經(jīng)》原文，可以把二者暫時(shí)都視為中古語料。九功既歌，六代惟時(shí)。被徳在樂，宣道以詩。穆矣太和，品物咸熙。慶積自遠(yuǎn)，告成在茲。右《肆夏》樂歌四章?？腿?，于四廂振作《于鑠曲》。皇帝當(dāng)陽，四廂振作《將將曲》,皇帝入變服，四廂振作《于鑠》《將將》二曲。又黃鐘、太蔟二廂作《法章》、《九功》二曲。(《宋書·樂志二》)案：大字部分是《宋書》原文；夾文小注是編纂者記述的樂歌演奏過程。由于《樂志二》重在記錄樂歌的歌詞，與歌曲有關(guān)的演奏過程就被當(dāng)作補(bǔ)充材料而采用了雙行小字的書寫形式。它們的語料性質(zhì)則是完全相同的。稻苗漸長，復(fù)須薅。拔草曰薅，虎高切。薅訖，決去水，曝根令堅(jiān)。(《齊民要術(shù)·水稻》)案：“拔草曰薅”是薅字的釋義，“虎高切”是薅字的反切注音。類似的音義材料，究竟出自賈思勰或者同時(shí)代人之手，或者是后人添加的，現(xiàn)在已經(jīng)無從查考，因而難以判斷其時(shí)代性。基于上述分析，中古漢語語料庫處理正文的注釋材料時(shí)，采用了王曉玉《論中古語料庫古籍電子化相關(guān)問題》所描述的三種具體方法：(1)對正文進(jìn)行補(bǔ)充、解釋、說明的作者自注，視為與正文性質(zhì)相同的語料，在每段注釋材料的起止位置，分別添加符號“[J]”作為標(biāo)記，需要說明的是，與其他的文本型、圖文型語料庫相比，作為標(biāo)注型語料庫的中古漢語語料庫處理夾文小注時(shí)遇到了更多的細(xì)節(jié)問題，目前的一些操作規(guī)定，只能算是暫時(shí)性的應(yīng)對策略，今后的漢語史語料庫也許能夠找到更為合適的處理方法。如：東京兆寄治滎陽，領(lǐng)長安、漢舊縣、萬年、別見。新豐、別見。藍(lán)田、別見。蒲阪二漢、晉《太康地志》屬河?xùn)|。凡六縣。(《宋書·州郡志二》)案：夾文小注是作者對部分地名做出的補(bǔ)充說明，屬于《宋書》原文不可分割的組成部分。這種行文方式在中古史書文獻(xiàn)中最為常見，在其他文獻(xiàn)中則主要是針對疑難字詞做出的音義訓(xùn)釋，如：《齊民要術(shù)·種谷》:“以汁和蠶矢、羊矢各等分，撓呼毛反，攪也。令洞洞如稠粥。”在文本型語料庫、圖文型語料庫中，這種現(xiàn)象并不存在太大的問題。中古漢語語料庫需要進(jìn)行詞語切分、義項(xiàng)及語法地位標(biāo)注，就有可能造成詞語或句子成分的前后割裂。以上邊的兩個(gè)句子為例，程序軟件會把“蒲阪二漢晉《太康地志》屬河?xùn)|”“撓呼毛反攪也令洞洞如稠粥”識別為兩個(gè)句子；如果在“蒲阪”“撓”的后邊添加標(biāo)點(diǎn)符號，它們又分別變成了獨(dú)立的句子，“令洞洞如稠粥”則成了另外一個(gè)句子。無論哪種處理方式，顯然都違背了漢語詞匯、語法常識。在加注標(biāo)點(diǎn)符號的現(xiàn)代整理本中，目前也有不同的處理方法，中華書局出版的《宋書》校點(diǎn)本在“長安”“萬年”“新豐”“藍(lán)田”后邊都加了頓號，“蒲阪”后面卻沒有添加標(biāo)點(diǎn)符號，略顯矛盾；繆啟愉《齊民要術(shù)校釋》所采用的“撓呼毛反，攪也。令洞洞如稠粥”,從整體上看應(yīng)該更為合理。中古漢語語料庫針對夾文小注的各種情況，采用了下述處理方法。