APP下载

跟着林语堂学英文

2016-05-14曾泰元

英语学习 2016年8期
关键词:赫本文法林语堂

曾泰元

去年2015年,台北林语堂故居为“曾经的”主人庆祝120岁诞辰。今年2016年,我们纪念他逝世40周年。

林语堂于1895年10月10日出生在福建龙溪(现属漳州),1976年3月26日在香港逝世,四月移灵台北,长眠于台北阳明山仰德大道林语堂故居的后园中。

他身为上海圣约翰大学英文学士、美国哈佛大学比较文学硕士、德国莱比锡大学语言学博士,是一位以英文书写而扬名海外的中国作家,也是个集语言学家、文学家、发明家于一身的知名学者。

林语堂学贯中西,中英文的造诣均属上乘。1935年后,他在美国陆续以英文出版了《吾国与吾民》(My Country and My People)、《生活的艺术》(The Importance of Living)、《京华烟云》(Moment in Peking)等重要著作,希望借此让西方更了解中国,成为中英文化的桥梁。林语堂的作品幽默隽永,吸引了大量的读者,享誉全世界,作品长居《纽约时报》畅销书排行榜,销售量居高不下,并曾于1940年、1950年两度被提名为诺贝尔文学奖候选人。

1987年美国出版的权威大型词典《兰登书屋足本英语词典》第二版(The Random House Dictionary of the English Language, Second Edition, Unabridged)收录其名(Lin Yutang),称其为“中国作家及语文学家”(Chinese author and philologist),为八位收录其中的中国当代作家之一(另七位为:巴金、冰心、丁玲、郭沫若、鲁迅、茅盾、沈从文)。他在中国创办了《论语》、《人间世》、《宇宙风》等文学杂志,提倡幽默闲适的文学,并曾在联合国教科文组织工作过,也曾为中央社撰稿,而他在中文世界里同样影响巨大。

林语堂首创把英文的humor翻译成“幽默”,把中文的“啼笑皆非”翻译成between tears and laughter,至今仍为许多人所津津乐道。1930年开始,林语堂编著之《开明英文读本》成为全中国各中学通用之教材,畅销二十余年。

台北林语堂故居藏有许多林语堂的书信文稿、藏书著作、照片档案以及相关资料。我在馆藏里意外发现了1954年11月19日某日报对他的报导,题为《林语堂演说〈学英文最好办法 把明星带进教室〉》,正是这位享誉国际、以英文写作著称的中国作家谈英语学习的珍贵资料。原稿照录如下,不做更动:

〔“中央社”新加坡十八日合众电〕林语堂博士今天告此间六百名学校教师说:学英文的最好方法是抛开文法书。林语堂系向此间教师协会演说时提出此语。他说:第二个办法是去看电影,他提及葛利克莱·毕克、克拉克·盖博、欧德丽·赫本等明星是第一流的习用英语教师。林语堂指出教英文的三个主要方法:(一)文法方法──他指斥这种方法是“浮夸的,迂腐的”。他说:如果文法家们一旦横行无忌,则一个人的房子起火时,他将不会去喊“火!”而必须遵照文法规则喊个完整句子:“有一处起火”!(二)翻译方法──他说这种方法是“懒惰的,有毒的”,因为它使学生时时想着他的本国语言。林博士说:一个中国仆人想要他的英语雇主提供膳宿时,会将中国话直接翻译过来说:“我吃你,我睡你。”(三)正确方法──林博士说:正确方法是从电影机录音片上学英语。他说:学生将能和小孩一样用眼睛和耳朵接近这门功课,或将能以小孩子的速度和准确学好英语。林语堂说:南洋大学将用正确方法教授英文,文法书将丢在一旁,葛利克莱·毕克将被带进教室。

这里的“葛利克莱·毕克”,现在一般译为“格里高利·派克”(Gregory Peck),“欧德丽·赫本”现译“奥黛丽·赫本”(Audrey Hepburn),克拉克·盖博(Clark Gable)译名照旧,这三位都是当时美国好莱坞影坛的超级巨星。

这段四百字的新闻报道写于六十多年前,当年新加坡正筹建南洋大学,林语堂受聘担任首任校长,但后来由于诸多问题,他因与南洋大学董事会不合而离职。这则新闻报道虽然略显陈旧,然而那时的观点至今看来依旧有其价值。

林语堂建议我们抛开文法的束缚,摆脱中翻英的干扰,选择英文造诣佳的明星,用眼用耳跟他们学英文。他强调眼观耳听,是要我们由口语入手,因为他认为口语是学好英文的关键。只重文法分析,不以口语为基础的人,必定讲不出也写不出平易自然、纯熟地道的英文。能够灵活运用平常的单词,才是学好英文的不二法门。

林语堂的英文造诣极高,是以英文写作享誉欧美的中国作家第一人。他对于英语学习的观点历久弥新,足资我们这些后人参考学习。

猜你喜欢

赫本文法林语堂
关于1940 年尼玛抄写的《托忒文文法》手抄本
林语堂:幽默艺术与快乐人生
赫本 被爱辜负,不辜负爱
奥黛丽赫本
探访林语堂故里
赫本 真正的优雅,从来与年龄外貌无关
Similarity measurement method of high-dimensional data based on normalized net lattice subspace①
A nearest neighbor search algorithm of high-dimensional data based on sequential NPsim matrix①
文法有道,为作文注入音乐美
HIS COUNTRY AND HISPEOPLE