世界上最短和最长的单词 - 各语言字数的极端世界
蛋白质"肌联蛋白"的化学名称长达 189,819 个字符，仅朗读就需要 3 个半小时，而且它并未收录在任何英语词典中。另一方面，世界上也存在仅由 1 个字符构成的单词。从字数的角度审视世界各语言，可以看到人类以多么多样的方式压缩和展开意义。本文将以具体字数介绍各语言中最短和最长的单词，深入探索字数的惊奇世界。
世界上最短的单词
"1 个字符就能表达意义的单词"实际上存在于许多语言中。英语的"I"(我) 和"a"(一个) 是众所周知的例子，但日语更为极端。"目""手""歯""火""木"等汉字，单个字符就是完整的单词。平假名中"え"(画)、"き"(树)、"め"(眼) 也能作为单字符单词成立。
中文更是如此，几乎所有汉字都能作为独立的单字符单词发挥作用。"人""大""水""山"这样用 1 个字符完成概念表达的语言设计，在思考字符与字节的关系时也是一个有趣的特征。
| 语言 | 最短单词示例 | 字数 | 含义 | 备注 |
|---|---|---|---|---|
| 英语 | I, a | 1 字符 | 我 / 一个 | 大写 I 为 1 字节 |
| 日语 (汉字) | 目、手、火 | 1 字符 | 眼、手、火 | UTF-8 中为 3 字节 |
| 中文 | 人、大、水 | 1 字符 | 人、大、水 | 几乎所有汉字都是单字符词 |
| 韩语 | 나 (na) | 1 字符 | 我 | 1 个韩文字符 = UTF-8 中 3 字节 |
| 越南语 | ở | 1 字符 | 住 | 带声调符号的 1 个字符 |
值得注意的是，"1 个字符"的信息密度因语言而大不相同。英语的"a"是 1 字节，而日语的"目"在 UTF-8 中是 3 字节。同样是"1 个字符"，计算机处理的数据量相差 3 倍。这与全角与半角的区别影响字数计算是同样的结构。
欧洲语言的长单词 - 德语的复合词文化
德语被称为"复合词之王"。名词可以无限连接创造新词，理论上可以生成无限长的单词。实际在法律文件和行政文件中使用的超长单词，即使是德语母语者也无法一次读完。
| 单词 | 字数 | 含义 | 使用场景 |
|---|---|---|---|
| Donaudampfschifffahrtselektrizitätenhauptbetriebswerkbauunterbeamtengesellschaft | 80 字符 | 多瑙河蒸汽船电力事业总工厂建设下级官员协会 | 吉尼斯纪录 (德语) |
| Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz | 63 字符 | 牛肉标签监管任务委托法 | 2003 年前实际存在的法律名 |
| Kraftfahrzeughaftpflichtversicherung | 36 字符 | 机动车责任保险 | 日常使用的复合词 |
| Rechtsschutzversicherungsgesellschaften | 39 字符 | 法律保护保险公司 (复数) | 商务文件中常见 |
2013 年，德国梅克伦堡-前波美拉尼亚州废除了 63 字符的法律名"Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz"。这是一部疯牛病对策法律，因欧盟法规变更而不再需要。其废除以"德语中最长的单词消失了"为标题成为新闻。
芬兰语也是产生长单词的语言。"lentokonesuihkuturbiinimoottoriapumekaanikkoaliupseerioppilas"(61 字符) 意为"飞机喷气涡轮发动机辅助维修士下士候补生"，曾作为军事术语实际使用。
世界最长的地名 - 字数排名
地名的世界中也存在字数极端的例子。新西兰一座山丘的毛利语名称有 85 个字符。泰国首都曼谷的正式名称更长，被吉尼斯认证为世界最长的首都名。
| 地名 | 字数 | 所在地 | 语言 |
|---|---|---|---|
| Taumatawhakatangihangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu | 85 字符 | 新西兰 | 毛利语 |
| Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch | 58 字符 | 威尔士 (英国) | 威尔士语 |
| กรุงเทพมหานคร... (曼谷正式名称) | 168 字符 (泰文) | 泰国 | 泰语 |
| Chargoggagoggmanchauggagoggchaubunagungamaugg | 45 字符 | 马萨诸塞州 (美国) | 阿尔冈昆语源 |
新西兰那座山丘的名称意为"大膝盖的塔马特亚在山间滑行、攀登、吞咽，为爱人吹笛的地方"。毛利文化有将发生的事件直接作为地名的传统，因此产生了超长地名。
相反，世界最短的地名是挪威的"Å"(1 字符) 和瑞典的"Ö"(1 字符)。两者都是实际存在的聚落，出现在地图上。1 字符的地名在 URL 和数据库设计中可能造成问题，从与 URL 字数限制相反的意义上困扰着开发者。
化学物质名 - 字数的极致
在化学领域，IUPAC 命名法根据分子结构命名，因此分子越大名称越长。蛋白质"肌联蛋白"(titin) 的化学名达到 189,819 字符，被称为"世界最长的单词"。
不过，这个化学名未收录在词典中，是否承认它为"单词"存在争议。它是按照 IUPAC 命名法机械生成的名称，没有人在日常中使用。据说朗读需要约 3 小时 30 分钟，YouTube 上也有实际朗读的视频。
| 物质名 | 字数 | 类型 | 是否收录词典 |
|---|---|---|---|
| 肌联蛋白的化学名 | 189,819 字符 | 蛋白质 | 否 |
| Methionylthreonylthreonylglutaminylarginyl... (缩写) | 1,185 字符 | 色氨酸合成酶 | 否 |
| Pneumonoultramicroscopicsilicovolcanoconiosis | 45 字符 | 一种硅肺病 | 是 (英语词典) |
| Supercalifragilisticexpialidocious | 34 字符 | 电影造词 | 部分词典 |
英语词典中收录的最长单词是"Pneumonoultramicroscopicsilicovolcanoconiosis"(45 字符)，指因吸入火山灰微粒引起的肺部疾病。不过，这个单词本身是 1935 年为了"创造长单词"而造的，在医学实践中并不使用。
日语中最长的词 - 汉字词汇与读音的世界
日语中最长的复合词是什么？在汉字世界中，四字成语很常见，但也存在更长的复合词。佛教术语有"南無妙法蓮華経"(7 字) 这样的长词，法律术语也有"不動産登記事項証明書"(10 字，不动产登记事项证明书) 这样的长复合词。
从读音长度来看，日语单词展现出更有趣的特征。单个汉字读音很长的例子有"承る"(uketamawaru，5 音节，谦恭地接受) 和"志"(kokorozashi，5 音节，志向)。反过来，"一昨昨日"(sakiototoi，6 音节，大前天) 用 4 个汉字只有 6 个音节，说明日语中字数与音数并不一致。
这种"字数与信息量的不匹配"也是日语用户在 X (Twitter) 字数限制内能比英语用户传达更多信息的原因。压缩在单个汉字中的意义密度与字母语言有着根本性的不同。
编程语言的标识符长度限制
不仅是自然语言，编程语言也有"单词长度"的限制。变量名和函数名 (标识符) 的最大长度因语言而异，作为实际约束影响着开发者。
| 语言 | 标识符最大长度 | 实际推荐 | 备注 |
|---|---|---|---|
| C (C99) | 63 字符 (有效) | 20-30 字符 | 超过 63 字符不会产生语法错误 |
| Java | 65,535 字符 | 20-40 字符 | 类文件的限制 |
