作者:蔡翌希、苏歆甜、周琪一

一、研究背景

（一）选题意义

  《红楼梦》被誉为中国古典小说的巅峰，其伟大不仅在于宏大的叙事结构与深刻的悲剧内核，更在于其对数百位人物精微至深的刻画。在众多艺术手法中，对人物表情、动作等细节的描写，是曹雪芹塑造人物、推动叙事的关键。其中，“笑”作为人类极为基础且频繁的表情，在全书中共出现三千余次（位列单音节词使用频率第八），构成了一个极为丰富复杂的“笑”的谱系。

   在《红楼梦》的叙事框架中，“笑”承担着推动情节发展、调节叙事节奏、营造场景氛围、暗示主题走向的多重文学功能。从情节推进来看，“笑”常常成为叙事转折的触发点或衔接点，以群体性的笑的场景推动情节进入新阶段。在人物塑造层面，“笑”具有极强的性格标识性，成为人物精神气质的具象化反映。在人际关系构建层面，“笑”更是梳理人物间亲疏远近、权力关系的核心标尺，其背后隐藏着复杂的人际逻辑。“笑”的符号意义远超表情本身，成为情感沟通的重要媒介。

   因此《红楼梦》中的“笑”并非简单的表情，而是解读人物性格、梳理人际网络的关键符号。本研究拟结合传统研究方法与数字人文方法，为《红楼梦》人物论与艺术论研究提供新的观察视角，尝试发现以往被忽略的人物关系模式与性格特征，并增进对人物形象的理解。同时，通过对“笑”的叙事功能的剖析，本研究拟探讨表情、动作等副语言特征如何在叙事中承担氛围营造与关系建构的重任，进一步丰富中国古典小说叙事学理论。

（二）已有研究综述

梳理既有研究可见，围绕《红楼梦》“笑”的研究虽积累了一定成果，但整体呈现出“个案深入而系统不足”的特征。

从传统文学研究来看，传统文学批评对《红楼梦》中“笑”的关注，多停留在对特定类型、特定场景或个别人物的分析上，其贡献在于揭示了“笑”丰富的艺术功能，但缺乏系统性观照。一部分研究侧重于对“笑”的类型的分析。例如，《<红楼梦>“笑”的描写艺术与教学初探》重点分析了“冷笑”“陪笑”“忙笑”三类笑态对人物性格塑造的作用。另一部分研究则聚焦于群像或个体分析。《<红楼梦>中“笑”的细节描写对人物性格心理的刻画》重点分析了在集体场景中不同人物的笑态差异，以展现其性格心理。也有学者敏锐地触及了“笑”与权力的关系。《冷笑的资格——<红楼梦>人物的表情书写(一)》一文指出，冷笑主体从凤姐到探春的转移，深刻反映了贾府内部权力结构的变动。

从数字人文研究来看，数字人文研究方法已多次应用于《红楼梦》研究，并在宏观结构分析上取得了显著成效，但较少聚焦于“笑”这类微观描写，而是关注于《红楼梦》的词汇研究、诗歌化用和叙事结构。与本研究主题最为接近的《<红楼梦>中体态语“笑”的统计与语用分析》，虽然统计了与“笑”有关的体态词的词性和数量，并分析了其功能，但未能更进一步，深入挖掘数据背后所隐藏的复杂人际网络与权力结构，留下了可供深入探索的空间。

综上所述，现有研究为本课题奠定了坚实的基础，但未能突破宏观定量与微观细节脱节的局限，具体表现为两大研究空白：其一，缺乏一种能够将宏观全景与微观解析相结合的系统性研究，以揭示“笑”这一现象在刻画人物关系与权力结构方面的功能。其二，未能结合时序追踪关系演变并关联文本细节，形成人物网络。

（三）本研究的创新点

结合数字人文与传统研究方法，将数字人文的量化分析优势与传统红学的文本解读深度相结合，聚焦“笑”这一微观表情符号，打通叙事脉络、关系网络和人物性格的研究链条，创新性地从个体层，关系层和宏观层进行研究。在内容上，突破现有研究的单一化分类模式，从类型、情感、语境、对象四个维度构建“笑”的分类体系，揭示“笑”作为社交工具和情感载体的双重属性，为人物性格与场景氛围的解读提供量化支撑。

二、研究过程

本研究以《红楼梦》甲戌本前八十回电子文本为基础，采用定量与定性相结合的研究路径，系统挖掘“笑”的叙事功能。整个过程严谨而细致，具体可分为数据准备、工具应用以及系统的数据处理三个阶段。

（一）数据准备

本研究选取《红楼梦》甲戌本前八十回的分章回电子版全文作为分析的基准文本。为解决古文中人物称谓复杂多变的问题，在进行任何自动分析之前，我们首先进行了基础性的文本预处理工作：系统整理并建立了主要人物库。该库不仅收录了人物的正式姓名，还全面整合了其在文中出现的所有常见称呼、别号与代称（例如，将“宝玉”、“宝二爷”、“怡红公子”统一映射为“贾宝玉”）。这一关键步骤旨在极大提升后续利用代码进行人物实体分词与识别的准确率，为后续的量化分析奠定了可靠的数据基础。

