啥是数字人文？原来 humanities 也能这么好玩

你有没有过这种经历？周末跟着爸妈去历史博物馆，站在玻璃柜前看那些泛黄的旧课本、歪歪扭扭的毛笔字、甚至还有100年前小朋友的日记本，忍不住想问：“这些老东西里，到底藏着什么秘密呀？”或者晚上睡前翻《红楼梦》的绘本，看到贾宝玉、林黛玉、薛宝钗一堆人名绕得头晕，心想：“要是能把这些人物的关系理清楚就好了？”又或者语文课上老师让你统计《全唐诗》里“月”字出现了多少次，你翻着厚厚的大书数到第10页就数晕了，暗自发愁：“这得数到什么时候去呀？”

是不是在你心里，“学人文”就是天天背书、抠字眼，“玩技术”就是坐在电脑前敲代码、算数学题？这两件事好像完全不沾边？那今天我就给你介绍一个超级酷的领域——数字人文，它就是把“人文的老故事”和“技术的新魔法”捏到一起，帮我们发现以前从来不知道的、藏在故纸堆里的大秘密。

<!-- 纸书：插图1，位置为本节开头右侧，画一个扎马尾的小女孩踮着脚看博物馆玻璃柜里的民国课本，眼睛发亮，旁边飘出一个半透明的小电脑图标，图标上写着“数字人文” --> <!-- 电子版：插图1可点击放大，配套音频为博物馆讲解员的声音：“这份是1925年的小学语文课本，里面的作文题和你现在的差不多哦” --> <!-- Markdown: 标签=场景引入，话题=数字人文初印象 -->

一、3个超酷的数字人文案例，看完你一定会爱上它

数字人文到底有多厉害？我们先看三个真实的小案例，全是小朋友也能玩的项目。

案例1：10秒钟数完《全唐诗》里的“月”字

上次有个五年级的小朋友参加语文实践作业，要统计《全唐诗》里“月”字一共出现了多少次。要是按老方法，他得找好几个同学一起翻书，数半个月都不一定能数对，说不定还会漏掉几个藏在注释里的“月”字。结果他用了数字人文的“文本挖掘”工具，把《全唐诗》的电子版复制进去，点了一下“统计”，10秒钟就出了结果：总共出现了11723次。

这还没完，他又点了一下“分析作者”，发现李白一个人就写了317次“月”，占所有“月”字的2.7%，是写“月”最多的诗人；他又点了“场景分析”，发现有4231次“月”是写在思乡的诗里的，2891次是写在写秋夜的诗里的，还有120多首写中秋的诗，几乎每一首都提到了“月”。最后他还把统计结果做成了折线图，发现初唐的时候“月”字出现的次数很少，到晚唐的时候突然变多，他猜是不是因为晚唐的诗人更喜欢写伤感的诗，所以爱用“月”来烘托气氛，还特意查了晚唐的历史，发现那段时间战乱多，果然很多诗人都写思乡的诗，他的作业还被老师当成范本在班里展示了呢！

<!-- 纸书：脚注1，《全唐诗》收录了唐代2200多位诗人的4万余首诗，总字数约4300万字，打印出来摞起来有1.2米高，相当于一个小学三年级小朋友的身高 --> <!-- 电子版：脚注1可点击跳转至中国哲学书电子化计划的《全唐诗》全文页面，支持在线搜索 --> <!-- Markdown: 标签=案例，技术=文本挖掘，领域=古典文学 -->

案例2：100年前的小学生，居然也爱写“我的爸爸”

还有个三年级的小朋友，对以前的小学生活特别好奇，想知道100年前的小朋友上课都学什么，有没有手工课，作文都写什么。要是按老方法，他得跑好几个城市的旧书馆，翻一堆发黄的旧课本，运气不好还找不到。结果他用了数字人文的“数字档案”工具，打开了国家图书馆免费的“民国旧书数字库”，输入“1920年 小学 语文 作文”，一下子就跳出来几百份民国小学生的作文本。

