析 疑

帝王作者里，梁元帝一百二十七篇、魏文帝七十四篇都很高，梁武帝却只有十二篇，为什么差这么多？

库中梁简文帝二百七十六篇、梁元帝一百二十七篇、魏文帝七十四篇，而梁武帝只有十二篇，唐太宗仅三篇（作「太宗皇帝」「太宗文皇帝」）。同为帝王，差距不在身份，而在作品与题材：梁简文帝、梁元帝都有大量咏物诗赋，题材细到扇、伞、镜、灯、马、莲，正合类书按物立门的需求；魏文帝的赋、书、诏也多涉器物与制度。梁武帝的作品以诏令、佛理文字为主，可摘入类目的咏物之作少，故引用少。唐太宗三篇则是因为《艺文类聚》成书于武德年间，太宗尚未即位，书中偶见的「太宗皇帝」当是后来补入或底本混入，数量自然极少。这条差异提醒读者：类书引谁多，不等于谁的地位高，而等于谁的作品更适合按门摘录。若用撰人榜排名去写文学史，会把咏物诗人抬得过高，把诏令作者压得过低。唐太宗只有三篇，还有一个版本原因：本书成于武德年间，太宗尚未即位，书中出现的「太宗皇帝」当是后来补入或底本混入，数量自然极少。若把这三篇当作唐太宗在本书中的全部作品，会误解本书的成书时间与编纂层次。帝王作者的多寡还与他们是否咏物有关：梁简文帝、梁元帝、魏文帝都有大量咏物赋，题材可拆入门；梁武帝多诏令、佛理文字，可拆入门者少。可见作者身份不如题材适配更能解释引用量，这一点在类书统计里尤其重要。帝王作者榜的差异也说明：类书的「作者」是作品供应者，不是历史地位排序；以榜论史，最容易把咏物之作当成一代文学的主流。帝王作者榜因此只能作参考，不能作文学史结论；真正的结论，要回到具体门类与作品。

陶潜在库里只有十七篇，比梁简文帝少得多，这符合文学史印象吗？

库中「宋陶潜」十七篇，集中在卷第三十六、三十七人部隐逸上下，以及卷若干咏物门。与梁简文帝二百七十六篇相比，数量很小，但这并不奇怪：陶潜存世作品本就不多，诗不足一百三十首，文十余篇，且题材集中于田园、饮酒、拟古、行役，能按类书门目摘入的更少；梁简文帝则是咏物大户，恰好对类书胃口。更重要的是，唐初对陶潜的评价尚未到宋代以后的地位，编者取陶诗，多用于隐逸、高士、饮酒、归田一类门，不会像后世选本那样大面积收录。因此十七篇不是「遗漏」，而是按门取材的结果。读者若想从类书看陶潜，应去隐逸门、酒门、菊门、松门等具体门类，而不是指望他在撰人榜前列。反过来说，十七篇中若有他书不存的句子，其辑佚价值反而高于高产作者的一般篇目。陶潜十七篇的分布也值得看：多在隐逸、高士、酒、菊、松一类门，正对应他的田园与隐逸形象。类书按门取人，往往把一位作者类型化，只保留与门类相符的一面。研究陶潜的接受史，这些门类分布比篇数更有信息量。陶潜篇数少，还与唐初的陶诗接受有关：陶诗在梁陈已受重视，但尚未到宋代那样被奉为典范；类书取陶诗，多按隐逸、酒、菊等门摘句，不做全面收录。十七篇是按门取句的结果，不是唐初只知陶诗十七篇。陶潜的例子还说明，类书对作者的呈现是门类化的：同一位诗人被拆到隐逸、酒、菊等门，读者需把各门合看，才见其全貌。把陶潜各门合看，可以看到一个被类书分门的诗人形象，与后世全集本的形象并不相同。陶潜的例子说明，类书的作者形象是按门类拼出来的。

