汉字字源网站搭建方案

阅读说明：本方案面向准备实际开工的建设者，每一条事实性陈述后用括号标注来源编号（S1–S29，含域名便于直接回溯），编辑判断另行标明。凡未取得可回溯出处的内容一律写「待核」，不填看起来合理的值；凡复核中发现链接与内容对不上的，本稿不再采用该链接，并注明状态；凡链接本身无法打开取证的，只如实记录「无法核验」，不对其内容作任何断言。

一、项目定位与一句话说明

一句话说明：这是一个「一个字、一张五体演变图、一条可回溯出处」的汉字字源查询站。

站点是什么：以汉字为单位，把「现代楷书字形 → 部件 → 笔画」与「历史字形 → 造字初义」两条线索并排呈现的查询型知识站。核心页面是一个字的详情页，不是文章流。

给谁看（依据同类站的目标人群反推）：中文母语的学习者与语文教师；书法、篆刻、平面与字体设计从业者；海外中文学习者；古文字爱好者。同类站中，YellowBridge 面向海外学习者并配有笔顺与部首切分（S14, yellowbridge.com）；Outlier 面向重度学习者的学术级字源需求（S16, outlier-linguistics.com）。另一家常被提及的字形检索站（S13, hanziyuan.net），本次实测其首页可正常打开并返回服务端渲染 HTML（title 为「Chinese Etymology 字源」，源码可见 Oracle、Bronze、Seal 等关键词），但本稿未逐页核验其站内每个字的字形与出处，凡涉该站站内具体内容的描述均标「未逐页核验」。

与现有同类站的差别，四点，都可验收：

1. 出处可回溯：每个字形、每条断代、每句释义都带来源链接。以 S13 为代表的站点以历代拓片字形检索见长（S13, hanziyuan.net），但其内容颗粒度与逐字出处本次未逐页核验——这是针对该站点的描述，不代表所有同类站。
2. 三层拆解贯通：部件层用 Unicode 部首与笔画字段支撑（S7, unicode.org），笔画层用开源骨架数据支撑（S8, github.com），造字层用字构分析方法论支撑（S16, outlier-linguistics.com）。现有站多只做其中一层。
3. 组件许可清晰：字体用 SIL OFL 1.1 的 Noto CJK 与霞鹜文楷（S10、S11, github.com），笔顺组件用 MIT 协议的 Hanzi Writer（S9, github.com），图上用公有领域与 CC 授权素材（S12, commons.wikimedia.org，须逐张确认）。注意：各组件的许可状态是逐项判定的——有的已核，有的标待核（含 Unihan 数据文件的使用条款，见 7.1），因此本稿不写「全链路开源」「全部可自由再分发」这类整体性结论。
4. 学术与民间分层：涉及《周易》等题材时，学术讨论与民间附会分栏标清、带限定词（详见 5.3）。

不写收益预测，也不写「保证」「必然」「零风险」这类词——这类承诺在本方案中没有依据。

二、内容主线一：汉字的起源

编辑原则：每个阶段只写能被来源支撑的区间与性质，年代拿不准就写「待核」。

2.1 甲骨文（商代卜辞）

甲骨文是刻写在龟甲与兽骨上的商代占卜记录。（编辑定义：此句为通识性界定，本次材料未附可回溯出处，故标为编辑定义，不标来源编号。）关于商代卜辞的性质、贞人集团与卜骨钻凿形态的系统研究，可参见 David N. Keightley 的专著 Sources of Shang History: The Oracle-Bone Inscriptions of Bronze Age China（University of California Press）——该书书名与出版信息由本次材料给出，但所附的 jstor.org/stable/2718540 链接在核验时被反爬拦截（HTTP 200，页面 title 为「Client Challenge」），正文无法取得，该链接究竟指向什么内容无法核验。因此该链接不构成本断言的出处，也不对它作任何内容性断言；该书的可回溯链接、以及「董作宾五期分期法、郭沫若世系断代法的引进与评述」这一具体内容，均待核。

归类说明：该书属甲骨学与商代史料研究，不属认知科学文献，因此本稿将其归入本节（字源与断代）与第三节演变骨架，而不再列入 5.4 的认知科学清单，以免板块归属误导。

处理规则：站点在写甲骨文分期时，在出处补齐之前不上线分期方法的具体叙述，只写「甲骨文存在分期研究框架」这一层级，并标注「待核补出处」。不要用一条看似权威的链接为内容背书，也不要用一条打不开的链接充当出处。

具体起讫年代：本次材料未给出可回溯的年代数据，待核。不要凭印象填「约公元前 1250 年」这类数字。

配图建议：每个字配两张——① 拓片全景或原骨高清影印；② 该字的字形线描描摹。图源首选 Wikimedia Commons「Oracle bone script」分类（S12, commons.wikimedia.org）；该分类页本次未逐张核验，要求落地时逐张打开图片页确认许可字段，不接受「分类说明写了公有领域」这种二手依据。

2.2 金文（青铜器铭文）

金文是铸刻在青铜器上的铭文。（编辑定义：同上，通识性界定，本次材料未附出处。）

大都会艺术博物馆公开发布的开放 API 中，器物 42172 的原文数据为：

"title": "Ritual Wine Vessel (Jue)", "period": "Western Zhou dynasty (1046–771 BCE)", "objectDate": "late 11th century BCE"