(1)注釋材料的字號均比正文縮小一號，以顯示兩者之間的差別；(2)注釋材料的起止位置，分別添加“[J]”,將它和前后正文隔離開來；(3)有可能造成詞語或句子成分前后割裂的音義注釋材料，被釋字詞的后面不加標(biāo)點(diǎn)符號，[]里面的音義注釋材料句尾也不添加標(biāo)點(diǎn)符號。上述句子的處理結(jié)果分別為：“東京兆寄治滎陽，領(lǐng)長安[J漢舊縣J]、萬年[J別見J]”,“以汁和蠶矢、羊矢各等分，撓[J呼毛反，攪也J]令洞洞如稠粥?！背藠A文子注，如何看待、處理古代文獻(xiàn)中的附屬材料，也是中古漢語語料庫的一個(gè)重要問題。在中古文獻(xiàn)的流傳過程中，歷代傳抄者往往出于各種目的，自行添加一些與正文內(nèi)容有關(guān)的附屬性文字。從語料本身的性質(zhì)、價(jià)值看，這些材料雖然無法與原文相提并論，它們和原文之間卻存在著一定的關(guān)聯(lián)性，因此，中古漢語語料庫不能采取一律刪除的辦法，而需要根據(jù)具體情況采用不同的處理方式。1.《太平天國經(jīng)》下的《標(biāo)準(zhǔn)化經(jīng)》在古代文獻(xiàn)流傳過程中，部分句子、段落、篇章的漏失甚至全文的亡佚，是一個(gè)極為普遍的現(xiàn)象。幸運(yùn)的是，其中的一些文字由于其他文獻(xiàn)的征引而存留至今。古人征引他人文獻(xiàn)時(shí)，往往對原文進(jìn)行各種各樣的加工，如，改換其中的部分字詞，僅僅轉(zhuǎn)引其大意而非照錄原文，甚至可能故意造假冒充原文等。經(jīng)過歷代學(xué)者的鉤稽，得到了中古文獻(xiàn)的不少佚文材料。在現(xiàn)代的校點(diǎn)、整理本中，通常會附錄在原文的相應(yīng)位置。如：[存]甲部第一云：“學(xué)士習(xí)用其書，尋得其根，根之本宗，三一為主?！薄兜澜塘x樞》卷二《七部義》及《云笈七簽》卷六《四輔》引。(《太平經(jīng)》甲部)案：中古漢語語料庫中的《太平經(jīng)》以中華書局出版的王明《太平經(jīng)合校》為底本。這段材料中，“[存]”后面的文字是從其他文獻(xiàn)中鉤稽出來的佚文及其具體出處，如凡例所說，“《太平經(jīng)圣君秘旨》及他書中往往引有《太平經(jīng)》之佚文，凡知其在經(jīng)卷之地位者，則分別依上三例校訂之。其地位失考而知其卷數(shù)者，則附存卷末。僅知其帙數(shù)者(每部十七卷為一帙),則附存帙末。若卷帙均不知者，則附存全書之末?！敝T如此類的佚文材料，雖然具有一定的學(xué)術(shù)價(jià)值，卻可能夾雜著一些竄改、偽托的成分，并不能完全等同于中古文獻(xiàn)。因此，中古漢語語料庫對《太平經(jīng)》的收錄、加工，同樣采用了比較審慎的處理方法：收錄時(shí)保留這些佚文材料，按照與正文相同的方式進(jìn)行切詞、標(biāo)注，同時(shí)在它們的起止位置添加“存某書某篇”之類的說明性文字。當(dāng)然，也可以根據(jù)語料庫的設(shè)計(jì)框架添加統(tǒng)一的符號性標(biāo)記。2.標(biāo)記性文字的使用中古文獻(xiàn)的正文之外，大多包含著一些與正文內(nèi)容相關(guān)的標(biāo)記性文字，主要包括書名、篇名、作者以及卷數(shù)序號等，大致可以視為不同層級標(biāo)題的組成部分，如《洛陽伽藍(lán)記》《齊民要術(shù)》每卷的卷首都有“后魏撫軍府司馬楊衒之撰”“后魏高陽太守賈思勰撰”以及文獻(xiàn)名稱、具體卷數(shù)等字眼，每篇的開頭也有篇名及其在全書中序號的說明。