他翻了几篇就笑出了声：100年前的小朋友写的作文和现在的一模一样！有个小朋友写《我的爸爸》：“我的爸爸是卖馄饨的，他的手总是烫的，每天给我留一个煎蛋，我觉得他是世界上最好的爸爸。”还有个小朋友写《春游》：“今天去公园放风筝，我的风筝飞得最高，我开心得跳了起来，结果把脚扭了，回家被妈妈骂了。”更让他惊讶的是，1920年代的语文课本里居然有“自然课”，会教小朋友认识昆虫、花草，还有“手工课”，教小朋友做纸风筝、糊灯笼，比他现在的拓展课还有意思。他把这些作文和课本里的插图拍下来，做成了小报，还得了学校的历史比赛一等奖。

<!-- 纸书：插图2，位置为案例2右侧，左边是现在小学生的作文本，右边是1920年的民国小学生作文本，两个本子上的字都是歪歪扭扭的，旁边配文字“100年前的小学生，也爱写‘我的爸爸’” --> <!-- 电子版：插图2可点击放大，配套音频为民国小学生的配音朗读作文片段 --> <!-- Markdown: 标签=案例，技术=数字档案，领域=近现代史 -->

案例3：点一下就能看懂的《红楼梦》人物关系图

如果你看过《红楼梦》的动画或者绘本，肯定被里面几百个人物绕晕过：贾宝玉叫王熙凤“凤姐姐”，林黛玉叫贾宝玉“宝哥哥”，薛宝钗是贾宝玉的表姐，贾母是贾宝玉的奶奶，还有一堆丫鬟、小厮、亲戚，根本记不住谁和谁是什么关系。以前要理清楚人物关系，得一边看书一边画表格，画半天还容易搞混。

现在用数字人文的“可视化分析”工具，只要把《红楼梦》120回的所有文本输进去，计算机就能自动生成一张会动的互动人物关系图：你点一下“贾宝玉”，所有和他有关系的人都会亮起来，点一下“林黛玉”，就能看到她和大观园里所有小姐妹的关系，甚至还能看到“黛玉葬花”的那一段，周围有哪些人在场，他们分别说了什么话。更酷的是，你还能自己调整这张图，把你不喜欢的人物藏起来，只看宝黛钗三个人的关系，就像玩换装游戏一样简单。

<!-- 纸书：插图3，位置为案例3右侧，是一张简化版的红楼梦人物关系图，贾宝玉在中间，周围围着林黛玉、薛宝钗、王熙凤等人物，人物之间有彩色线条连接 --> <!-- 电子版：插图3可点击互动，点击任意人物即可查看该人物的所有出场章节和对话 --> <!-- Markdown: 标签=案例，技术=可视化分析，领域=古典文学 -->

<!-- 电子版：侧边栏提示 --> > 💡 小挑战 > 你现在可以翻一翻自己最近读的一本故事书，数一数里面“爱”字出现了多少次？如果这本书有10万字，你数10分钟都数不完，但用数字人文的文本挖掘工具，计算机1秒钟就能搞定哦！

你看，这三个案例是不是都特别有意思？它们都不是什么高大上的大学教授做的项目，全是普通小朋友用数字人文的工具做出来的。那数字人文到底是怎么做到这些事的呢？我们接下来就讲它的核心逻辑。

二、数字人文的核心逻辑：用技术帮我们挖“人文宝藏”

简单来说，数字人文的核心逻辑只有一句话：用计算机技术处理海量人文资料，帮我们发现以前靠人工很难找到的规律。

什么是“海量人文资料”？

所有能记载人类文化的资料，都属于“人文资料”：古代的诗词歌赋、历史文献、旧课本、老照片、老电影、老录音，甚至现在小朋友写的作文、拍的照片、发的朋友圈，加起来有几百亿份。要是全部打印出来，能堆满好几个大型图书馆，比你们学校所有的教学楼加起来还高。

以前我们要找这些资料里的规律，比如刚才说的唐诗里的“月”、民国课本里的作文题目、红楼梦里的人物关系，靠人工翻书，得花几个月甚至几年，还很容易出错。我们可以算一笔账：《全唐诗》有4万多首诗，每首诗平均1000字，加起来就是4000多万字。要是人工统计“月”字，假设1分钟能看1000字，看完所有诗需要40000分钟，也就是差不多28天，而且不能休息，不能出错，要是数到一半数晕了，还得从头数。但用计算机的话，1秒钟就能处理100万字的资料，4000多万字只需要40秒，而且准确率接近100%，不会漏也不会错，这就是技术的力量呀！