（S1, collectionapi.metmuseum.org）

这段数据可直接引用：西周（公元前 1046–771 年）、器物年代定在公元前 11 世纪晚期。需要说清该来源的边界：这条 API 返回中只有断代结论字段，不含断代方法或依据信息（S1, collectionapi.metmuseum.org）。 因此站点可以把它做成「器物—铭文—字形」三者对照的样板页，让读者先看到断代结论，再进入字形比对；至于「这个年代是怎么被定出来的」，该来源不提供，须另找出处，待核。

配图与字段建议：① 器物整体照；② 铭文局部裁切放大；③ 该器铭文中出现的单字线描。该 API 条目返回中带有 isPublicDomain 字段与 primaryImage 图片链接，前端逻辑应直接读取该字段判断图片可否展示，不得凭推测写死。 仍须注意：字段可能随条目不同而变化，程序需对缺失字段做兜底（缺失即不展示）。

2.3 小篆

小篆是本阶段的关键节点。《说文解字》全文可在 Chinese Text Project 的先秦两汉文献库中检索，该库系统整理并全文索引包含《说文解字》在内的先秦及两汉传世字书与典籍（S6, ctext.org/pre-qin-and-han）。

关于 Unicode 部首补充区（2E80–2EFF）的准确定位：该区共 115 个字符，其中字符名称含 SIMPLIFIED（C- 或 J- 前缀，即简体与日文变体）的只有 31 个，约四分之一，并非主体；其余多为独立的历史笔画部件，例如 2E80「CJK RADICAL REPEAT」（字符计数与名称字段的核对结果见来源索引 S3 条）。因此不能说该区「以康熙部首的简繁变体为主」，更不能说它是「《说文》部首系统 → 康熙部首」的映射表——该规范表文本中并未出现「《说文解字》」字样（S3, unicode.org/charts/PDF/U2E80.pdf）。本方案据此前一版的表述再次降格：S3 在本站中的角色仅为「部首补充字符（其中约四分之一为康熙部首的简繁/日文变体）的编码依据」。

关于具体字符的指认：例如 2EEA「CJK RADICAL C-SIMPLIFIED FROG」与康熙部首「黾」（Unicode 康熙部首主区码位 U+2FCC，部首序号 205）的对应关系，由字符名称与该主区名称逐条比对推导得出，属编辑推导、不是规范表直接给出的映射；此推导须另行核对后方可写入正式内容，复核状态：待核。至于是否可以把《说文》部首与康熙部首两套系统建立完整映射，属于需要另行查证的工作，待核。

配图建议：以小篆字形矢量图为主，每字配「《说文》部首归类」标签（归类依据取自 S6 原文检索，须逐字核）。拓本与字书影印图逐张核对许可；纯字形可用开源小篆字形自绘矢量，避免来源不明的扫描件。

2.4 隶书（秦隶）

依据本次材料，Chinese Etymology 站所收录的字形类型被描述为包含甲骨文、金文、小篆、秦代隶书等历代拓片字形（S13, hanziyuan.net）。该站首页经独立实测可正常打开（HTTP 200、服务端渲染 HTML，title 为「Chinese Etymology 字源」，源码可见 Oracle、Bronze、Seal 等关键词，见来源索引 S13 条）；但「该站确实收录秦隶、其字形类别如何划分」这一具体内容，本次未逐页核验，标「未逐页核验」。这为「篆→隶」这一环提供了一个可对照的字形类别线索，但开工前仍须自行打开站点逐类确认后再写入正式内容。

配图建议：优先使用汉碑拓本。依据 Wikimedia Commons 的 PD-Art 准则，对已进入公有领域的平面文物（如古代甲骨拓片、汉碑拓本、宋元古籍）单纯忠实复制的高清照片不具备独创性，不产生新的版权（S26, commons.wikimedia.org）。三维文物摄影、现代二次创作不适用该准则。

2.5 楷书

楷书阶段的字形可直接用开源字体渲染。霞鹜文楷是基于日本开源字体 Klee One 扩补并覆盖简繁常用字的楷体字库（S11, github.com/lxgw/LxgwWenKai），适合古风与教育展示场景。康熙部首体系对现代汉字的归并则体现在 Unihan 的 kRSUnicode 字段中（S7, unicode.org）。

楷书的历史断代细节，本次材料无可靠出处，待核。

配图建议：楷书字形统一用开源字体渲染，保证全网图片风格一致；每字再叠一张现代笔画骨架线描（数据来源见第四节）。

2.6 字源研究的海外馆藏入口（供选图与深挖）

• 芝加哥大学东亚图书馆特藏页面：原文仅说明其藏有「extensive research materials in Chinese, Japanese, and Korean」（S4, lib.uchicago.edu）。该馆与顾立雅（Herrlee G. Creel）及甲骨金文研究的关联、以及「顾立雅成果汇聚地」这类表述，均不在引文范围内，待核。 另需说明：本次检索中，顾立雅中心的独立域名出现 DNS 无法解析与 404，已降级回退至该校东亚图书馆官方主页目录（S4），一个降级后的链接不能支撑更强的断言。
• 哥伦比亚大学 C. V. Starr 东亚图书馆：原文仅说明其为美国研究东亚的主要馆藏之一（S5, library.columbia.edu）。「保存大量北美早期搜集的高古甲骨刻辞拓本及古籍善本文献数字索引」这一具体内容不在引文范围内，待核。

我的判断：这两个入口适合做「延伸阅读」而不是首屏内容——它们对专业读者有价值，对普通读者的转化路径太长。在做延伸阅读时，条目文案只写引文支持的那一句，其余标注「待核」。