中古漢語語料庫把各級標(biāo)題中的這些說明性文字統(tǒng)統(tǒng)視為標(biāo)記性附屬材料，僅僅保留原文，不做其他切詞、標(biāo)注工作。因?yàn)榫頂?shù)序號基本上不具備漢語史研究價(jià)值，時(shí)代、職銜及作者姓名則是后人添加的，同樣也不具備漢語史研究價(jià)值。中古文獻(xiàn)的正文中，還會有一些比較特殊的標(biāo)記性文字，通常也采用夾文小注的形式，其內(nèi)容與正文密切相關(guān)，但又不能完全等同。如：別日何易會日難，山川悠遠(yuǎn)路漫漫。(一解)郁陶思君未敢言，寄書浮云往不還。(二解)涕零雨面毀形顏，誰能懷憂獨(dú)不嘆。(三解)耿耿伏枕不能眠，披衣出戶步東西。(四解)展詩清歌聊自寬，樂往哀來摧心肝，悲風(fēng)清厲秋氣寒，羅幃徐動(dòng)經(jīng)秦軒。(五解)仰戴星月觀云間，飛鳥晨鳴聲可憐，留連顧懷不自存。(六解)(《宋書·樂志三》)案：這是曹丕《燕歌行》的歌詞。其中的“解”,表示古代長篇詩歌、樂曲的章節(jié)，“一解”就是第一次奏樂，“二解”就是第二次奏樂，依此類推。另如曹操《苦寒行》“北上太二行二山二，艱二哉二何二巍二巍二”等歌詞中的“二”,表示字、詞、詩句甚至若干句歌詞的復(fù)奏或復(fù)唱，也就是說，奏唱時(shí)需要重復(fù)“二”前面的字、詞、句。如清人趙翼《陔馀叢考·重字二點(diǎn)》:“凡重字，下者可作二畫；始于《石鼓文》,重字皆二畫也。后人襲之，因作二點(diǎn)；今并有作一點(diǎn)者?！边@在中華書局點(diǎn)校本《宋書》中曹操《秋胡行》的注釋也有大致相同的解釋：“古人凡重字，下一字可作二畫。石鼓文凡重字皆作二畫，蓋其濫觴。此篇每一字之下作二畫者，其讀法猶若音樂中之復(fù)奏?！币唤?、二解以及表示重字的“二”,雖然作為夾文小注附在歌詞之后，卻不能算是歌詞本身，更不能視為古代文獻(xiàn)中的重言詞。從嚴(yán)格意義上說，這些文字材料僅僅相當(dāng)于一些特殊的提示符號。即使與純粹的音義注釋材料相比，其漢語史價(jià)值也是微乎其微的。如果中古漢語語料庫保留這些標(biāo)記性文字，就需要根據(jù)其特點(diǎn)、性質(zhì)分別設(shè)計(jì)不同的符號。這樣的處理，不僅增加了語料庫的結(jié)構(gòu)層次，而且也加大了語料甄別的工作量及難度，更重要的是它們并不具備漢語史研究價(jià)值，因此，中古漢語語料庫原則上刪除了諸如此類的標(biāo)記性文字。二、漢字信息處理古代文獻(xiàn)的用字情況紛繁復(fù)雜。對于中古漢語語料庫而言，除了繁簡字、古今字、假借字、異體字、正俗字、避諱字、缺字、生僻字等比較常見的古代用字現(xiàn)象，還要解決古代文獻(xiàn)向入庫文本轉(zhuǎn)換過程中的諸多難題，如字庫未收字、新舊字形、紙質(zhì)印刷體與電腦字庫的不同、大陸與港臺地區(qū)繁體字的差異、類推簡化的范圍等。為了便于表述，本文把一個(gè)字在各個(gè)歷史階段的不同寫法統(tǒng)稱為“異形字”。這樣，中古漢語語料庫的文字問題，自然而然地就簡化成了兩個(gè)大類：一是各種情況下出現(xiàn)的異形字；二是在古代文獻(xiàn)中出現(xiàn)、電腦字庫中不存在的字庫未收字。