當前位置:文書都 >

文學文本 >古籍 >

經典古籍《山海經》介紹

經典古籍《山海經》介紹

《山海經》是一部有名的志怪古籍,以下是小編整理的經典古籍《山海經》介紹,歡迎參考閲讀

經典古籍《山海經》介紹

書籍簡介

山海經《山海經》是一部記載我國神話、地理、植物、動物、礦物、物產、巫術、宗教、醫藥、民俗、民族的著作,大約是從戰國初年到漢代初年,楚國和巴蜀地方的人所作,現代中國學者一般認為《山海經》成書非一時,作者亦非一人,是一部上古時期荒誕不經的神話奇書。經西漢劉向、劉歆父子校書時,才合編在一起而成。

《山海經》全書現存18篇,據説原共22篇,約32650字。分為《山經》和《海經》兩個大的部分,是一部富有神話傳説的最古老的奇書。共藏《山經》5篇、《海外經》4篇、《海內經》4篇、《大荒經》5篇。《漢書·藝文志》載此書時作13 篇,未把《大荒經》和《海內經》計算在內,也有人認為這5篇是西漢劉向父子校書時所增加的。全書內容,以《山經》5篇和《海外經》4篇作為一組;《海內經》4 篇作為一組;而《大荒經》4篇以及書末《海內經》1篇又作為一組。每組的組織結構,自具首尾,前後貫串,有綱有目。《山經》的一組,依南、西、北、東、中的方位次序分篇,每篇又分若干節,前一節和後一節又用有關聯的語句相承接,使篇節間的關係表現的非常清楚。《山經》主要記載山川地理,動植物和礦物等的分佈情況;《海經》中的《海外經》主要記載海外各國的奇異風貌;《海內經》主要記載海內的神奇事物;《大荒經》主要記載了與黃帝、女媧和大禹等有關的許多重要神話資料。反映了中華民族的英雄氣概。

該書按照地區不按時間把這些事物一一記錄。所記事物大部分由南開始,然後向西,再向北,最後到達大陸(九州)中部。九州四圍被東海、西海、南海、北海所包圍。古代中國也一直把《山海經》作歷史看待,是中國各代史家的必備參考書。由於該書成書年代久遠,連司馬遷寫《史記》時也認為:“至《禹本紀》,《山海經》所有怪物,餘不敢言之也。”對古代歷史、地理、植物、動物、文化、交通、民俗、神話等研究,均有重要的參考價值。《山海經》實際上也是我國記載神話最多的一本古書。

夸父逐日、女媧補天、精衞填海、大禹治水、共工撞天、后羿射九日等神話確實出自山海經,有人質疑出自《淮南子》,這是不正確的。《淮南子》又名《淮南鴻烈》、《劉安子》,是我國西漢時期創作的一部論文集,相傳根據《呂氏春秋》改編。而《山海經》早在先秦已有流傳,從時間順序來看,就顯而易見了。

內容簡介

《山海經》是一部記載中國古代國神話、地理、植物、動物、礦物、物產、巫術、宗教、醫藥、民俗、民族的著作,反映的文化現象地負海涵、包羅萬匯。除了保存着豐富的神話資料之外,還涉及到多種學術領域,例如:哲學、美學、宗教、歷史、地理、天文、氣象、醫藥、動物、植物、礦物、民俗學、民族學、地質學、海洋學、心理學、人類學……等等,真可謂汪洋宏肆,有如海日。在古代文化、科技和交通不發達的情況下,《山海經》實際上也是中國記載神話最多的一部古書。

山海經兩大部分中,《山經》5篇是為一組,以四方山川為綱,記述內容包括古史、草木、鳥獸、神話、宗教等。

《海經》中的《海外經》5篇是為一組,主要記載海外各國的奇異風貌;《海內經》5篇為一組,主要記載海內的神奇事物;《大荒經》4篇為一組,主要記載了與黃帝、女媧和大禹等有關的許多重要神話資料,反映了中華民族的英雄氣概。《海經》以上每組的組織結構,皆自具首尾,前後貫串,有綱有目,除著錄地理方位外,還記載遠國異人的狀貌和風格。第18篇《海內經》是《山海經》地理狀況的總結,總結中國境內地理形勢分野、山系、水系、開拓區域分佈;農作物生產;井的發明;樂器製作;民族遷徙;江域開發以及中國洲土安定發展形成的.基本格局。

《山海經》全書記載了約40個邦國,550座山,300條水道,100多位歷史人物,400多個神怪畏獸,該書總體按照地區不按時間把這些事物一一記錄。所記事物大部分由南開始(《大荒經》由東開始,故有學者認為是南、西、北、東的方位順序與遠古上南下北同,故《大荒經》由東開始,則可能是後人的改動調整)。關於《山海經》全書涉及的地域範圍及相關物事虛實,歷來眾説紛紜。很多學者都認為是一次國家地理大普查之後的文獻記載,有一些確實能確定下來,比如黃河、渭河、華山等等,地理位置與現實的大體一致。事實上,即是是《五藏山經》,也與整體格局和現實的山川不合,至今為止,尚未有誰能令人信服地將這些山川一一坐實。然而,《五藏山經》所描述的山川有些是存在的,特別是《中山經》裏的山,《五藏山經》(即“山經”)本是以一些真實的山川為基礎來敍事的,但説到荒遠無稽的極地,已是無能為力,只能憑藉想象向壁虛構了。

標籤: 古籍 山海經
  • 文章版權屬於文章作者所有,轉載請註明 https://wenshudu.com/wenxuewenti/guji/wegwp.html
專題