卷第五十八「砚」门从「砚之书」写到「漆石砚」，这一门的材料是按什么层次铺开的？

砚门首条是「太公金匮曰．砚之书曰．石墨相著．邪心谗言．无得污白」，以托名太公的砚铭起；接着「汉书曰．宣帝时．中郎将张彭祖．少与帝微时同席砚书」，讲砚与人物的关系；再「崔寔四民月令曰．正月砚冻释．命童幼入小学篇章」，讲砚与学令、时令；再「魏武帝上杂物疏曰．御物有纯银参带台砚一枚」，讲御用砚的形制；再「东宫旧事曰．皇太子初拜．给漆石砚一枚」，讲东宫制度。五条材料从铭、史事、月令、御物、东宫制度依次展开，正好是类书「事」部的典型层次：先训释与铭文，再人物典故，再制度器物。读者若只把砚门当作文房清玩，会漏掉后两条的制度信息：银砚、漆石砚不是鉴藏，而是御物与东宫仪注的一部分。名物门类在类书里往往兼有三层，即物之名、物之用、物之制，读时按这三层拆，材料才不乱。砚门五层的顺序还可与卷五十八的笔、纸门对读：笔门多收制笔、赐笔、笔铭，纸门多收纸谱、赐纸、纸赋，砚门则多收砚铭、砚制、东宫给砚。三门的材料层几乎平行，说明文房器物在类书里是按铭—故事—制度同一模板编排的。砚门的五层还可以反过来读：从铭文到制度，材料的时间跨度从托名太公一直到东宫旧事，编者不加区分地并列，说明类书的时间轴是事类轴而非年代轴。读者若按年代排序读，会觉得材料跳跃；按层次读，则脉络清楚。砚门五层里最容易被忽略的是月令一层：崔寔四民月令讲正月砚冻释、十一月砚冻，把文房器物写进了农事历，这是类书特有的时间感。月令一层把砚写进农事历，正说明类书的时间不是编年，而是按门类循环的岁时。

「谷」门为什么先讲九州宜种，再讲九谷之名？这两层是农书还是制度？

谷门第二条引「周官曰．杨州荆州宜稻．豫州宜种麦．青州宜稻麦．兖州宜三种．雍州宜黍稷．幽州三种．冀州宜黍稷．并州宜五种」，夹注解释「五种．黍稷菽麦稻．三种．黍稷稻」；第三条引「太宰．九职任万民．一曰三农．生九谷」，夹注「黍稷秫稻麻大小麦」。前一条是《周礼·职方氏》的九州宜种，讲的是土地与作物配置；后一条是《周礼·太宰》的九职，讲的是农事作为国家职任。两条都不是农书技术，而是制度文本：一条定地理，一条定职官。类书把它们放在「谷」门开头，等于先立谷为何物、由谁种、种于何地的制度框架，再往下才收禾、稻、黍、粟、豆、麻、麦各门的博物与故事。这也解释了为什么谷门不先收《齐民要术》一类农书，而先收《周礼》：类书的「事」优先取经典制度，农书材料反而在后。读者若按农学史去找，会先读到一堆职官与州域，需要耐心读到后面的作物门才有技术细节。谷门之后的禾、稻、秔、黍、粟、豆、麻、麦各门，才进入具体的作物名与故事。也就是说，谷门是总纲，分门是子目，这与山部「总载山」加分山的结构完全一致。读者查具体作物，应去分门；查五谷之制，才留在谷门。九州宜种一条还透露了类书的地理观：它按《周礼》的九州配置作物，而不是按唐代的实际行政区划。也就是说，类书收的是经典制度文本，不是当代农情。读者若拿它研究唐代农业，会错把经典理想当成现实。谷门总纲与分门的关系，也可以用来校验其他部：凡有「总载」门的部，都先立总纲再分目，读者可按此判断某门是总还是分。

