那个不存在的单词「an unicorn」，和 129 个例外

目录

• 一个成年人才会注意到的英语问题
• 32455 个词，129 个例外
• y 和 w：被开除出元音队伍的叛徒
• h 的失踪案：从 heir 到 honor
• The Letter Name Trap：26 个字母自己也要选 a/an
• an apron 的诞生：一场流传几百年的耳朵误会
• 现场验证：我把发音词典整本翻了一遍
• 一个循环，和一套手写规则

---

一个成年人才会注意到的英语问题

英语里有个规则，小学老师教的：a 用在辅音开头的词前面，an 用在元音开头的词前面。a cat、an apple。就这么简单。

然后你遇到了 unicorn。

unicorn 以元音字母 u 开头，按规则应该是 an unicorn——但没有任何一个母语者会说 an unicorn。我们都说 a unicorn，因为 unicorn 虽然写起来是元音开头，读起来却是辅音开头：/junɪkɔrn/。u 在单词里读成了 "yoo"，y 是辅音音。

所以真正的规则不是「看第一个字母」，而是「听第一个音」。

问题是：这个「听音」的规则，到底有多准？用「看字母」的规则去碰运气，会错多少次？Red Blob Games 的作者 Amit Patel 花了整整一天去查发音词典，最后发现：32455 个英文单词里，只有 129 个是例外。

129 个，一张纸就能列完。这是整篇故事里最让我意外的数字——我以为会错一大片，结果差点就是 0。

32455 个词，129 个例外

Amit 干了一件程序员才会干的事：把卡内基梅隆大学的发音词典（cmudict）整本下载下来，然后写代码判断「第一个字母是元音吗」和「第一个音是元音吗」是否一致。

结果出乎意料地好。**32455 个单词（排除了专有名词、单字母、缩写、标点后），按「首字母规则」判断，只有 129 个词会翻车。**准确率 99.6%。

这 129 个例外不是随机散布的，它们整整齐齐地聚成了几个家族：

家族	代表词	为什么例外
eu- 读成 /ju/	eucalyptus, eunuch, eulogy	e 开头但读 yoo
u- 读成 /ju/	unicorn, university, urology	u 开头但读 yoo
h- 不发音	hour, heir, honest, honor	h 开头但元音开头
o- 读成 /w/	one, once, oneness	o 开头但读 wuh

看到规律了吗？大半的例外都是同一个音在捣乱：/j/。

eucalyptus 和 unicorn 表面差很远，但开头都是那个「yoo」音——一个由字母 y 或 u 假装发出来的辅音。英语把 /j/ 归为辅音，于是所有以 yoo 开头的词，哪怕写作 e 或 u，都得用 a。

y 和 w：被开除出元音队伍的叛徒

英语的元音字母五个：a, e, i, o, u。但发音上真正在「元音/辅音」之间摇摆的，是 y 和 w。

y 在 yes、yard 里是辅音，在 myth、gym 里是元音。w 在 water 里是辅音……可 one、once 开头的音其实就是 /w/，所以它们写作 o 开头，却读作 w 开头——于是 one 按首字母规则会被判成 an one，大错特错。

最讽刺的例子是 yttrium（钇，化学元素）。它是 129 个例外里唯一一个不属于任何家族的孤儿：以辅音字母 y 开头，却读作 /ˈɪtriəm/，是元音开头，所以它要 an yttrium。一个辅音字母，读出了元音，独自一人站在例外列表的角落。

英语拼写和发音之间的裂缝，在这个单词上裂到了最大。

h 的失踪案：从 heir 到 honor

另一大族是「h 不发音」。

hour 的 h 不发音，所以是 an hour；heir、honest、honor、honorary、honorific 全都一样，h 是哑巴，元音是首领。herb 在美国英语里 h 也不发音（an herb），但在英国英语里 h 发音（a herb）——同一个词，两个国家，两种 a/an。

Amit 的规则代码里有个有趣的注释：他没处理古老的 an hospital 例外。很久以前，英语有些方言不发音 h，所以人们说 an hospital，这个用法写进了书和报纸。后来发音变化，h 恢复了声音，an hospital 就变成了一条例外中的例外——正在慢慢消亡。语言是活的，规则列表会过期。

The Letter Name Trap：26 个字母自己也要选 a/an

最让我会心一笑的，是 Amit 提到的第二个场景：单个字母的名词，也要选 a/an。

你要是念一个密码 FBI，你会说 an FBI agent 还是 a FBI agent？答案是 an，因为 F 这个字母的名字读作 /ɛf/，是元音开头。而 NASA 读作 /ˈnæsə/，辅音开头，所以要 a NASA mission。