<!-- Markdown: 标签=知识点，内容=数字人文核心定义 --> ```mermaid graph LR A[海量人文资料<br/>（古诗/旧书/照片/日记）] --> B[三大魔法工具<br/>文本挖掘/数字档案/可视化分析] B --> C[发现隐藏规律<br/>（唐诗月字统计/民国课本分析/红楼人物关系）] C --> D[新的发现<br/>（以前不知道的人文秘密）] ``` *图1：数字人文基础工作流程*

数字人文和传统人文研究有什么不一样？

你可能会问：“那以前的历史学家、文学家不也能找这些规律吗？”当然能呀，但以前他们只能找小范围的规律，比如找几十首诗里的“月”，找几本民国课本里的作文题目，要是资料太多，他们根本看不过来。比如现在有100万份民国小学生作文，要是人工一篇篇看，得看100年才能看完，但计算机只需要几天就能全部看完，还能告诉你100万篇作文里最常出现的词是什么，哪个地方的小朋友最爱写“放风筝”，哪个地方的小朋友最爱写“采茶叶”——这些以前根本不可能知道的大规律，只有用数字人文的技术才能找得到。

而且数字人文不是只给专家用的，它就像一本“打开的百科全书”，以前只有大学教授才能进的旧书馆，现在你在家就能逛；以前只有历史学家才能做的统计，现在你用个小工具就能做。数字人文就是把“藏在深阁里的人文宝藏”，变成了所有人都能玩的大探险。

三、三大核心魔法工具，帮你挖到所有人文秘密

刚才说的三个案例，其实用到了数字人文最常用的三个“魔法工具”，接下来的三章，我们就会挨个玩转这三个工具，学完你也能自己动手做小项目啦！

魔法工具1：文本挖掘——从文字里挖规律的“小铲子”

文本挖掘就是专门从一大堆文字里挖规律的“铲子”，不管是古诗文、小说、日记、作文，只要是把文字变成计算机能读懂的电子版，文本挖掘就能帮你找里面的关键词、统计词出现的次数、分析作者写东西的习惯，甚至还能猜出来作者写这段话的时候是开心还是难过。

比如刚才说的统计唐诗里的“月”，就是文本挖掘最基础的操作。你不用会写复杂的代码，现在有很多专门给小朋友用的文本挖掘小工具，比如“古诗文小挖掘机”，你只要把你想分析的唐诗复制进去，点一下“统计”，就能看到所有关键词的出现次数，还能生成词云图——出现次数越多的词，字就越大，一眼就能看出来这首诗写的是什么。比如你把《静夜思》复制进去，点一下统计，就能看到“明月”“故乡”“床前”这几个词最大，因为出现的次数最多，一眼就能看出来这首诗写的是思乡，是不是特别方便？

<!-- 纸书：插图4，位置为魔法工具1右侧，画一个小朋友对着电脑，电脑屏幕上显示《静夜思》的词云图，“明月”“故乡”两个词最大 --> <!-- 电子版：插图4可点击跳转至免费的“古诗文小挖掘机”在线工具页面，支持直接输入文本测试 --> <!-- Markdown: 标签=工具，名称=文本挖掘，适用场景=文字分析 -->

魔法工具2：数字档案——存所有老资料的“大仓库”

数字档案就是把以前藏在图书馆、博物馆里的纸质资料、老照片、老录音、老视频，全部变成电子版，存在一个谁都能看的“数字大仓库”里。以前你要找100年前的课本，得坐火车去北京、上海的旧书馆，现在只要打开数字档案库，在家就能看，还能下载下来做笔记。