三、内容主线二：字体的渐进式发展

下表是全站的时间轴骨架。表格里凡「待核」的格子，上线前必须补齐或改为不带具体数字的表述。

编辑要点：

1. 贯穿字例是编辑决策，不是事实断言。「日、月、水、人、大」这组是建议的对照字；每个字的各期字形必须逐字核校后方可上线，核不出出处的格子留空，不要用其他字体字形冒充古文字。
2. 转折点要写「机制」不只写「现象」。例如「小篆—隶书」这一环的可对照依据来自历代拓片字形的分类（S13，未逐页核验，开工前须自行确认）。
3. 不要跨阶段外推。材料没有提供的年代跨度（如各阶段各持续多少年）一律待核。

四、内容主线三：拆分笔画溯源的逻辑

这是整站的「方法论引擎」。核心是一个三层模型：

第一层：笔画层（可计算）
Unihan 数据库明确定义了核心字段：kRSUnicode 存储字的康熙部首及剩余笔画数，kTotalStrokes 存储字的总笔画数，数据文件存放于 Unihan.zip（含 Unihan_RadicalStrokeCounts.txt）（S7, unicode.org/reports/tr38/tr38-33.html）。据此可以自动生成「这个字属于哪个部首、共几笔、除部首外几笔」的机器可读结论。 注意：此处出处证明的是字段定义，数据文件本身的使用条款另见 7.1。

第二层：部件层（可拆解）
Outlier 字典的做法值得作为方法论模板：结构化学术条目、字构分析（形旁、声旁、义符的真实流变）、古文字拓本清晰截屏（S16, outlier-linguistics.com）。站点在部件层应输出三件事：这个字由哪些部件组成、每个部件在这一字体阶段是什么形态、该部件的功能是表意还是表音。

第三层：笔画骨架层（可交互）
Make Me a Hanzi 提供近万个汉字的连续笔画骨架 SVG、笔顺数据及中英字义（graphics.txt 与 dictionary.txt），可免费用于前端渲染笔顺动画（S8, github.com）。注意：该项目的图形文件与字典文件来源不同、许可不同（图形文件源自 Arphic 字体，字典数据源自 Unihan 与 CJKlib），不能按「整包一个协议」引用，须逐文件核对（S8）。Hanzi Writer 是基于该数据、以 MIT 协议开源的轻量前端 JS 库，可在 Canvas/SVG 网页上实现动态描红、笔画书写识别与笔顺动画播放（S9, github.com）。这一层是「拆分笔画」在用户体验上的落点：鼠标悬停某个部件，高亮它在骨架上对应的笔画段。

4.1 「六书」怎么用

先说清一件事：六书（象形、指事、会意、形声、转注、假借）是通行分类框架，但本次材料未附该框架定义的可回溯出处，术语定义与《说文解字》相关原文的出处待核。补出处的可行路径是检索 Chinese Text Project 的先秦两汉文献库（S6, ctext.org）。

在此前提下，六书在站点里的正确用法是「分层标签」，不是「逐字贴标签」：

• 可用作入口筛选：用户可按「形声字」筛出全部有明确声旁的字——这是最可结构化、最容易标注的一类（参照 S16 对形旁/声旁/义符的分析路径）。
• 不可用作硬分类：转注、假借是对用字现象的描述，强行给每个字贴一个「六书类目」会大量出错。
• 必须标注争议：一个字究竟属会意还是形声，学界常有分歧；站点应允许一个字挂多个候选标签并注明分歧。

4.2 哪些字能拆，哪些不能拆

能拆：部件边界清晰、且现代字形与历史构件对应的字；形声结构明确、有稳定声旁与形旁的字（S16, outlier-linguistics.com）。

谨慎或不能拆：

• 独体字：本身是单一构件的字，强行拆分只会制造假部件。
• 部件已粘连或变形者：现代楷书字形中原本独立的构件已连写、省简，机械按现代字形切分会失真。
• 简化字与繁体字部件系统不一致者：简化后部分声旁/形旁不再承担原功能，跨简繁映射时须单独核校。

我的判断：上述三类处理规则属编辑方法论建议，不涉及对具体字的断言；任何上线的单字拆解结论都必须附出处，拆不出来的字显示「暂无可靠拆解」，而不是给一个看起来整齐的答案。

一处必须纠正的技术误解：站点不应把 Unicode 部首补充区当作「《说文》部首 ↔ 现代部首」的换算表来用——该区 115 个字符里只有 31 个是康熙部首的简繁/日文变体，其余是独立的历史笔画部件（S3, unicode.org）。两套部首系统之间的对应关系需要另行查证，待核。

4.3 常见误拆风险（类型清单）

本次材料未提供具体误拆案例，具体案例待核。以下为按方法论归纳的风险类型，站点应把它们固化为编辑审核清单：

1. 以今度古：用现代简体字形反推造字初义，忽视字形在隶变、简化中的两次大变动。
2. 见形即会意：把形声字（尤其声旁已不表音的字）当成会意字解读。
3. 按现代部首切分：用康熙部首或现代部首机械切分古文字构件，忽略《说文》部首系统与现代部首系统的差异（S6 可作《说文》原文检索入口；S3 不能充当两套系统之间的映射依据）。
4. 部件义当整字义：把部件义直接等同于整字义，忽略整字在长期使用中的语义演变。
5. 无出处的「一说」：用「古人有说」这类无主体的表述承载不确定内容。

