析 疑

全书只抽出七十三条纪年，是不是漏掉了很多年号？

库中 time_mention 一百零三条，相对于全书一千余段引文来说确实不多。原因有三：一是《艺文类聚》按类立门，不按年编年，绝大多数段落不以年号开头，纪年只作为叙事中的时间点出现；二是抽取采用年号白名单高置信口径，只认汉至唐初常见年号，凡年号不在白名单内、或形似年号而实为数目字的，一律不收；三是底本的纪年常写作「建武二年」「元封元年」这类简式，若前文没有句读隔开，正则不易判定边界。于是宁可少收，也不把一云八十这类数字误当纪年。读者若要查某年之事，不能只依赖 time_mention，还应在 FTS 中直接搜年号原文。反过来，七十三条纪年虽少，却条条可回原文，且都带门名与卷次，适合做类书中的时间点样本，而不适合做全书的年代统计。七十三条纪年里，汉魏年号占多数，唐初年号极少，这与本书的取材下限一致：类书主要收唐前材料，唐初只是零星补入。若发现唐初年号偏多，反而要怀疑底本是否混入了后人的增补。七十三条纪年的分布也值得看：多数集中在帝王部、职官部、礼部，因为这几部多收诏令、制度、人物生平；天部、地部、草木部几乎没有纪年，因为那些门收的是训释与咏物。纪年密度因此可作为判断门类性质的一个辅助指标。纪年密度还可以用来判断某卷的史料性质：纪年密集的卷多为史事，纪年稀疏的卷多为训释与咏物。纪年密度作为辅助指标，不能反推门类性质，只能提示该门偏史事还是偏训释。读者若要做全书年代研究，应另建专表，不能只靠这一层。

为什么纪年抽取要设年号白名单，不直接用正则抓「某某年」？

直接用正则抓某某年，会把大量非年号的结构抓进来。例如一云八十这类异文、「在位七十年」这类叙述、八十一年这类数目，都能匹配「某年」的模式，但都不是年号纪年。更麻烦的是，有些句子里的「元年」前面根本不是年号，而是「开元」这样的年号与「元年」黏连，或「高祖元年」这样的庙号加元年。库中最终只收一百零三条，靠的是白名单：先把汉至唐初常见年号列成表，再要求年号二字以上、出现在句读之后或段首，且前后没有「云」「曰」「在位」等干扰字。这样做的代价是漏收，好处是每一条都能回原文核实。类书的纪年层本来就稀疏，若为了数量放宽口径，会把整层变成噪声，反而无法用于任何研究。这也是全书统计的一条通则：宁可少收，不可错收。白名单也不是万全之策：有些年号只出现一次，白名单若漏收，就会整条丢失。当前七十三条是白名单内命中的口径，报告里另列疑似年号但未收的候选，供人工复核，而不是把候选直接入库。白名单之外还有一类半截年号，如「元封」被写成「元封中」元封后，正则只认「年」字，这类就会漏收。当前口径接受这种漏收，因为半截年号的时间精度本就不足，收进来也无法用于年代统计。白名单也可以反过来用：若某年号高频出现而名单漏收，就说明名单需要扩充；这比逐年人工检索高效。名单扩充之后，应重新跑一遍抽取，并把新增条目回原文核对，不能只信数字变多。名单扩充之后，新增条目的门类分布也要一并检查，防止偏收某一部。白名单的口径必须写清楚，否则数字会被误读成全书纪年总数。

库里的纪年为什么不换算成公元年份？

time_mention 表只存底本自报的年号、年次、月、日，不存公元年。原因有三：一是底本的纪年多为「建武五年」「元封元年」这类，本身不带月份的日子，若强行换算，会凭空补出并不存在的精度；二是同一门内往往并列不同朝代的年号，如卷第四十九太常门连引「武帝元鼎二年」「武帝元封四年」「孝武帝元朔元年」，这些「武帝」指汉武，若换算需先确认朝代，而底本并未明写；三是年号改元频繁，同一字在不同朝代重复，如「建武」既是东汉光武年号，也是西晋、后赵年号，脱离上下文换算极易错代。数据层因此只做原文照录，把换算留给使用者按上下文判断。若要换算，至少要先确定该段所属朝代与人物，再用年表对齐；这一步无法自动化，也不应在类书层强行完成。不换算公元还有一个实际好处：读者若按公元年检索，会得到一堆互相矛盾的年份，因为同一门里可能并列不同朝代的年号。保留原文年号，至少能保证每条纪年都能回到底本的句子，换算错误不会污染数据层。若一定要换算，建议另建一张纪年—公元对照表，并注明换算依据与不确定性，而不是把公元年直接写进 time_mention。这样既保留原文，又提供参考，两者不混。类书的时间层应做索引，不做定年。保留原文年号，还有一个学术伦理上的理由：类书的编纂者没有换算公元，后人也不应替他们补上这层解释。把换算留给读者，是类书数据层最克制也最负责的做法。这条原则同样适用于祥瑞、灾异一类带解释色彩的材料，只录不评。保留原文年号，也就保留了底本的纪年习惯。