旱门里既有「肥遗」这种六足四翼的蛇，又有「应龙」，灾异解释是怎么运作的？

旱门首条「春秋考异邮曰．旱之言悍也．阳骄蹇所致也」，先给「旱」下定义：旱是阳气骄蹇所致，属天人感应式的解释。第二条「山海经曰．泰华之上．削成而四方．有蛇名曰肥遗．六足四翼．见则天下旱」，用异兽出现作为旱的征兆。第三条「又曰．东荒北隅有山．名土丘．应龙处南极．杀蚩尤夸父．不得复上．故下数旱．旱而作龙应之．乃得大雨」，用神话解释旱的成因与祈雨的可能。三条材料分别对应三种解释模式：道德感应（阳骄）、征兆物象（肥遗）、神话因果（应龙）。类书把它们并置，不判断哪一种为真，而是把当时关于旱的全部话语收在一门。这也解释了紧随其后的「祈雨」门：既然旱有道德与神话两重解释，祈雨就既是人事补救，也是与神沟通。读者若用现代气象学去读，会觉得荒诞；若用灾异政治文化去读，这三条正是唐初天人之学的完整样本。旱门之后紧接祈雨门，收的是祷雨之礼与应龙、土龙一类祈雨法。旱与祈雨两门连排，构成灾—禳的完整单元。读者若只读旱门，会以为本书只记灾异；连读祈雨门，才看得出编者对灾异的处理是记其异，继以禳。旱门的三种解释模式还对应三种材料来源：道德感应多出纬书与春秋家，征兆物象多出山海经一类异书，神话因果多出淮南子、山海经。引书来源的差异，正好把三种解释模式分开，读时可按引书判断该条属于哪一模式。三种解释模式并非互斥，同一门内可以并存；读者若要研究某一种，应按引书来源筛选，而不是按门名筛选。按引书筛选解释模式，是一种可操作的读法，比按门名笼统归类更可靠。

芙蕖门里「荷」「芙蕖」「芙蓉」「菡萏」反复出现，一物多名该怎么读？

芙蕖门首条「尔雅曰．荷．芙蕖．其茎茄．其叶葭．其本蔤．其花菡萏．其实莲．其根藕．其中的．〈的．子也．〉的中薏」，一条就把整株荷的各个部位分了名：整株叫荷、芙蕖，茎叫茄，叶叫葭，本叫蔤，花叫菡萏，果实叫莲，根叫藕，莲子叫的，莲子心叫薏。第二条「广雅曰．菡萏．芙蓉也」，又说花有芙蓉之名。于是同一物在不同引书里有不同称法：荷、芙蕖是株名，芙蓉、菡萏是花名，莲有时指果实、有时又泛指。类书把这些训释并列，不是重复，而是保留同名异指的证据。读这类名物门，最忌把「芙蓉」一律当花、「莲」一律当株；应顺着训释的层级看：株—茎—叶—本—花—实—根—子，每一级都有自己的名。数据层不做同物异名合并，正是为了避免把「莲」的果实义与株义混为一谈。芙蕖门之后还有菱、蒲、萍、苔、菰、荻等门，都是水生或湿地植物，与药香草部的草木谱系相接。这说明门与门之间不仅按名物排，还按生境排：水生一类聚在一起，陆生草木另聚一处。读者按生境检索，比按字面检索更有效。一物多名的读法还可以推及全书：玉部的「马瑙」即玛瑙，草部的「署预」即薯蓣，鸟部的「鷰」即燕。底本用字多存古写，若按现代通行名检索，会大量漏检；建索引时应把古今异写、异体字一并收入。古今异写与异体字，是名物检索的第二道门槛；第一道是异名，第二道是异写。两道都过，检索才可靠。异名与异写两道门槛，也是古籍数字化的共通难题，本书只是把它具体化了。异体字表可以从本书的字频表反推，凡低频而形近的字，多半是异写。