五、衍生板块

5.1 美术与书法

排版工程准则：W3C 的中文排版需求规范给出的汉字方块结构、网格排版（标点避头尾、字距微调）等设计规范，为汉字 UI 与平面排版提供了底层工程与美学准则（S19, w3c.github.io/clreq/）。站点如果要做「字形演变长图」或书法字帖式版式，应直接以该规范为落地标准，而不是凭感觉调字距。

字形演变如何变成视觉素材：

• 历代拓片字形（甲骨、金文、小篆、秦隶）本身就是高信息密度的视觉素材（S12, commons.wikimedia.org，逐张核许可；S13, hanziyuan.net，未逐页核验）。
• 楷书及现代字形统一用 OFL 字体渲染（S10、S11, github.com）。
• 笔画骨架数据（S8, github.com）可导出为线描图形，适合做极简风格的视觉辅助。

配图建议：每个字的详情页顶部放一张「五体对照卡」——左侧竖排五格（甲骨／金文／小篆／隶书／楷书），右侧一张现代笔画骨架线描。对照卡每一格下方标注该图来源与许可。

版权提示：字形设计本身在美国法体系下不受版权法保护，但生成字体的计算机程序（字体文件）作为软件受严格保护（S24, copyright.gov）。展示矢量字形与分发字体文件，是两种风险完全不同的行为，站点应只做前者。

5.2 篆刻与设计

字形作为设计语言的三条路径（本文为方法论建议）：

1. 部件化设计：用部件（形旁、声旁）做模块化图形系统，来源于字构分析的分层思路（S16, outlier-linguistics.com）。
2. 网格化排版：以 W3C 中文排版需求为准则处理方块结构与字距（S19, w3c.github.io/clreq/）。
3. 授权可预期：全部嵌入字体使用 SIL OFL 1.1 授权（S10、S11, github.com），OFL 明确规定 "The OFL allows the licensed fonts to be used, studied, modified and redistributed freely as long as they are not sold by themselves"——可免费商用并打包进网站服务，唯一限制是不得将未做修改的字体文件单独标价变卖（S25, scripts.sil.org/OFL）。

缺口说明：本次材料未提供篆刻专用的开源数据集或印谱数据源，该部分数据来源待核。在该缺口补齐前，篆刻板块只做「字形设计语言」的展示与教学，不做印谱图库。

5.3 周易与卦象（学术讨论 / 民间说法，必须分开）

A. 学术讨论（有出处方向的）

商周甲骨文与青铜器上的「数字卦」——由一、五、六、七、八等数字符号组合成的卦象记录——被学术界公认为易卦符号的早期形态，经张政烺等学者考证已成共识（S29，依据为裘锡圭《文字学概要》及海外古文字学共识）。但本次未取得该条的可回溯链接，链接待核；在链接补齐前，该表述只能以「待核」状态出现在编辑稿中，不得直接上线。

B. 民间说法（非学术共识，正文必须带限定词）

「伏羲八卦是汉字唯一造字源头」「所有象形字皆由乾坤八卦直接演变而来」——这些说法在国内外学术界缺乏考古与古文字发生学证据，属于后世民间附会与玄学假说（民间说法、非学术共识）（S29），不可作为字源网站的学术事实采纳。

C. 编辑规范（硬性）

1. 该板块每个页面顶部必须有「学术讨论 / 民间说法」双标签，视觉上不可混淆。
2. 民间说法段落必须逐句带「民间说法、非学术共识」限定词，任何情况下不得写成定论。
3. 学术部分每句带出处；链接未补齐的内容不得上线（本方案中对应 S29 的链接缺口）。
4. 我的判断：卦象与汉字可以做成「两套平行符号系统的对照展示」，但不能写成因果关系——因果叙事是本板块最大的失真风险。

5.4 教育与认知

本节的文献范围（本稿的重要更正）：本节只收认知科学／读写认知方向的研究文献。原列于本节清单中的 Keightley 商代史专著——书名 Sources of Shang History: The Oracle-Bone Inscriptions of Bronze Age China（University of California Press），该书由本次材料给出书名与出版信息，所附 JSTOR 链接在核验时为反爬拦截页（HTTP 200、页面 title 为「Client Challenge」）、正文无法取得——属甲骨学与商代史料研究，不属认知科学文献，已移至 2.1 节（甲骨文）与第三节演变骨架中处理，以避免板块归属误导。该案件的核验状态（内容无法核验、出处待核）见来源索引 S21 条。

认知科学依据的现状：本方案上一版曾引用三条脑与认知研究作为「教育与认知」板块的依据。经复核，这三条所附链接实测均与所述内容不符，具体如下：

• 原拟引 Tan 等 2003 年发表于《自然》的研究（原链接 nature.com/articles/nature01618）——该链接实测指向一篇关于小鼠平面极性基因的论文，与汉字阅读神经机制无关。结论本身是否有其他可核实文献支持，待核；本方案不再引用该链接。
• 原拟引 Koyama 等 2014 年发表于《Frontiers in Human Neuroscience》的 fMRI 研究——该链接实测指向一篇言语感知研究，与汉字正字法加工无关。待核。
• 原拟引 Hsiao & Cottrell 发表于《PLOS ONE》的研究——该链接实测指向一篇关于概念特征掩蔽启动的研究，与汉字识别无关；原稿自行加注的「标题与表述角度有差异」的提醒不足以修正错误的出处。待核。

处理规则：「教育与认知」板块在该板块的每条研究结论都取得可核实、可打开的出处之前，不上线。 不允许用「某项研究表明」这种无链接写法替代出处；也不允许保留一个错误链接配一句风险提示——提醒不等于修正。