而且数字档案还会给每份资料打上“标签”，就像给每本书贴标签一样：这份课本是1920年的，是小学三年级的语文课本，作者是谁，里面画了什么插图，都标得清清楚楚，你想找什么资料，一搜就能找到，特别方便。现在有很多免费的数字档案库适合小朋友用：中国国家图书馆的“中华古籍资源库”里有古代的绘本、课本，全部免费；还有“民国旧书库”里有几千份民国时期的课本、杂志，你还能看到100年前的小学生画的画；还有故宫博物院的“数字故宫”，你可以在家逛故宫，放大看青铜器上的花纹，比真的去故宫看还清楚。

```plantuml @startuml left to right direction actor 小朋友 package 数字人文三大魔法工具 { usecase 文本挖掘：从文字里挖规律 usecase 数字档案：存所有老资料的大仓库 usecase 可视化分析：把规律变成看得见的图 } 小朋友 --> 文本挖掘 小朋友 --> 数字档案 小朋友 --> 可视化分析 @enduml ``` *图2：数字人文三大工具的使用场景*

魔法工具3：可视化分析——把秘密变成图的“魔法棒”

可视化分析就是把计算机挖出来的、干巴巴的数字和规律，变成你能看懂的图、表、动画，甚至还能互动的游戏。比如刚才说的红楼梦人物关系图，就是把挖出来的关系数据变成了一张会动的图，你点哪里哪里就亮，就像玩探险游戏一样。

可视化分析的工具也特别简单，比如“词云生成器”，你把你写的作文复制进去，点一下生成，就能看到你作文里最常出现的词变成了最大的字，比如你作文里“妈妈”出现了10次，“老师”出现了8次，“学校”出现了5次，那词云里“妈妈”就是最大的字，“老师”其次，“学校”最小，一眼就能看出来你作文里写得最多的是什么。还有“折线图生成器”，你把唐诗里“月”字每年的出现次数输进去，就能生成一条折线图，一眼就能看到初唐到晚唐“月”字的变化，比看一堆数字清楚多啦！

<!-- 纸书：插图5，位置为魔法工具3右侧，画一个小朋友举着一根魔法棒，魔法棒前端冒出一张折线图、一张词云图、一张关系图 --> <!-- 电子版：插图5可点击跳转至免费的“词云生成

还有“折线图生成器”，你把唐诗里“月”字每年的出现次数输进去，就能生成一条折线图，一眼就能看到初唐到晚唐“月”字的变化，比看一堆数字清楚多啦！

<!-- 纸书：插图5，位置为魔法工具3右侧，画一个扎羊角辫的小女孩举着一根闪闪发光的魔法棒，魔法棒前端冒出来三个小窗口：左边是《静夜思》的词云图，中间是唐诗“月”字出现次数的折线图，右边是《红楼梦》的人物关系互动图，小女孩旁边飘着几个小字：“可视化分析=把秘密变成图” --> <!-- 电子版：插图5可点击放大，点击每个小窗口即可跳转至对应的在线工具演示页面，配套动画为魔法棒挥动时三个图表依次弹出的效果 --> <!-- Markdown: 标签=插图，主题=可视化分析工具示例 -->

可视化的魔法可不止这些，它还能把藏在文字里的“时间”和“地点”变成你能摸得到、看得见的图。比如你可以把《西游记》里孙悟空所有的旅行路线挖出来，做成一张互动地图：点“花果山”就能看到孙悟空在这里出世、称王的片段，点“天庭”就能看到他大闹天宫的故事，点“五指山”就能看到他被压在山下的情节，就像跟着孙悟空一起走了一遍取经路，比光看书有意思多了。还有个五年级的小朋友特别喜欢恐龙，他从数字档案里找了100多篇古生物学家写的恐龙研究论文，把里面提到的恐龙出现时间、生活地点、身高体重全部挖出来，用可视化工具做了一张恐龙时间轴地图：从三叠纪到白垩纪，每个时间点出现的恐龙都标在地图对应的位置，点三角龙就能看到它生活在美国西部，是植食性恐龙，身高有3米，比两层楼还高，点霸王龙就能看到它的咬合力有1吨，能咬碎汽车的轮胎，他在学校的自然课上展示这张图的时候，全班同学都围着看，老师还让他给全年级讲了一次恐龙的知识呢。

<!-- 电子版：侧边栏提示 --> > 🌟 国外的数字人文小玩家 > 美国有个10岁的小男孩叫杰克，他是《哈利·波特》的超级粉丝，他用文本挖掘工具统计了7本《哈利·波特》里所有咒语的出现次数，发现“除你武器（Expelliarmus）”这个咒语一共出现了237次，是出现最多的咒语，他还把咒语按使用者的年级做了分类，发现三年级的学生用的咒语最多，四年级最少，他把这个发现做成了词云图和折线图，在学校科学展上得了一等奖，还登上了当地的儿童报纸呢！

三大魔法工具不是“单打独斗”，是配合着一起用的

你可能会问：“这三个工具是不是分开用的呀？”当然不是，它们就像探险队的三个队员，配合起来才能挖到大宝藏。比如你想做一张《红楼梦》的互动人物关系图，就得三个工具一起用： 1. 首先用数字档案找到《红楼梦》的120回电子版全文，还要找到标注好每一回人物出处的版本； 2. 然后用文本挖掘把所有人物和他们的出场章节、对话全部挖出来，统计每个人物和其他人物的对话次数，算出关系的亲疏； 3. 最后用可视化分析把这些数据做成一张会动的互动图，点谁谁就亮，还能直接跳转到对应的章节看原文。 你看，三个工具配合起来，才能做出刚才说的《红楼梦》互动人物关系图，要是只用一个工具，肯定做不到这么好玩的效果。