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。

为什么用两字词在库里搜不到，比如搜「兰亭」结果为0？

库中全文检索表 passage_fts 使用 trigram 分词，按连续三字建索引。因此三字以上的词可以直接 MATCH，如「桃花源」能命中三条；两字词如「兰亭」不入 trigram 索引，直接 MATCH 会返回 0。这不是库里没有「兰亭」，而是检索方式不对。两字检索应改用 LIKE，例如在 passage.text 上执行 like '%兰亭%'；或者在 FTS 上先补一个字再搜，如兰亭序会稽兰。这一限制来自 SQLite 的 trigram 分词器设计，不是数据缺失。实际操作建议：三字以上用 FTS，两字用 LIKE，单字用 LIKE 并配合部、门过滤。另需注意底本用「．」作句读，FTS 索引里标点也占位，但 trigram 只按字符切，标点不参与匹配，所以不必先把「．」换成「。」再搜。两字检索还有一个替代办法：用 SQL 的 LIKE 配合部、门过滤，如先按 section_group 找到「兰」相关门，再在门内 LIKE 搜「兰亭」。这样既避开 trigram 的两字限制，又不会被全库噪声淹没。三字以上仍建议用 FTS，速度快且能排序。trigram 的两字限制还影响人名检索：两字人名如「陆机」「沈约」不能直接 MATCH，需用 LIKE 或加一字。三字以上的人名、书名、门名则可用 FTS。检索前先判断关键词长度，再选工具，能省很多无效查询。检索工具的选择，本质上是对数据形态的尊重；用错工具，不是数据坏了，而是方法不对。工具选对，检索才有意义；工具选错，先别怀疑数据。

第一次用这个库，最该先看哪几张表？按什么顺序查？

建议按骨架—段落—专题三层查。第一层看骨架：division 四十六行给出部序与卷范围，volume 一百行给出每卷的部序列与段数，section_group 七百余行给出门名、首末卷、门次数，section 给出每门在卷内的起止行。先读这三张，能迅速建立卷几属哪部、哪部有哪些门的地图。第二层看段落：passage 是原子表，字段有 vol_no、line、style、style_kind、text，按卷或门过滤即可取原文；entry 与 passage 一一对应，便于按 lead 检索。第三层看专题：citation 查引书，literary_piece 查撰人与篇题，editorial_note 查校记与异文，crossref 查事具某门，time_mention 查纪年，volume_note 查卷级校记。典型查法：先按门名找 section_group，拿到 group_id，再连 section 与 passage 取文；若查某书引用，直接按 book_title 过滤 citation，再回 passage 取上下文。切记 volume.division 只是卷首部名，卷内可能换部，跨部卷应以 divisions 字段为准。查引书时还有一条捷径：citation 表带 div_id，可先按部过滤，再看该部引了哪些书。例如查礼部引了哪些礼书，直接按 div_id 与 book_title 分组即可，不必逐段翻。查撰人同理，literary_piece 带 style 与 author，可先按文体过滤。

既然段是原子，为什么有些段落里能读出好几条互不相干的引书？

因为底本按行切段，而原书的条目边界在这类地方已经模糊。卷第四元正门有一条长段，从「孔丛子曰．邯郸民以正月旦献爵于赵王」起，中接「东观汉记曰．戴凭为侍中」，再接「汉书曰．鲍宣字子都」，三条各自完整却挤在一行；卷第五十八砚门也有类似情形，一段里可能先叙砚铭、再叙东宫制度。全库含两个以上X曰结构的段落有二千五百八十六段，占近两成。数据层坚持段为原子，是因为段能精确落到行号，可回底本核对；若强行在段内再切，就要重新判定条目边界，而底本本身没有给出边界标记，切错的风险高于不切。代价是 citation 只记段首书名，段内后续书名不入表，引书总量被低估。这一缺口已在报告中标明：citation 八千七百余条是段首口径，不是全书引书总数；需要段内全量引书时，应按X曰再扫一遍 passage.text，并接受边界判断带来的误差。段内多引的缺口还有一个补救办法：在报告里给出段内疑似多引的段落清单，读者可据此人工复核，而不必全库重扫。清单按段内X曰个数排序，多引越多的段越靠前，复核效率最高。段内多引的清单还可用来评估底本质量：多引段越集中，说明该卷的条目边界越模糊；若某几卷多引段特别多，那几卷的底本来源可能与其他卷不同。这与卷级校记的「宋本缺」标记可以互相印证。多引段清单若与卷级校记交叉，能看出底本拼合的痕迹：明本补入的卷，多引段往往更多。多引段与校记交叉，是判断底本拼合的一条旁证，值得在版本研究里单独列出。