教学应用建议（不依赖上述论文，可先行）：

• 笔顺描红与书写练习：直接复用 Hanzi Writer 组件与 Make Me a Hanzi 数据（S9、S8, github.com），零授权成本（须遵守 7.1 的逐文件许可要求）。
• 识字路径：把「部首 → 部件 → 整字」作为默认教学顺序，与站点的三层拆解模型一致。
• 典源延伸：教师可引导学习者到 Chinese Text Project 检索传世文献语境（S6, ctext.org）。
• 明确不做：不写任何学习成效、成绩提升或记忆效率的量化承诺。

六、网站结构设计

6.1 栏目树

首页
├── 查字（核心入口）
│   └── 单字详情页（本站的核心页面）
├── 演变
│   ├── 五体对照（甲骨—金文—小篆—隶书—楷书）
│   ├── 时间轴总览
│   └── 断代与分期（分期方法叙述待核补出处后再上线）
├── 部首与笔画
│   ├── 康熙部首索引（kRSUnicode；S7）
│   ├── 部首补充与简繁/日文变体字符（2E80–2EFF；S3，仅作字符补充）
│   └── 《说文》原文检索入口（S6）
├── 方法与规则
│   ├── 三层拆解模型（笔画—部件—初义）
│   ├── 六书的使用与边界（定义出处待核）
│   └── 误拆风险清单
├── 衍生
│   ├── 美术与书法
│   ├── 篆刻与设计
│   ├── 周易与卦象（学术 / 民间双标签）
│   └── 教育与认知（出处补齐后上线）
├── 数据与来源
│   ├── 来源清单（逐条带链接、复核状态与访问日期）
│   ├── 许可与授权说明
│   └── 数据下载 / 接口说明
└── 关于
    ├── 编辑准则
    ├── 纠错与撤稿通道
    └── 联系与免责说明

6.2 每个栏目放什么

• 查字：搜索框支持三种输入——汉字、拼音、部首+笔画。其中汉字直查走字表索引；部首+笔画由 kRSUnicode、kTotalStrokes 字段支撑（S7, unicode.org）；拼音检索的字段名与数据来源本次未取得出处（S7 核验所覆盖的引文只有 kRSUnicode 与 kTotalStrokes 两个字段名，未出现拼音类字段），故拼音索引标「待核」，在字段与许可补齐前不承诺上线该检索方式，如先上线也只作辅助入口并标注数据来源。
• 单字详情页：从上到下依次为① 五体对照卡（含每格图源与许可）；② 笔画骨架与笔顺动画（S8、S9）；③ 部件拆解与功能标注（形旁/声旁，参照 S16 路径）；④ 造字初义与典源引文；⑤ 来源清单（每条链接可点，带复核状态标记）；⑥ 纠错按钮。
• 演变：时间轴总览用第三节的表格；分期页在出处补齐前只展示「分期框架存在」并标注待核。
• 部首与笔画：部首索引页按康熙部首排列；部首补充字符区用于覆盖简繁与日文变体字形；《说文》原文检索跳转到典源库（S6）。
• 方法与规则：本站的「透明化」栏目，写清编辑怎么判断、什么情况下不给结论，包括「暂无可靠拆解」的显示规则。
• 衍生：四个子栏目，内容形态分别是视觉长图／设计案例／双标签专题／教学工具包。
• 数据与来源：全站来源的单一入口，也是版权合规的凭证页。该页面须公开标注每条来源的复核状态（可用 / 未逐页核验 / 内容不符 / 无法核验 / 待核）。
• 关于：纠错通道是必备项，直接决定长期内容质量。

6.3 从首页到查一个字的完整路径（7 步）

1. 打开首页，首屏即搜索框 + 三个高频字示例（降低首次使用门槛）。
2. 输入「水」，下拉提示同时给出汉字、拼音、部首三种匹配结果（拼音匹配为待核项，见 6.2）。
3. 进入「水」字详情页，第一屏是五体对照卡：甲骨 → 金文 → 小篆 → 隶书 → 楷书。
4. 向下滚动到笔画骨架区，点击播放笔顺动画，或进入描红模式（Hanzi Writer，MIT，S9）。
5. 查看部件拆解区：该字的构件、构件功能、以及「该字是否适合拆解」的标注。
6. 阅读造字初义与典源引文，点开任一条引文跳转到来源清单对应条目。
7. 页面底部看到「纠错」按钮与「本页引用来源（N 条）」，可一键复制引用信息。

路径设计要点：全程不需要登录，也不插入不可关闭的弹窗；来源清单在页面底部固定可见，让「可回溯」成为可见的产品特征，而不只是后台规范。

七、数据与技术方案

7.1 数据从哪来（逐项可回溯）

注一（对「全链路开源许可」表述的更正）：本表多数组件有明确许可，但 Unihan 数据文件本身的使用条款本次未取得可回溯出处（S7 证明的是字段定义，不是数据许可），该项待核。因此本方案不写「全链路开源」「全部可自由再分发」这类整体结论；在该项补齐前，许可页应如实标注「Unihan 数据文件许可待核」，不得默认其为可自由再分发。

注二（本节的许可状态口径）：本表逐行给出的是逐项状态，不是统一结论。已核的（✓）与待核的（S3 数据类型、S8 分文件、S12 逐张、Unihan 数据文件、拼音字段）分开记录；任何对外文案都不得把这些条目合并表述为「全部可许可、可再分发」。