（二）分析工具

在技术工具层面，本研究主要依托Python编程语言与Excel软件的组合完成数据处理、统计与可视化任务。具体而言，利用Python的jieba分词库（加载自定义人物词典）进行文本分割，使用pandas库进行数据的结构化整理与统计分析。在人工清洗和语义判断环节，我们借助了AI大语言模型（如GPT系列）进行辅助，例如对歧义句子的上下文理解、对“笑”词类型的初步分类建议等，有效提升了数据标注的效率和一致性。可视化呈现方面，我们利用Python的matplotlib和wordcloud库生成了词云图、分章节笑频折线图、笑词类型占比柱状图等，以直观展示分析结果。

（三）笑句识别与数据处理

数据处理是整个研究最为核心的环节，我们将其拆解为如下步骤：

首先编写Python脚本，对全文进行扫描，识别所有包含“笑”字的句子。通过规则匹配（如查找“笑”字前最近的人名称谓）与简单的上下文分析，程序自动提取每个笑句所在的章回信息，并初步判断其“发笑主体”。

接下来，我们将上述自动提取的信息组织成结构化的数据表，每一行代表一个“笑句”实例，字段包括：章回、原文、发笑主体、笑词类型、上下文索引、句子长度等。该表格被导出为本地Excel文件，以便于后续的逐步清洗与深入分析。

由于古汉语表达的灵活性，自动化识别结果需经过严格的人工清洗与校正。此环节主要完成两项工作：一是修正识别错误，例如，当句子中存在多个发笑主体时（如“宝玉和黛玉都笑了”），代码往往只抓取最邻近的一位，需要人工补全；对“笑嘻嘻”、“笑吟吟”等三音节或多音节笑词的归类进行统一和补全。二是进行语义过滤，严格剔除“笑”字不作为具体动作描写的用例，包括含有“笑”字的诗文（如“儂今葬花人笑痴”）、以及“可笑”、“玩笑”等抽象或评价性表达，确保数据纯粹集中于对人物“笑”这一动作的描写。

经过上述处理，我们得到两个层级的数据集：

一是原始数据，包含所有被视为人物动作的“笑”句，共3068条，用于分析“笑”的宏观分布与章节趋势。

二是核心数据，在原始数据基础上，进一步剔除“笑道”、“笑说”这类仅作引语功能、情感色彩微弱的高频词后，得到767条数据。这组数据聚焦于带有明显情态特征的“笑词”（如“冷笑”、“忙笑”、“含笑”等），是进行人物性格画像与情感分析的核心依据。

三、研究结论

本研究通过对《红楼梦》前八十回中“笑”的描写进行系统性的计量分析，从词汇分布、人物行为模式及叙事结构三个层面获得以下发现。

（一）核心笑词统计及其叙事功能分析

对767条核心笑词的频次统计显示，“都笑”以171次（占比22.29%）居首。这一高频现象从计量角度证实，群体性欢笑场景在《红楼梦》叙事中具有结构性地位。此类描写集中出现于诗社、宴饮、节庆等公共活动，其功能在于营造集体氛围、强化场景的整体性与互动性，反映了传统家族社交生活中对“和合”情境的重视。

“冷笑”以108次（占比14.08%）位列第二，其高占比定量揭示了文本中人际矛盾的显性程度。该词在具体语境中虽存在情感强度的差异，但其核心叙事功能趋于一致：即标记人物之间的对立、讽刺、不满或权力展示。例如，王熙凤的冷笑多与管理权威相关，林黛玉的冷笑则常与机锋辩驳相伴。其余高频词如“忙笑”（92次）、“陪笑”（64次）与“也笑”（43次）共同构成了一套礼仪性笑貌词汇群，其高频率体现了社交场合中情绪管理的规范性与表演性。

（二）人物笑风格与性格特征对应分析

将笑词类型与具体人物进行关联统计后发现，主要人物的笑貌分布与其文学形象具有显著相关性。

贾宝玉的笑貌数据中，礼貌应酬类（以“忙笑”“陪笑”为主）占比40.8%，消极讽刺类（以“冷笑”为主）占比11.3%。这一分布客观反映了其行为的两面性：一方面须遵循世家公子的社交礼数，另一方面则偶现对世俗礼教的不屑与疏离。

王熙凤的笑貌分布呈现鲜明对比：消极讽刺类占比31.6%，礼貌应酬类占比29.8%。两者比例接近，说明其笑貌具有明确的功能分化。“冷笑”主要用于向下确立权威，而“忙笑”“陪笑”则用于向上维系权力来源的支持，行为模式与其管家身份高度吻合。

林黛玉的笑貌数据中，消极讽刺类占比28.3%，为五人中最高；礼貌应酬类占比23.9%，为五人中最低。这一分布从行为统计上支持了其“孤高自许”的性格定位，即更倾向于表达个人真实情绪，而非遵循社交性微笑规范。

