Cultura · aprenderhanzi
19 de abril
Quantos caracteres existem na língua chinesa?
Em algum momento do primeiro mês de estudo, a pergunta chega: quantos caracteres existem? A resposta curta desanima (50 mil e algo) e a resposta longa anima. Este texto é a resposta longa.
O número dos dicionários: ~50 mil
O Kangxi, dicionário compilado em 1716, lista 47.035 caracteres. Dicionários modernos e bases de dados sobem esse número para algo entre 50 e 85 mil, dependendo de quanto variantes raras e caracteres técnicos entram na contagem. É o número que circula em “chinês tem 50 mil ideogramas”.
Ninguém conhece 50 mil. Nem os lexicógrafos chineses.
O número da língua viva: ~3.500
Estudos de cobertura de texto repetidos desde os anos 1980 chegam a um resultado estável (marque como estimativa: os valores variam ±5% conforme o corpus):
- os 100 caracteres mais frequentes cobrem cerca de 40% de um texto moderno
- os 1.000 primeiros cobrem cerca de 89%
- os 2.500 cobrem cerca de 97,5%
- os 3.500 cobrem cerca de 99,5%
O que isso quer dizer: com 3.500 caracteres você lê jornal, novela, documento e quase qualquer página de internet tropeçando em um caractere a cada 200. Com 1.000, você já lê a espinha dorsal de qualquer frase. Os 50 mil restantes vivem em nomes próprios, caracteres de jade, textos clássicos e erros de impressão.
É por isso que o HSK 3.0, a lista oficial mais recente, pede 3.145 caracteres para o topo da escala. O tamanho da lista não foi escolhido por acaso: é o número da língua viva.
A curva não é linear (e isso importa)
As coberturas acima enganam se lidas como progressão fácil. Os 100 primeiros caracteres custam uma semana. Do 100º ao 1.000º custa meses. E a cobertura ganha é desproporcional: do 1.000º ao 2.500º você dobra a lista para ganhar 8 pontos percentuais de cobertura.
O que compensa os custos é a composição: caracteres se combinam em palavras. Estudante com 1.000 caracteres domina na prática milhares de palavras, porque palavras como 电 (eletricidade) + 脑 (cérebro) = 电脑 (computador) reaproveitam o que você já sabe.
O plano que os números sugerem
| Faixa | Custo real | O que compra |
|---|---|---|
| 100–300 | semanas | sobrevivência: placas, cardápio, conversa de elevador |
| 600–1.000 | 1 semestre | leitura de diálogo e texto gradudo nível 1–2 |
| 2.500 | 2–3 anos | jornal com dicionário por perto |
| 3.500 | 4+ anos | leitura confortável de quase tudo |
O erro comum na faixa dos 600–1.000 é estudar por listas sem contexto. O caractere isolado se esquece; a palavra em frase fica. É o argumento inteiro por trás de aprender com flashcards que citam a palavra e não o caractere solto.
Referência cruzada com o HSK
| Nível HSK 2.0 | Palavras | Nível HSK 3.0 | Caracteres |
|---|---|---|---|
| HSK 1–2 | 150–300 | 1–2 | 300–600 |
| HSK 3–4 | 600–1.200 | 3–4 | 900–1.200 |
| HSK 5–6 | 2.400–5.000 | 5–6 | 1.500–1.800 |
| — | — | 7–9 | até 3.145 |
A leitura do jornal começa a funcionar na região do HSK 5 (escala antiga). A lista completa com português e a animação dos traços de cada caractere está no catálogo do aprenderhanzi.
Teste a si mesmo: quantos caracteres da lista dos 100 mais frequentes você já reconhece? O catálogo gratuito do aprenderhanzi tem todos, com pinyin e ordem dos traços.