7.2 存什么

• 字表：以 Unicode 码位为主键，字段包括部首、剩余笔画、总笔画、简繁关联；拼音字段的字段名与数据来源待核，在该项补齐前不写入字表结构（见 7.1）。
• 字形资产：每张图一条记录，字段包括所属字、所属阶段、图源链接、许可类型（PD / CC BY-SA / OFL 等）、许可核验状态、访问日期。
• 拆解记录：字的部件列表、每个部件的功能标注、拆解依据的出处、以及「是否有争议」标记。
• 引文记录：典源原文摘录、所在文献、可点击来源链接。
• 来源总表：全站引用的 URL、标题、许可、复核状态、核验日期——这是合规页的数据源，也是纠错的依据。

7.3 怎么查

• 主键检索：码位 / 汉字直查，走字表。
• 属性检索：部首、剩余笔画、总笔画（S7 字段直接可用）做倒排索引。
• 拼音检索：待核项（字段名与来源见 7.1、6.2），补齐后再建独立索引；未补齐前不把拼音列为对用户承诺的检索方式。
• 全文检索：仅用于典源引文层，避免把整站做成全文搜索。

7.4 技术选型建议（属工程判断）

• 前端：静态页面 + 轻量前端框架；笔顺模块直接引入 Hanzi Writer（MIT）（S9, github.com）。
• 字体：使用 Noto CJK 与霞鹜文楷（S10、S11），按需做字体子集化以控制体积，并在许可页保留 OFL 声明与署名。
• 图像：统一转换为现代格式并提供多分辨率；每张图强制携带许可字段，前端不显示无许可字段的图。
• 后端：仅在检索与纠错提交需要时引入轻量服务；字表与资产可托管在对象存储 + CDN 上。
• 抓取与降级：对第三方 API（如 S1）做缓存与降级处理，字段缺失时隐藏对应模块而非报错。

7.5 工作量粗估（估算，非承诺）

以最小可用站点（第一期）计，建议按 6–10 周排期——这是工程经验估算，不含外部依赖延迟。

7.6 抓取时不可用的来源（已记录，供开工参考）

• 某高校博物馆甲骨检索页，抓取时返回 HTTP Error 403: Forbidden，有反爬验证拦截，未能取得具体标本 ID；已改用可通畅访问的开放 API 作为商周器物与铭文断代样本（S1, collectionapi.metmuseum.org）。
• 某海外博物馆藏品详情页，抓取时返回 403 Forbidden（CDN 拦截），该具体 URL 未收录。
• 芝加哥大学顾立雅中心独立域名，核验时出现 DNS 无法解析与 404，已回退至该校东亚图书馆官方主页目录（S4, lib.uchicago.edu）。
• 四条原拟学术文献链接（S20–S23）经复核需要处理：其中三条（S20、S22、S23）实测内容与原断言不符；另一条（S21，JSTOR）请求返回 HTTP 200 但页面 title 为「Client Challenge」，属反爬拦截页，正文无法取得、内容无法核验——两类情况均已在本稿中降级处理，不得混为一谈。
• 《著作权法》原引人大网链接：实测该页面可正常打开，但正文不含「第二十二条」「第二十三条」及法条文本，故本稿改用国家版权局公布文本（S27, ncac.gov.cn）。这是「页面可打开但无法条正文」，与「链接打不开」是两种情况，记录时须区分。
• 某老牌字源站的核验：页面实测可正常打开（HTTP 200、约 390KB 服务端渲染 HTML），不属于 JS 渲染导致无法核验；本次未做的是站内逐页核验，故相关描述标「未逐页核验」。

以上状态为核验时点的情况，随时可能变化，开工前应重新探测。

八、版权与合规（建站者逐条遵守清单）

1. 字体文件与字形必须分开处理。美国版权局通告第 14 号原文："Copyright law does not protect typeface designs... However, computer programs generated to produce typeface designs may be protected as software"——字形本身（笔画造型）不受版权保护，但字体文件（.ttf、.otf）作为软件受保护（S24, copyright.gov）。规则：站点只展示字形图片与矢量图形；不得把商用字体的字体文件直接提供下载。需要提供下载时，只提供 OFL 等明确许可再分发的字体原文件，并保留许可声明。
2. 使用 OFL 字体时的义务。SIL OFL 1.1 原文："The OFL allows the licensed fonts to be used, studied, modified and redistributed freely as long as they are not sold by themselves"（S25, scripts.sil.org/OFL）。规则：保留版权声明与许可全文；不得将未修改的字体文件单独售卖；修改派生字体时须按 OFL 要求处理命名与授权。
3. 开源数据集要逐文件看许可。以 Make Me a Hanzi 为例，其图形文件与字典数据来源不同、许可不同（S8, github.com）。规则：按整包只记一个协议是常见错误；引入任何开源数据集前，必须逐文件确认许可，并把结论写进来源总表。
4. 公有领域二维文物照片可用。Wikimedia Commons PD-Art 准则原文："Faithful photographic reproductions of two-dimensional public domain works of art are in the public domain"（S26, commons.wikimedia.org）。规则：汉碑拓本、古籍影印等平面文物可安全使用；三维文物的摄影、现代拍照者的再创作、经过明显修饰的图片不适用该准则，须逐张核对许可。
5. 古籍原文可用，现代点校本受保护。《中华人民共和国著作权法》第二十三条原文："第二十三条 自然人的作品，其发表权、本法第十条第一款第五项至第十七项规定的权利的保护期为作者终生及其死亡后五十年"（国家版权局公布文本，ncac.gov.cn）。请特别注意条文号：现行第二十二条规定的是「作者的署名权、修改权、保护作品完整权的保护期不受限制」，保护期条款是第二十三条（同一官方文本）。规则：《说文解字》《康熙字典》等古籍原文可自由使用；现代学者的点校本、整理本、校注本享有独立著作权，未经授权不得全书复制。引用时须注明版本来源。
6. 每张图片必须有许可字段。来源、许可类型、核验状态、获取日期缺一不可；缺任一项的图片不得上线。
7. 纠错与撤稿通道必须常设且可追踪。收到权利人异议时，先行下架、再核验。
8. 引文一律标注来源与访问日期，禁止使用「古人有说」「据说」这类无主体表述。
9. 明确区分学术讨论与民间说法（见 5.3），民间说法段落必须带限定词。
10. 数据文件的许可单独确认。Unicode 数据文件（如 Unihan.zip）本身的使用条款本次未取得可回溯出处，待核；在补齐前不得推定其可自由再分发，许可页应如实标注（对应第 7.1 节注一）。
11. 在境内公开运营的合规事项须逐项评估。《互联网信息服务算法推荐管理规定》原文："算法推荐服务提供者应当坚持主流价值导向，优化算法推荐服务机制"（S28, cac.gov.cn）。规则：站点若提供搜索排序或个性化推荐，应当坚持主流价值导向、做好内容安全把关；是否落入算法备案范围，须结合具体功能评估并以主管部门要求为准，本方案不代替监管作结论。域名 ICP 备案、实名与内容安全审计等要求，同样以主管部门的具体规定为准，开工前逐项确认。
12. 不收集非必要个人信息；不做收益、疗效、成绩类承诺表述。
13. 对外许可说明不得合并表述。许可页与下载页须逐项列示每个组件/数据文件的状态（已核 / 待核 / 逐文件核 / 逐张核），禁止写成「全部来源公开、可许可、可再分发」（依据见 7.1 注一、注二）。