```mermaid graph TD A[想做一个数字人文项目<br/>比如红楼人物关系图] --> B[第一步：用数字档案找资料<br/>红楼梦电子版全文] B --> C[第二步：用文本挖掘挖规律<br/>人物出场/对话/关系数据] C --> D[第三步：用可视化做成互动图<br/>点击人物看详情] D --> E[完成好玩的数字人文项目] ``` *图3：三大工具配合完成项目的流程*

数字人文不是什么“高大上的东西”，是所有人都能玩的探险

很多人对数字人文有个误解，觉得它是大学教授做的、特别高大上的研究，还要写很多复杂的代码，普通人根本玩不了。其实完全不是！数字人文就像“用放大镜看历史”，只要你喜欢历史、喜欢看书、喜欢画画、喜欢找秘密，不管你会不会写代码，都能玩。

现在有超多免费的、专门给小朋友用的数字人文工具，不用下载，打开网页就能用：刚才说的“微词云”做词云，“腾讯云文智”做文本统计，“国家图书馆·中国记忆”找老课本老照片，“故宫数字文物库”逛故宫看文物，这些工具全部免费，操作特别简单，只要会复制粘贴、点鼠标，就能做出自己的数字人文小作品。

<!-- 纸书：小提示框 --> > 📌 小知识：数字人文的“身世” > 数字人文是20世纪80年代从国外兴起的，一开始是大学教授为了方便研究大量的古代古籍，把纸质古籍变成电子版，用计算机统计词频、分析作者写作习惯，后来慢慢发展，现在不只是专家能用，连小学生都能玩啦！现在全世界很多大学里都有“数字人文研究中心”，还有很多专门给小朋友做的数字人文小工具哦。

我认识一个小学四年级的小朋友，叫小宇，他特别喜欢他老家的一座老桥，想知道这座桥是什么时候建的，以前发生过什么故事。要是按老方法，他得问爷爷奶奶，还要跑老家的图书馆翻县志，特别麻烦。后来他用了数字人文的工具，先在国家图书馆的数字档案库里找到了老家的几本老县志的电子版，用文本挖掘工具搜了“老桥”两个字，找到了20多条相关的记载，然后又在本地的数字档案库里找到了100多张老桥的老照片，用可视化工具做了一张“老桥100年变化图”：1910年的老桥是木头的，1930年修成了石头的，1980年旁边修了新桥，老桥变成了步行桥，2020年老桥进行了修复，变成了旅游景点。他还把老照片里的人物都标了出来，问他爷爷哪个是他爷爷小时候，他爷爷特别惊喜，说他自己都不知道老桥有这么长的历史，小宇的这个项目还得了市里青少年科技创新大赛的二等奖呢。

你看，数字人文不是什么遥不可及的东西，它就是你手里的工具，帮你把藏在老照片、老课本、旧书里的故事挖出来，变成你能看懂的、好玩的东西。

数字人文能帮我们解决什么以前解决不了的问题？

你可能会问：“数字人文除了好玩，还有什么用呀？”用处可大了，它能帮我们解决很多以前靠人工根本解决不了的问题： 1. 保护快要消失的文化遗产：现在还有很多少数民族的语言、古代的壁画、老艺人的手艺，都是口口相传或者画