相對而言，后者主要涉及電腦造字、語料庫顯示以及原文圖像與所造之字如何關(guān)聯(lián)等問題，基本上屬于技術(shù)與操作層面的問題，處理起來并不是非常困難。也就是說，最大的難題在于如何處理異形字。因?yàn)橹泄盼墨I(xiàn)中的不少異形字問題，同時(shí)涉及到了多種比較復(fù)雜的用字現(xiàn)象，必須根據(jù)具體情況分別進(jìn)行處理。在純粹的基于掃描技術(shù)的圖像版古籍?dāng)?shù)據(jù)庫中，完全保持了古籍的原貌，自然不存在復(fù)雜的文字問題，但是，在目前的技術(shù)條件下，這樣的數(shù)據(jù)庫很難滿足用戶的檢索需求，對于漢語史研究并沒有太大的實(shí)用價(jià)值。現(xiàn)有的各種圖像與文本對照數(shù)據(jù)庫以及標(biāo)注型漢語史語料庫，都不可避免地受到了文字處理方面的困擾。如文淵閣《四庫全書》全文檢索系統(tǒng)就存在不少無法顯示的空字，如《齊民要術(shù)·小豆》文例：熟耕耬下以為良，澤多者耬耩漫擲而勞之，如種麻法。未生白背，勞之極怪。漫擲犂案：這里的兩個(gè)符號“ue7e8”,在圖像版《四庫全書》檢索系統(tǒng)中表示空字，紙質(zhì)版《四庫全書》原文均為“這幾個(gè)字符實(shí)際上包含著兩個(gè)層面的問題：前者在圖像版中完全不能正常顯示；后者在圖像版中能夠正常顯示，轉(zhuǎn)換后卻無法正常顯示。兩者可以統(tǒng)稱為漢字信息處理過程中的亂碼現(xiàn)象，如尉遲治平《電子古籍的異體字處理研究》所說：“電子文獻(xiàn)中的漢字，只是數(shù)字的顯示形式?？虒憹h字包括形音義三要素，數(shù)碼漢字包括碼形音義四要素。因此，二者的處理機(jī)制不同，前者由人腦處理，后者由計(jì)算機(jī)處理?！薄皵?shù)碼漢字在計(jì)算機(jī)屏幕上顯示的是字形，在系統(tǒng)里儲存的是數(shù)字。碼點(diǎn)相同即使形音義不同，計(jì)算機(jī)也作為同一漢字處理，反之，碼點(diǎn)不同即使形音義相同，計(jì)算機(jī)也作為不同的漢字處理——這就是所謂‘亂碼’”。作為標(biāo)注型語料庫的中古漢語語料庫，主要用于漢語詞匯、語法等領(lǐng)域的研究?，F(xiàn)有的圖像文本型語料庫，設(shè)計(jì)原則總體上是盡可能保存古籍原貌，如祝敬國《古籍語料庫字體與結(jié)構(gòu)研究》所說：“在古籍電腦化中可以利用電腦的多媒體技術(shù)，把古籍原始的書刻印刷狀態(tài)以圖象方式存儲到電腦中。當(dāng)信息輸出時(shí)，以文字反映古籍的文獻(xiàn)內(nèi)容，以圖象反映古籍的文物內(nèi)容。這樣，古籍的原始字體字形(包括避諱等因素造成的字形變異)等書刻特征就得到了完整的融匯?！鄙踔吝€要試圖保存“古籍的裝幀、收藏家印鑒、題跋、批注圈點(diǎn)等體現(xiàn)文物價(jià)值的圖象內(nèi)容”。中古漢語語料庫中的各種用字現(xiàn)象，按照下述思路分別予以相應(yīng)處理。第一，以文字處理而非圖像處理為總體目標(biāo)，原則上不強(qiáng)調(diào)古籍外在形式的真實(shí)，重在整理一個(gè)新的較為可靠的版本，為漢語詞匯、語法研究提供內(nèi)容真實(shí)的語言材料。