九、同类站点对标表

说明一：下表定价信息本次无任何可回溯出处，一律标「待核」，不得作为定价决策依据；需先抓到官方定价页并记录访问日期后再补。
说明二：「内容形式」与「收费方式」两列的描述沿自本次调研材料，本次未逐条独立复核；仅对少数项做了抽查，抽查结果直接写进对应单元格。未抽查项一律标「未独立复核」。
说明三：「我们可借鉴或避开的点」一列中，凡依据同表标「未独立复核」的描述得出的判断，均属待复核的建议，不得当作已核事实引用。

共性判断：现有站要么「图多但来源颗粒度粗」（S13），要么「学习体验好但不讲字源深度」（S14、S15），要么「学术严谨但付费墙高」（S16）。三者的交集位置，就是我们站的位置。（该判断中涉及的站点特征描述见上表复核状态。）

十、分阶段落地路线

第一期：可用的最小站点（建议 6–10 周）

做什么：接入字表与部首/笔画字段（S7、S2）；上线 100–300 个高频字的详情页；完成五体对照卡雏形；实现按汉字与部首+笔画检索（拼音检索为待核项，见 6.2、7.1，不作为第一期交付承诺）；上线来源清单页（含复核状态列）与许可页。

可验收产出：

• 站点可公开访问，任一详情页可完整走完 6.3 节的 7 步路径。
• 每个上线字至少有一条可点击、且打开后内容对得上的来源链接；无出处者显示「暂无可靠拆解」。
• 每张图片带来源、许可、核验状态、日期四项字段。
• 许可页逐项列出全部使用的字体与数据源及其授权条款，标明哪些是逐文件许可不同的，并如实标注「Unihan 数据文件许可待核」；不得出现「全部来源可自由再分发」的合并表述。

第二期：内容扩容与交互升级

做什么：字表扩至 3000+ 字，覆盖开源骨架数据所及范围（S8, github.com），并完成其逐文件许可核对；接入笔顺描红与书写练习（S9, github.com）；上线「方法与规则」栏目（三层拆解模型、六书边界、误拆风险清单）。

可验收产出：

• 3000+ 字的笔画骨架与笔顺可交互演示。
• 「方法与规则」栏目成文，包含「什么情况下不给结论」的明确规则。
• Make Me a Hanzi 的图形文件与字典文件许可分别记录在案，前端展示范围与许可范围一致。
• 完成图片许可的逐张核验，形成可核查的许可台账。

第三期：衍生板块与开放数据

做什么：上线美术与书法、篆刻与设计、周易与卦象三个衍生板块；建立开放数据下载接口；上线社区纠错流程；完成合规复核（S27、S28）。

可验收产出：

• 周易与卦象板块双标签机制实际生效，民间说法段落逐句带限定词；学术部分的链接缺口（S29）已补齐，未补齐则不上线。
• 「教育与认知」板块仅在每条研究结论均取得可核实、可打开的真实出处后上线；本方案复核时，原拟三条认知文献（S20、S22、S23）实测内容与断言不符，均无可核实出处，故该板块暂缓。
• 开放数据下载带完整许可说明与字段文档；Unihan 数据文件许可状态在下载页明确标注。
• 纠错提交有处理状态可查。
• 合规复核清单（第八节 13 条）逐条留痕。