| Python | 无限制 | 20-30 字符 | PEP 8 推荐简洁 |
| JavaScript | 无限制 | 15-30 字符 | 压缩时会被缩短 |
| SQL (标准) | 128 字符 | 30 字符以内 | 因 RDBMS 而异 |
| COBOL | 30 字符 | 30 字符 | 历史性限制 |
COBOL 的 30 字符限制源于 1959 年的设计。当时计算机内存极为有限，需要限制标识符长度。现代语言事实上没有限制，但变量名和函数名的推荐长度为 20-30 字符，这是基于人类可读性的限制。
每个字符的信息密度 - 语言间的巨大差距
基于前面介绍的最短和最长单词，让我们比较各语言"每个字符的信息密度"。从信息论的角度看，单个字符传达的熵 (信息量) 因语言而大不相同。
| 语言 | 文字体系 | 每字符平均信息量 (比特) | 100 字符可传达的信息量 | 特征 |
|---|---|---|---|---|
| 英语 | 字母 (26 个) | 约 4.7 比特 | 约 470 比特 | 空格消耗字数 |
| 日语 (混合) | 汉字 + 平假名 + 片假名 | 约 9.5 比特 | 约 950 比特 | 汉字信息密度高 |
| 中文 | 汉字 (数千个) | 约 11.2 比特 | 约 1,120 比特 | 信息密度最高 |
| 韩语 | 韩文 (11,172 音节) | 约 8.3 比特 | 约 830 比特 | 音节文字效率高 |
| 阿拉伯语 | 辅音文字 (28 个) | 约 5.8 比特 | 约 580 比特 | 省略元音实现压缩 |
中文的 1 个字符承载的信息量约为英语 1 个字符的 2.4 倍。这是因为中文字符集有数千种，而英语只有 26 个字母。字符种类越多，单个字符能区分的含义越多，信息密度越高。
这种信息密度差异也影响数据压缩效率。英语文本冗余度高，压缩率好；中文文本信息已经很密集，压缩率较低。用 gzip 压缩时，英语文本可缩小到原始大小的约 30-40%，而中文文本只能缩小到约 50-60%。
字数限制与语言公平性
社交媒体和表单的字数限制通常以"字数"统一。然而，由于每个字符的信息量因语言而异，相同的字数限制在不同语言间会产生可表达信息量的巨大差异。
X (Twitter) 在 2017 年将英语字数限制扩展到 280 字符，而日语、中文、韩语保持 140 字符不变，正是考虑了这种信息密度差异。英语 280 字符与日语 140 字符可传达的信息量大致相当。
设计数据库 VARCHAR 长度时，这种语言间差异也很重要。英语 100 字符足够的字段，日语 50 字符就能存储同等信息。多语言系统需要为每种语言设置不同的字数限制，或以需要最多字符的语言为基准留出余量。
极端字数教给我们的事
将世界最短和最长的单词并列来看，语言设计的根本差异浮现出来。中文和日语的汉字向"将意义压缩到单个字符"的方向进化，而德语和芬兰语则向"连接单词表达新概念"的方向进化。
这种差异也影响着数字时代的字数限制。社交媒体的字数限制以"字数"统一，但每个字符的信息量因语言而大不相同。日语 140 字符与英语 140 字符在可表达的信息量上有 2-3 倍的差距。
理解 Unicode 基础就会发现，"1 个字符"的定义本身在技术上就很复杂。表情符号合成、异体字选择器、组合字符等，"视觉上的 1 个字符"与"数据上的 1 个字符"不一致的情况数不胜数。看似简单的字数计算背后，隐藏着语言与技术的深邃世界。
对语言学和文字历史感兴趣的读者，可以在 Amazon 上找到相关书籍。
用字数计算工具试试看
用实际的字数计算工具测量本文介绍的各语言单词，会有有趣的发现。德语 80 字符的复合词在 UTF-8 中是多少字节？新西兰 85 字符的地名经过 URL 编码后会膨胀到多少字符？亲手体验"1 个字符"的定义如何随上下文而变化。
世界最短的单词和世界最长的单词。在它们之间延伸的字数世界，是映射语言多样性和人类创造力的一面镜子。下次使用字数计算工具时，不妨稍微想想每个被计数的"1 个字符"背后的语言与技术历史。