用戶可以通過電腦閱讀文本，更重要的則是通過計(jì)算機(jī)進(jìn)行處理。文獻(xiàn)學(xué)所需的校勘、版本、辨?zhèn)蔚裙δ?，文字學(xué)所要求的呈現(xiàn)各個(gè)共時(shí)平面的漢字原始形貌、不同歷時(shí)階段的字形演變情況，以及文物學(xué)領(lǐng)域的保存古籍原版的紙張、色澤、書法等實(shí)體信息等，中古漢語語料庫通常不予考慮。第二，字形的選擇設(shè)立三個(gè)不同的優(yōu)先層級。一級字形：以2013年國務(wù)院頒布的《通用規(guī)范漢字表》及其附件《規(guī)范字與繁體字、異體字對照表》,作為中古漢語語料庫用字的標(biāo)準(zhǔn)字形。第三，字形的歸并原則。中古漢語語料庫使用繁體字，《通用規(guī)范漢字表》所附《規(guī)范字與繁體字、異體字對照表》之外的繁體字，使用《四庫全書》中最為常用的字形。具體操作方式如下：1.王寧縣某市清理書“異漢字”的構(gòu)字分類分為異寫字、異構(gòu)字兩種情況。如果是出于書寫者、刻版者個(gè)體習(xí)慣而造成的字形細(xì)節(jié)差異，包括線條、筆畫方面的臨時(shí)變異，即王寧《計(jì)算機(jī)古籍字庫的建立與漢字的理論研究》所說的“異寫字”,如果字的結(jié)構(gòu)和造意發(fā)生了變化，主要是指歷代不同形體的漢字積淀到后代而產(chǎn)生的若干字形，即王寧所說的“異構(gòu)字”。這種類型的異體字，中古漢語語料庫采用了王東?！豆盼墨I(xiàn)數(shù)字語料庫的異形字處理》提出的處理方法：根據(jù)各個(gè)字形的使用頻率，在多個(gè)形體中確定一個(gè)字形作為標(biāo)準(zhǔn)體，在語料庫中進(jìn)行置換，也就是說廢除了標(biāo)準(zhǔn)體以外的其他字形。具有多重身份的異體字，即所謂“一對多”的異體字，采用楊應(yīng)芹《關(guān)于古籍整理中異體字的研究》提出的處理方法——根據(jù)該字在具體文獻(xiàn)語境中的意義，改為相應(yīng)的通用字形。2.網(wǎng)格化后的后形中古漢語語料庫中的文本，原則上完全轉(zhuǎn)換為繁體字。其中存在一些比較特殊的情況：一部分現(xiàn)代的簡體字，其字形的產(chǎn)生時(shí)代可能早于繁體字，或者在時(shí)代性方面存在一定的交叉，或者難以準(zhǔn)確判定繁、簡字形產(chǎn)生的時(shí)代，統(tǒng)一改為常用的繁體字。一部分現(xiàn)代的簡體字，其字形對應(yīng)著古代的多個(gè)繁體字，也就是通常所說的“一對多”現(xiàn)象，根據(jù)字的意義、用法改為相應(yīng)的繁體字。尤其需要注意的是，地名、人名等專名中的字，紙質(zhì)文本如果用的是簡體字形，必須維持其原貌而不能改為繁體字。這是因?yàn)楣糯膬蓚€(gè)字，現(xiàn)代簡化成了同一個(gè)字。如，古代地名“武強(qiáng)”,不能改為“武彊”;用作姓氏的“仇”,不能改為“讎”。部分繁體字的字形，大陸地區(qū)和港臺地區(qū)存在細(xì)節(jié)性差異。文本轉(zhuǎn)換之后，如果電腦系統(tǒng)使用的是港臺地區(qū)的繁體字，則統(tǒng)一改為《通用規(guī)范漢字表》所附《規(guī)范字與繁體字、異體字對照表》中列出的字形。3.古今與借用保