集外字在古籍文献的重要性,不仅体现在文字自身的学术研究价值,而且在古籍文本的信息处理中有至关重要的作用。这些集外字不论是对于汉字规范进程或是特定时期的历史研究都具有非常重要的研究价值。相比较现代汉语和传世文献语料库,出土文献语料库中的集外字所占比重较大。利用数字人文手段对出土文献文本进行处理时,集外字在语料库中的存在形式及参与方式将直接影响其文本信息处理。本文进行的统计包括现已出土并释读出版的全部出土文献,涉及52种,其中先秦时期的有9种,集外字占比约为3.5%-8.9%;秦时期的有7种,其集外字占比约为0.3%-0.5%;两汉时期的有34种,其集外字占比约为0.1%-0.8%;三国至魏晋时期的有2种,其集外字占比约为0.07%-0.2%。以现有集外字为研究对象,首先参考甲骨文、引得市等数字化文本处理方式,对以里耶秦简集外字为例进行造字,并建立出土文献集外字字库;其次,在此基础上结合前人研究生成出土文献集外字输入法,并依此提出一种适应于出土文献集外字在文本信息处理中的普适化程序化方法。该方法不仅提高了出土文献语料库中的数据完整性,也可使得以往不能被用于文本信息处理的集外字参与至自然语言信息处理过程中。其次,本文利用中文分词手段对普适化程序化方法下被处理的集外字进行文本信息处理的验证。最后,将里耶秦简的集外字完善至其语料库中,再利用其语料库进行三种不同方法下的分词实验,分词实验采用了基于规则的分词方法、基于统计的分词方法以及主流分词工具jieba、Hanlp的方法进行了实验。实验结果显示,对普适化程序化方法下被处理的集外字,可被直接应用于自然语言的处理过程中。因此该方法对于以里耶秦简为例的语料库构建具有有效性及可行性,并尝试将此方法推广至全部出土文献集外字的文本信息处理工作中。