自然语言和程序设计语言的某些共通点

对于大多数外语、中文等传统‘文科’背景的人来说，计算机编程设计语言似乎是一个很遥远的领域。其实，从语言学的角度来看，尽管使用领域不同，定义不同：编程语言是人工语言，而中文或外语属于自然语言，但既然是语言，它们之间有许多相同或相似的地方。首先，它们都有词法、句法和语义。 从词法的角度，语素和语素合成单词是有一定规则的。例如中文的‘碧’字，作为一个语素，和其它语素结合成单词时有一个限制条件，必须是单音语素。如：碧空，碧蓝，碧绿；但是，碧天空，碧宝蓝等就不合法了。程序设计语言的单词（称作identifier，标识词）也有着类似的严格规定。例如，任何identifier必须以字母或下划线开头，像 bilan、 _blian等就是合法的identifier，而23bilan、@bilan就属于非法的。任何一个identifier中间不能有空格，否则非法。 从句法的角度，有类似自然语言的条件从句：if x < y then print x +y; 意思是，如果两个identifier所代表的数不相等且x小于y，那么，将x所代表的数和y所代表的数相加，然后将结果打印出来。 从语义的角度，任何一个identifier都可以定义为不同的类型。例如 name可以代表‘张三’，age可以代表25 String name = ‘张三’； int age = 25; 这时我们就可以说，name的含义就是‘张三’，而age的含义是25；前者的词类属于String，后者的词类是‘整数’。然后我们就可以用一个动词短语； print name + "的年龄是" + age； 这里，print是动词，‘+’是连接操作符(concatenator)，负责将前后的成分连接起来，成为一个更大的constituent。双引号中的内容是直接内容，没有被其它identifier所代表。整个句子连起来的意思就是：将name所代表的内容和‘的年龄是’这个字符串连接，然后再与age所代表的内容连接，最后打印出这个句子。 程序设计语言中关于语法和语义的定义是非常严格、明确的，不能模棱两可。例如，单复数的定义， 在汉语中，根本就是残缺的，只有在指人类实体是可以‘可选地’用‘们’，而且用法非常复杂。英语简单一些，用加s的方式表达。但有些单词单复数一样，如equipment，有些单词只有复数没有单数，如alms。无法只从形态上判断是单复数。 而程序设计语言就没有这样的问题： 任何定义了品词的identifier都是单数名词。而复数名词则需要一个特定的词类，通常叫做数组，或者叫做’表‘。例如 String 学生=’张三‘； 定义了一个单数名词’学生‘，意指’张三‘；换句话说，这时的学生只能指’张三‘，因此是单数。 如果要定义一个复数名词’学生‘ Array 学生 = {张三，李四，王五}； 这个时候，学生就成为复数，而且是严格的’复数‘，只能指所列举的名称。 这些只是编程语言和自然语言的表面的异同。更本质的共通点，我觉得是二者之间都有一个类型系统。 谈到类型，就要引入另一个术语，自然语言中常用’token'，编程语言常用‘instance’。我们经常重复已经说过的话。买了包糖果，请朋友尝尝，说‘请吃块糖’，朋友拿了块吃了。下次打开包，又说同样的话，朋友又吃了。但是你想想，上次你请吃那块糖已经不存在了，这次请吃是另外一块糖。糖变了，你的话却不变，你的朋友也不会误解你。从语义学的角度，你这两次说的其实不是相同内容的话，因为所指并不相同，但人们（你的朋友）通常会忽略这一点。为什么？当你说‘请吃糖’时，这个糖实际上所指的是某种糖的类型，而不是指具体哪一块糖。在语言学中（语义学）中，和类型相对的，是token，暂且译成‘实例’。你朋友吃的每一块糖，都是这种糖类型的一个token（实例）。所以我们日常生活用于中，普通名词通常所指的都是类型。这样的好处是，不必一个token一个对应单词，否则则是灾难，你买的一包糖有50块，就得有50个名词对应，你受得了吗？ 当然，我们有时需要区分类型和实例。自然语言的办法是加限定词。你的朋友刚想拿一块糖，你说，不是叫你吃这块糖，而是那块（当然在这种情景下必须有身体语言辅助：你得指着某一特定的糖块）。‘这’和‘那’还是很模糊，一定要明确，恐怕就要加更多的限定、形容成分。甚至要稍稍改变一下状况，例如把包里的糖排排队，然后说，我叫你吃第三块糖，就不会有歧义了。上述的类型和token的对比是从语义角度谈的。从句法和词法的角度（不考虑语义），我们把每一个具体的单词叫做token，而把就有相同形态变化（西语）或相同分布（汉语）的词归纳成一类，叫做词类（品词）。例如，名词就是指一个类别，糖果，就是名词的一个实例。 在编程语言中，类型研究是一门很大的学问。我们知道，计算机是用来处理数据的。我们日常生活中遇到形形色色的数据：姓名是字符类型，年龄是整数类型，身高体重是实数类型，这些类型又分为单数复数，分数不同类型。例如，字符单数类型和字符复数类型就完全是两类不同的类型。 自然语言的中语言对象的类型基本上是心理上的实体，是认知的产物。而编程语言的基本类型则是物理存在：例如，文本类型是单个字符的复数类型，而单个字符的类型是一个字节长的数据类型；整数是四个字节长的数据类型。 忽略这些细节，我们可以认识到，人类对外在世界的感知、理解，是通过类型来区分完成的。 （未完待续）