常设风险与回退

• 上游不可用：第三方 API 或站点可能返回 403 或变更结构（7.6 节已记录三例），须做本地缓存与降级。
• 点击链接与内容不符：这是本方案复核阶段发现的最典型问题（三条学术文献链接、一条法条链接均属此类）。回退规则：任何链接在上线前必须打开一次、确认内容与所引断言一致；对不上的，降级为「待核」并撤下断言，不允许保留链接配一句风险提示。
• 链接打不开 ≠ 链接内容不符：对反爬拦截、验证码页这类无法取得正文的链接（如 S21 的 JSTOR 页），只能写「内容无法核验、出处待核」，不得推断它指向什么、更不得断言它指向无关论文。
• 核验失败的原因要记真：如 S13，实测可正常打开（服务端渲染），不得记成「JS 渲染导致无法核验」；真实情况是「未做逐页核验」，记录必须与实际动作一致。
• 版权争议：一律先下架再核验。
• 学术分歧：允许一字多标签并注明分歧，不强行给定论。
• 缺口清单：甲骨文具体起讫年代；楷书历史断代；六书定义出处；周易数字卦学术共识的链接；篆刻专用数据集；认知科学文献的可核实出处（S20、S22、S23 需替换）；Keightley 专著的可打开出处（S21 需另找）；Unihan 数据文件的使用条款；拼音字段的名称与来源；《说文》部首与现代部首系统的对应关系；2EEA 等具体字符与康熙部首对应关系的核对；竞品定价页与内容形式的独立复核——以上各项目前均待核，属开工前必须补齐或明确标注的项目。

一句话总结：先把「一个字一张图一条出处」做到无懈可击——而「一条出处」的含义是链接打开后内容确实对得上；对打不开的链接只能说「无法核验」，不能替它下结论。全站各组件的许可状态逐项已核或标待核，逐项清单与说明见 7.1；合规按第八节 13 条逐项留痕，未核准的内容一律标注「待核」，不写成定论。

本稿修订记录（仅列被指出并已修改之处）

第 3 轮修订（本次）

1. 「一句话总结」首句：删去「数据全部来自公开、可许可、可再分发的来源（S7、S8、S9、S10、S11、S12、S1、S6，其中 Unihan 数据文件许可待核）」这一整体性表述，改为「全站各组件的许可状态逐项已核或标待核，逐项清单与说明见 7.1」；并在第一节第 3 点、7.1 注一/注二、第八节新增第 13 条、第十节第一期验收项中同步写入「禁止合并表述为全部可许可、可再分发」，与 S8（逐文件许可）、S12（逐张核验）、Unihan 数据文件（待核）的自身结论保持一致。
2. 2.2 节：删去「让读者先看到『断代是怎么被定出来的』」，改为「让读者先看到断代结论，再进入字形比对」；并补注该 API 返回中只有 period、objectDate 等结论字段、不含断代方法与依据信息；来源索引 S1 条、第三节表金文行同步补注。
3. 第九节对标表「借鉴」列：S13 行「『免费公开』的口碑积累」改为「据调研材料（未独立复核），须另行核实后再作为决策依据」；S14 行「Unicode 部首切分做检索维度」改为「据调研材料（未独立复核），此项须实测其检索行为后再采纳」；新增「说明三」，声明借鉴/避开列凡依据未独立复核描述得出的判断均属待复核建议。
4. 拼音字段（6.2、6.3、7.1、7.2、7.3、第十节第一期）：删去把拼音检索挂在 S7 名下的写法，明确「S7 核验覆盖的引文只有 kRSUnicode 与 kTotalStrokes，未出现拼音类字段名」，拼音字段名与数据来源一律标待核，7.3 不把拼音列为对用户承诺的检索方式，缺口清单同步加入该项。
5. 5.4 节：将 Keightley 商代史专著移出「教育与认知」的认知科学文献清单，改列 2.1 节与第三节演变骨架，并在 5.4 开头加「本节的文献范围」说明，注明该书属甲骨学史料、非认知科学文献；来源索引 S21 条与 2.1 节表述保持一致。

前两轮已落实的修订（保留）

1. S21 第四条与 S21 索引条：不再断言 JSTOR 链接「指向无关论文」，改为「请求返回 HTTP 200、页面 title 为 Client Challenge，属反爬拦截页，正文无法取得，链接内容无法核验，出处待核」；连带修正 7.1 表「学术参考」行、7.6 节、第十节与「常设风险」中涉及该链接的表述，并把「内容不符」与「无法核验」两类情况明确区分。
2. S13 索引条、第一节、2.4、第三节表、第九节表第一行：删去「未能独立核验（JS 渲染）」的错误理由，改为「实测可正常打开（HTTP 200，约 390KB 服务端渲染 HTML，title 为 Chinese Etymology 字源，源码可见 Oracle、Bronze、Seal 等关键词）；本次未做的是站内逐页核验」，相关描述一律标「未逐页核验」；核验状态未升级为「可用」，因本次未逐字逐页核对内容。
3. 2.3 节、4.2 节、S3 索引条、7.1 表「部首补充字符」行：删去「以康熙部首的简体与日文变体为主」与「该区实际收录的是……」的以偏概全表述，改为「共 115 个字符，其中名称含 SIMPLIFIED 的 31 个，约四分之一，其余多为独立历史笔画部件（如 2E80 CJK RADICAL REPEAT）」；2EEA 与康熙部首 205（U+2FCC）的对应关系标注为「由名称逐条比对的编辑推导，须另行核对，待核」。
4. 第九节表格增补逐格复核状态说明（YellowBridge 会员描述、Skritter 音频与 SRS 描述标「未独立复核」，并记录抽查所见）；2.1/2.2 的定义句改标「编辑定义」；7.1 与第八节新增 Unihan 数据文件许可待核条款，并删除「全链路开源许可」这一整体性结论；7.6 节把「人大网链接不能打开」改为「页面可打开但不含法条正文」，并说明两者区别。