汉字使用频率

中文汉字词汇

简繁 EN

By RECATOOLS Editorial

关于这个工具

前 192 个高频字 · Jun Da 语料库 · 累计覆盖率

免费汉字使用频率查询。前 192 个高频字 + 累计覆盖率。基于 Jun Da 现代语料库数据(公有领域)。

RT-CHN-033 · Chinese Language & Script

Enter character

使用方法

查看前 50 字

立即看到最高频的 50 个汉字 — 这 50 个字覆盖近 35% 的现代汉语文本。

按字搜索

输入汉字、拼音或英文意思 — 工具返回排名 + 累计覆盖率。

评估文本难度

写文章时,检查所用字的排名分布 — 越多高频字越易读。

优先学习高频字

初学者应先掌握前 200 字 — 阅读能力提升最快的途径。

汉字频率:为什么前 1000 字如此重要

汉字频率分布遵循齐普夫定律(Zipf\'s Law):少数字出现极其频繁,大多数字几乎从不出现。具体到现代汉语:前 100 字覆盖文本 42%,前 1000 字覆盖 91%,前 3500 字覆盖 99.5%。掌握前 3500 字基本可以读懂报纸、小说、官方文件。

这意味着什么

对学习者来说,这是惊人的学习效率杠杆:每个高频字带来的阅读能力提升,远远超过低频字。一个掌握前 500 字的人,其阅读能力大约是掌握前 3500 字的 80%。这就是 HSK 等教育机构按频率排序词表的原因。

语料库与频率统计

现代汉字频率统计来自语料库(corpus)分析 — 收集大量现代汉语文本(报纸、小说、网络、官方文件),统计每个字出现次数。Jun Da(段俊)教授于 1990 年代整理的「现代汉语单字频率列表」是最广泛使用的开源数据,本工具的数据基于此。

注意:不同语料库(新闻 vs 文学 vs 网络聊天)的频率排名会有差异。本工具采用 Jun Da 的现代综合语料库数据。

关于汉字频率的 10 个事实

「的」是中文最高频字,占现代汉语文本约 4.1%。每 24 个字中就有 1 个「的」。

前 10 字覆盖现代汉语 9% 的文本:的、一、是、不、了、在、人、有、我、他。学完这 10 字,每读 11 个字中已有 1 个认识。

齐普夫定律(Zipf's Law)在汉字频率分布中表现极强 — 排名 N 的字出现频率大约是排名 1 字的 1/N。这一规律在英语、法语、西班牙语等几乎所有自然语言中都成立。

前 1000 字覆盖现代汉语 91% 的文本。前 3500 字覆盖 99.5%。学习者掌握前 3500 字基本可以阅读绝大多数现代中文材料。

中国教育部规定,中小学应教授 3500 个常用字。这一数字基于频率分析 — 它对应日常阅读 99.5% 覆盖率。

汉字总数远不止 3500。《康熙字典》收录 4.7 万字,《汉语大字典》收 5.5 万字,中文电脑标准 Unicode CJK 收 9.7 万+ 字。但绝大多数是历史字、人名地名字、专业术语字,现代日常几乎不用。

同字在不同语料中频率不同。新闻报道中「政」「济」「府」频率高;古典文学中「之」「乎」「也」频率高;网络聊天中「啊」「呢」「哈」频率高。本工具采用综合语料库数据。

简体 vs 繁体不影响频率(一一对应),但笔画数差异巨大。「龍 → 龙」(16→5 画)、「邊 → 边」(19→5 画)。这就是简化的初衷 — 让最高频字最易书写。

识字 vs 写字差异很大。受过教育的中国人能识 4000-6000 字,但能独立写(无电脑无字典)的可能只有 2500-3500。「输入法依赖」是一个真实的现代汉语学习现象。

本工具与 RT-CHN-031(成语词典)、RT-CHN-032(HSK 词汇)互补 — 是系统化中文学习的三个支柱。

常见问题

Jun Da(段俊)教授整理的「现代汉语单字频率列表」,基于多个来源的现代中文文本语料库统计。这是中文计算语言学领域最常引用的公有领域数据集之一。
语料决定排名。新闻语料中「政」「济」高频,文学语料中「云」「叶」高频,网络聊天「啊」「哈」高频。Jun Da 的数据是综合性的,但仍偏向 1990 年代的文本特征。
是的,这一比例在多个独立语料库中得到验证。这是齐普夫定律(Zipf's Law)的体现 — 一个适用于几乎所有自然语言的统计规律。
大方向是,细节上不一定。最高频字应优先,但学习也应考虑语义聚类(亲属字一起学:父母兄弟姐)、构件相似(月、明、朋、肝)。HSK 课程兼顾频率与学习心理。
看用途。日常阅读不必学习。但古典文学、医药、法律、人名地名等专业领域需要。例如「鼎」「鼐」是低频字但在历史文献中频繁出现。
简单加法:对前 N 个字的单字出现率求和。例如,前 3 个字(的、一、是)的出现率分别是 4.1%、1.7%、1.2%,累计 7.0%。意味着懂这 3 字,任何文本中你都认识 7% 的字符。
基本相同,因为大多数字是一一对应的(简「龙」对应繁「龍」)。但少数情况:有些简体字对应多个繁体字(如「干」对应繁「乾、幹、干」),会影响排名。本工具基于现代简体语料。
核心高频字几乎一致(的、一、是 — 都是 top 3)。差异在中频区(排名 200-2000)— 不同地区的文化、行业、新闻话题不同。但学习上,前 1000 字几乎通用。
影响输入法的设计,不影响真实字频。拼音输入法会优先显示高频字,五笔输入法按字根编码 — 但人们打字时实际用的字仍是高频的(因为日常表达需求决定字频)。
目前使用 Jun Da 1990s 数据(2004 年更新)。核心高频字几十年保持稳定,但中低频区可能变化。计划未来纳入更近期的语料库数据。

汉字使用频率