當前位置:文書都 >

文學文本 >詩經 >

詩經《《國風·鄘風·幹旄》》鑑賞

詩經《《國風·鄘風·幹旄》》鑑賞

《國風·鄘風·幹旄》,先秦四言詩,全詩3章,每章6句。為先秦時代鄘國華夏族民歌。出自《詩經》。《詩經》收入詩篇時段是自西周初年至春秋中葉。此詩一般被認為是讚美衞文公羣臣樂於招賢納士。《詩經》是中國文學史上第一部詩歌總集。對後代詩歌發展有深遠的影響,成為古典文學現實主義傳統的源頭。

詩經《《國風·鄘風·幹旄》》鑑賞

幹旄

孑孑幹旄,在浚之郊。素絲紕之,良馬四之。彼姝者子,何以畀之?

孑孑幹旟,在浚之都。素絲組之,良馬五之。彼姝者子,何以予之?

孑孑幹旌,在浚之城。素絲祝之,良馬六之。彼姝者子,何以告之?

譯文及註釋

譯文

高揚旗幟垂犛尾,駕車郊外行如飛。白色絲線鑲旗邊,好馬四匹後相隨。那位美好的賢人,該拿什麼來送給?

高揚旗上畫鳥隼,駕車已經在近城。白色絲線織旗上,好馬五匹後面跟。那位美好的賢人,該拿什麼來相贈?

高揚旗上垂鳥羽,駕車已經到城區。白色絲線縫旗上,好馬六匹後馳驅。那位美好的賢人,該拿什麼來訴與?

註釋

①孑孑:特出之貌。指旗顯眼,高掛幹上。幹旄(音毛mao):以犛牛尾飾旗杆,樹於車後,以狀威儀。幹通竿、杆。浚:地名。 旄,同“犛”,犛牛尾。

②紕(音皮pi):連綴。在衣冠或旗幟上鑲邊

③姝(音書shu):美好。畀(音必bi):給,予。

④旟(音於yu):畫有鳥隼的旗。 都:古時地方的區域名。毛傳“下邑曰都”,下邑,近城。

⑤組:編織。

⑥旌(音京jing):旗的一種。掛犛牛尾於竿頭,下有五彩鳥羽。

⑦祝:“屬”的假借字.編連縫合。

⑧告(音谷gu):作名詞用,忠言也。一説告同予。

鑑賞

《幹旄》一詩,古今解其主旨之説甚多,據張樹波《國風集説》所載,有十三種。各家之説,可謂洋洋大觀,但其中影響較大的,也不過《毛詩序》為代表的“美衞文公臣子好善説”、朱熹《詩集傳》為代表的“衞大夫訪賢説”和現代一些學者所持的“男戀女情詩説”三種,恰好代表了古代經學漢學、宋學兩大體系和五四運動興起後新學的觀點。推敲起來,如果從文本本身所含信息出發去理解詩旨,似乎還是“衞大夫訪賢説”比較可取些。按:毛傳解“四之”、“五之”、“六之”為“御四馬也”、“驂馬五轡”、“四馬六轡”,認為“良馬四之”、“良馬五之”、“良馬六之”是説大夫駕車建旌旄而行。對此清馬瑞辰《毛詩傳箋通釋》説:“服馬四轡皆在手,兩驂馬內轡納於觖,故四馬皆言六轡,經未有言五轡者。”又引孔廣森語曰:“四之、五之、六之,不當以轡為解,乃謂聘賢者用馬為禮。三章轉益,見其多庶。《覲禮》曰:‘匹馬卓上,九馬隨之。’《春秋左傳》曰:‘王賜虢公、晉侯馬三匹。“楚公子棄疾見鄭子皮以馬六匹。’是以馬者不必成雙,故或五或六矣。”這兒,他指出了毛詩説的關鍵性破綻。另外,馬瑞辰稽考古文獻,指出:“是古者聘賢招士多以弓旌車乘。此詩幹旄、幹旟、幹旌,皆歷舉召賢者之所建。”(同上)由此又可見,相比較而言,“男戀女情詩説”謂此詩寫一個男性貴族青年乘車趕馬去見他的情人,雖從字面上也解釋得通,但不如“衞大夫訪賢説”那樣證據較充足一些。或許,有人會像清姚際恆那樣,以為“《邶風》‘靜女其姝’、《鄭風》‘彼姝者子’,皆稱女子,今稱賢者以姝,似覺未安”(《詩經通論》)。但清方玉潤《詩經原始》説得好:“‘西方美人’,亦稱聖王,則稱賢以姝,亦無所疑。”

詩全用賦體,採用重章疊句的`結構,但完全重複的句子僅“彼姝者子”一句,這似乎也突出了那位“姝者”在全詩中的重要性。持“美好善説”的毛詩説以為“姝者”是衞國好美善的大夫,持“訪賢説”的朱熹則以為“姝者”是衞國的賢人,但他們都認為“之”指代的是衞大夫。毛詩説以“之”為“賢者樂告以善道”(同上)的對象,朱熹以“之”為“答其禮意之勤”(同上)的對象。“之”指代的應是上文的“彼姝者子”,若取“訪賢説”,那“之”必然是指被訪的賢人。“何以畀(予,告)之”,正是訪賢大夫心中所想的問題:將贈送他們什麼東西以示禮敬?將告訴他們哪些事需要請教?

從詩藝上説,“在浚之郊”、“在浚之都”、“在浚之城”,由遠而近,“良馬四之”、“良馬五之”、“良馬六之”由少而多,章法是很嚴謹的,而“何以畀之”、“何以予之”、“何以告之”用疑問句代陳述句,搖曳生姿,真覺“躊躇有神”(牛運震《詩志》),反映訪賢大夫求賢若渴的心理可謂妙筆生花。

清鄧翔《詩經繹參》説此詩是東漢張衡《四愁詩》“所奪胎”,因為張氏詩中有“美人贈我金錯刀(金琅玕、貂襜褕、錦繡段),何以報之英瓊瑤(雙玉盤、明月珠、青玉案)”之句。鄧氏持“好美善説”,故有此言。不過他所説的此篇詩作對後世的影響,還是很可信的。

標籤: 詩經 鑑賞 國風
  • 文章版權屬於文章作者所有,轉載請註明 https://wenshudu.com/wenxuewenti/shijing/rvk9xm.html
專題