训诂常用术语解析
古籍注解中的密码
武汉话有一个非常常见的句末语气词,就是撒,比如你去撒。那么这个撒古代用不用呢?其实古代也是有的。关键是我们要能读懂古人的密码,就得依赖古人的注疏。而注疏里面带有规律性的东西,就是他们常用的术语,这是帮助我们判定一个词到底怎么理解的关键。这一讲就来简单介绍一下,阅读古籍中常见的一些术语。
一、曰、为、谓之
这几个词都是用来解释词义的,解释的时候,一般被解释的词放在后面。比如:
宋代的朱熹这样注释说:“谷不熟曰饥,菜不熟曰馑。”
《尔雅·释天》“谷不熟为饥,蔬不熟为馑。”也是这样说的。
加工骨器这叫做切,加工象牙这叫做磋,加工玉器这叫做琢,加工石头一类的东西这叫做磨。
二、谓、谓之、之谓;某,某也;某者,某也
这一组主要说明这个词专指什么,或者是某一个特定的事物。比如
没有说这个后生是谁?何晏注:“后生为少年。”这个后生是少年。
我们在博物馆里面看到的那个礼器,这个豆,用木头做的,它叫做豆,用竹子做的叫做笾,用土烧制而成的叫做豋。
还有某者某也来注释的。
我们有个词叫奔走相告。
三、貌(皃)
这个貌就是容貌的意思。所以它放在一个词的后面来训诂的时候,经常是表示这个某种性质,或者是某种状态,这个词往往是形容词或者是一个动词。
朱熹注:“沃若,润泽貌。”这个叶子当时长得还很繁盛。
这个莞尔而笑怎么笑的呢?何晏:“莞尔,小笑貌。”
四、犹
这个犹就是像什么什么一样,就是差不多。
《毛传》:“侧犹厓也。”就是水涯水边儿。河之侧就是河边,就是河岸。
五、之言、之为言
之言、之为言,这个术语是有一个非常强的规律性在里面。我们看到这两个术语,它们基本上都是用声音来训释的,就是用声音相同或声音相近的词来训释,那么这两个词之间一般是有同源的关系,古人造这个词的时候,把它们的意义进行了一定的联系。
什么是鬼呢?《说文解字》说:人神曰鬼,就是人死了之后那个是叫做鬼。鬼就是回去了,我们现在说这个走了,说回到原来地方了,委婉的表示。在它同音的时候也可能会造成误解,比如说有一年春节晚会,有个人在这个接近零点的时候在那唱归来哟,归来吧,这个很多人听了之后都感觉不好,因为把那个归都听成了鬼。
就是说为政,首先要自己身正。
六、拟音的术语:读若、读如
就是读的像什么?
这个阇,它要读的像这个都一样都读做都。
七、改字的术语:读为、读曰
这两个术语基本上都是说明通假的。少量的是说明这个音应该怎么读的。比如
颜师古注:“说罢独曰疲。”罢的字形不能再读罢了,要把它读成疲,这时用的读曰。
八、正误的术语:当作、当为
还有更正错误的术语,当作、当为,应该是什么。比如
郑玄注:“牲当为腥,声之误也。”这里有一个牲口的牲,他写错了,应该是腥臊的那个腥。
九、析言、浑言
这是常用的,它主要是用来比较词义的差别。
段玉裁在下面注释:“析言之则病为疾加,浑言之则疾亦病也。”如果要详加分析的话,这个病它比疾的程度要重。
但是笼统的说这个疾就是病,病就是疾,两个没有差别,都是生病了。
十、如字
这个也是非常常用的一个训诂术语。主要是来强调被解释的这个词。要按照他本来的读音读,不要去改变他的音,读成别的词,理解成别的词。
陆德明的《经典释文》是这样注音的:“恶恶,上乌路反,下如字。”
上面这个恶字应该读作乌路反,那就是读作恶wù,下面的恶字呢,就不要再读作乌路反了,就要按照它本来的这个读音恶è去读,这就叫做如字。
还有我们最常见的。如
我们在影视剧里,经常看有人把好读作第四声。这个读法的差异在《经典诗文》里面已经记载了。
唐·陆德明《经典释文》:“好,毛如字,郑呼报反。”
就是毛亨把它当成好来读,而郑玄把它读成好hào,所以在那个时代就有人把它读成好hǎo,也有人把它读成好hào。
十一、辞、词、语词、语助、语助辞
《毛传》:“思,辞也。”在这个地方啊。这是一个语气词,不能当成思念的思。这个在武汉话里面实际上就是撒,“汉有游女不可求思(撒)。”
另外像我们都很熟悉的“河水轻起涟漪”,现在有人一说我心中泛起了阵阵涟漪,那么这个涟漪是不是一个词呢?我们看古人注释发现它不是一个词儿。
朱熹的注释说:“猗与兮同,语词也。”这个猗呀实际上就相当于兮。那也就是河水清且涟兮,是表达语气的一个词,它不是一个双音词。
通过以上术语的学习,基本上常见的古籍注疏就可以读懂了。那读懂之后呢?我们就可以尝试理解古文的意思、语气和断句了,这样的基础练习在古代更是受到了重视,只不过他们的方法主要是书读百遍其义自见,而我们主要是掌握了规律之后去举一反三。在古代如果没有长时间的阅读,可能连标点都不会,甚至还会被人讥笑为没读过书。就像周星弛的**,《九品芝麻官》中的那个小官一样,那么具体是怎么回事?又该怎么样正确的标点断句?请看下一讲古籍阅读与断句案例分析。
训诂常用术语解析
本文2023-10-18 01:50:00发表“古籍资讯”栏目。
本文链接:https://www.yizhai.net/article/142808.html