我把 26 个字母按它们自己的发音过了一遍，得出：

用 an 的 12 个：A, E, F, H, I, L, M, N, O, R, S, X
用 a 的 14 个：B, C, D, G, J, K, P, Q, T, U, V, W, Y, Z

h 读作「aitch」元音开头所以是 an H，u 读作「you」辅音开头所以是 a U——读「you」，然后发现这个字母本身又是那个 /j/ 叛徒在捣乱。整个系统，处处都是同一个幽灵。

an apron 的诞生：一场流传几百年的耳朵误会

129 个例外是「现在」的规则清单。但英语的历史里，有个更妙的机制在反向运作：重分析（rebracketing）。

维基百科的经典例子：15 世纪的人说 a napron（围裙）。因为 napron 以辅音 n 开头，所以前面是 a。但这个词太常被听见了，人们把 a napron 听成了 an apron——反正都差不多——然后干脆把那个 n 从围裙上撕了下来，安到了冠词上。几代人之后，apron 变成了标准拼写，napron 反而消失了。

同样的故事还发生在 a newt（蝾螈，来自 an ewt）、an adder（蝰蛇，来自 a nadder）、an orange（橙子，西班牙语里还叫 naranja，保留了那个 n）身上。

换句话说：今天我们在背的 129 个例外，有一部分是几百年前「an 和 a 边界上的幻觉」留下来的化石。 单词的拼写被错误切分重塑，冠词的那个 n 像个流浪汉一样，从这个词搬到那个词。你现在看到 an apron，其实是听到的 a napron。

现场验证：我把发音词典整本翻了一遍

说这么多，不如自己动手。我下载了同一份 cmudict 发音词典，把 Amit 的算法重写了一遍，然后亲自踩了他踩过的所有坑。

第一坑：cmudict 的元音音标带数字标号。 AA1 是元音，但 AA 也是。我第一版代码只检查了 ph[0] 是否在元音表里，结果把所有带重音数字的元音全部误判成辅音——跑出来「谜之 558 个例外」。和第二坑正好是同一堵墙的两面。

第二坑：全量词典 vs 过滤后的词典。 我用完整 cmudict 跑首字母规则，得到 17395 个「不匹配」——看起来天塌了。但实际上绝大多数是专有名词（fbi、html、herbert、nvidia）和缩写，它们本来就不属于「普通英文单词」。Amit 用 BSD 词典交集过滤后，不匹配立刻缩到 275 个。

第三坑：他的 129 个例外，我逐个对了一遍。 我把 Amit 文章里列的那 129 个词，全部拿去和我的 cmudict 比对——每一个都确实是「字母元音 ≠ 读音元音」的真例外。一个不多，一个不少。113 个在我的词典交集里找到了，全部验证通过。

第四验证：他的手写规则有多准？ 我把 Amit 那 20 行 starts_with_vowel 手写规则原样实现，跑在我过滤后的词典上，剩下 83 个词还是错的——但看列表，全是 fbi、mit、unesco、nvidia 这类缩写/专名/外来词，正是他主动排除的类别。他的规则在他定义的范围内是完美的。

整个验证链条走完，我得出一个确定的结论：英语的 a/an 规则，99.6% 的时候「看字母」就够用；但那 0.4% 的例外，是英语拼写和发音三百年恩怨的缩影。

一个循环，和一套手写规则

最后说一个让我愣了几秒的细节。

Amit 把 129 个例外写成了 20 行硬编码的手写规则：if word.startswith("eu"): return False、if word.startswith("hour"): return True……他承认没能找到比「手写 if-else」更优雅的算法，尽管他试过把问题规约为 DFA 最小化——一个计算机科学里已经研究了 60 年的问题。

所以这是整件事最妙的闭环：英语的 a/an 选择，本质上是一个「有限状态机最小化」问题；而人类已经用自然语言把它优化了几百年。 计算机科学家想用 DFA 最小化算法来解决它，最后发现最实用的解是 20 行人类手写的规则——这 20 行规则，就是几百万英语母语者脑子里那套「听起来顺不顺」的近似实现。

规则可以写进代码，但规则的来历（为什么要为 hour 破例？为什么 yttrium 是孤儿？）只能靠历史来讲。a/an 这个小到不能再小的英语功能词，底下埋着一整部音韵学、词源学和拼写改革的历史。下次你犹豫要不要说 an unicorn 的时候，记住：你是在和一个 300 年的语言系统搏斗，而它已经赢了。