薛宝钗的笑貌则以礼貌应酬类为主导，占比46.4%，且基本由“忙笑”“陪笑”“含笑”等温和类型构成。其笑貌分布集中、波动小，呈现出高度的情绪控制与社交适应性，与其“端庄稳重”的文学形象一致。

袭人的笑貌数据中，礼貌应酬类占比高达48.3%。这一分布与其作为贴身丫鬟的身份密切相关，其“忙笑”“陪笑”在很大程度上属于服务性劳动的一部分，旨在维持和谐的主仆关系与室内氛围。

（三）笑的总量分布与叙事进程关联分析

基于3068条笑句的章节分布统计显示，全书“笑”的出现频率呈现明显波动，并与家族叙事主线同步。第41至50回为笑频高峰区间，与文本中诗社活跃、宴饮频繁、家族内部关系相对融洽的鼎盛期直接对应。自第51回起，笑频整体呈下降趋势，与贾府经济衰退、矛盾显化、悲剧基调渐强的叙事走向相一致。这说明“笑”的总量可作为一种宏观叙事节奏的客观指标，反映家族集体情绪的整体变迁。

进一步结合分时期情感占比数据进行分析，可以发现“笑”不仅总量起伏与叙事进程同步，其内部情感结构也发生系统性演变，更精细地对应着贾府命运的转折。

前期（1-20回）的中性笑占比高达54%，积极笑仅占32%。这一阶段叙事侧重于人物登场、关系铺陈与背景介绍，社交场合中礼节性的“陪笑”“忙笑”占据主流，整体情感色彩较为克制，符合故事开局阶段社会关系展演与秩序稳定的特征。

中期（21-50回）积极笑占比跃升至45%，成为主导类型，中性笑占比则下降至42%。这一定量转折与贾府“烈火烹油”的鼎盛期完全吻合。此阶段大观园建成、诗社活跃、节庆频繁，发自真心的“大笑”“说笑”显著增加，群体氛围达到最为欢愉、松弛的状态。消极笑占比在此阶段降至最低（13%），进一步印证了这是矛盾相对缓和、繁荣景象最为凸显的时期。

后期（51-80回）的数据变化则预示着叙事的转折。积极笑占比从峰值回落至36%，消极笑占比则从13%上升至17%，达到三个时期中的最高点。中性笑占比虽回升至47%，但结合总量下降的背景，此阶段的“社交笑容”已渐失中期自然欢愉的底色，更显勉强与维系。消极笑的攀升，直观反映了人际摩擦的加剧与悲剧性事件的萌发（如抄检大观园、晴雯夭亡等）。情感结构的此种转变，先于家族命运的彻底崩塌，成为一种预示性的叙事信号。

综上所述，对“笑”的考察需同时观照其“量”与“质”两个维度。量的起伏勾勒出家族命运的整体曲线，而情感结构的变迁则揭示出不同叙事阶段社会情绪内部的演变轨迹。二者共同证明，“笑”在《红楼梦》中是一个高度理性化、结构化的叙事元素，其统计特征与小说的宏观叙事设计之间存在深刻、可验证的对应关系。

（四）研究反思与未来方向

本研究在实现量化分析的同时，亦暴露出数字人文方法在处理复杂古典文本时的若干局限。

1.研究方法局限

首要问题在于深层语义关系的自动化提取不足。本研究中，“发笑对象”的识别未能实现，原因在于古白话语境中对象常隐含或省略，依赖表层句法规则的模型难以准确捕捉。此外，原计划中“笑谈比”（笑频与说话字数之比）等更精细的指标，也因人物对话文本的自动分割与归属存在技术困难而未能完成。这表明，对于高语境依赖的文学文本，完全自动化的语义分析仍面临较大挑战，人工校对与语境判断目前仍不可或缺。

2.后续研究展望

未来研究可从以下几个方向推进：其一，可尝试构建“共现笑网络”，即以同一场景中共同发笑的人物为关联，从群体行为互动而非二元指向的角度分析人物关系。其二，可开展“笑”的场景分类研究，系统比较不同社交场合（如正式宴饮、闺房私语、诗社活动）中笑貌类型、参与者结构与功能差异，从而在空间与社会维度深化对“笑”的理解。其三，在技术层面，可探索融合预训练古汉语语言模型进行语义角色标注，以提升对动作发出者与承受者等深层关系的识别精度。

综上所述，本研究通过计量方法证实，“笑”在《红楼梦》中是一个具有规律性分布的行为系统，其数据特征与人物性格、人际关系及宏观叙事结构存在可阐释的关联。这为传统文学解读提供了实证参照，也展现了数字人文方法在微观描写研究中的潜力与边界。

四、附录

（一）参考文献

[1]邓敏菁，《红楼梦》“笑”的描写艺术与教学初探，2018年3月

[2]郑莉，《红楼梦》中“笑”的细节描写对人物性格心理的刻画，重庆交通大学学报，2004年第3期，72-74页

[3]卜键，冷笑的资格——《红楼梦》人物的表情书写(一)，红楼梦学刊，2022年第3期，27-46页

[4]姚寒露，《红楼梦》中体态语“笑”的统计与语用分析，文教资料，2012年第32期，132-134页