当前位置:首页 > 文章列表 > 文章 > 常见问题 > 古代一里多少米?一里古今差异解析

古代一里多少米?一里古今差异解析

2026-01-13 12:25:30 0浏览 收藏

IT行业相对于一般传统行业,发展更新速度更快,一旦停止了学习,很快就会被行业所淘汰。所以我们需要踏踏实实的不断学习,精进自己的技术,尤其是初学者。今天golang学习网给大家整理了《古代一里等于多少米?一里古今差异揭秘》,聊聊,我们一起来看看吧!

古代“里”长度随朝代变化:周秦汉约415.8米,清光绪为576米,1929年后法定为500米;《山海经》等先秦文献中约415–498米;与英里、海里无关联。

古代的一里地是多少米 古代的一里和现在一样吗【科普】

如果您查阅古籍或研究历史地理时遇到“一里”这一长度单位,却发现不同文献中所载里程差异明显,则很可能是由于古代“里”的标准随朝代更迭而多次变更。以下是关于古代一里长度演变的详细说明:

一、周秦汉时期的一里

周秦汉时期采用“三百步为一里”的制度,其中步长依朝代略有差异:周制以八尺为一步,秦制以六尺为一步;而当时一尺约合现代0.231米,据此推算,一步约等于0.231米 × 6(或8)≈1.386米(秦)或1.848米(周),再乘以300步,最终得出一里约为415.8米。该数值在《汉书·食货志》及清代考据文献中均有印证。

二、清光绪年间的一里

清光绪时期重新厘定度量衡,改行“五尺为一步,两步为一丈,一百八十丈为一里”,此时一尺定为0.32米,故一步为1.6米,一丈为3.2米,一里即180 × 3.2 = 576米。这一标准在晚清官方地图、驿站里程记录及海关档案中广泛使用。

三、1929年后的现代市里

1929年民国政府颁布《度量衡法》,正式将“一里”定义为“一市里”,统一规定为500米,与国际单位制中的公里形成简洁换算关系(1公里 = 2市里)。自此,“一里”不再随地域或朝代浮动,成为固定值。当前中国大陆所有法定出版物、道路标识及教育教材中所用“里”,均指500米。

四、《山海经》等早期文献中的“里”

对于《山海经》《尚书》等先秦典籍中出现的“里”,学界尚未形成完全统一的实测标准,但主流观点认为其仍属周秦体系范畴,应接近415–498米区间。有少数推测称其“一里仅75米”,此说缺乏出土度量器物与步距考古证据支持,被多数计量史学者视为明显偏离人体步幅常理的误读。

五、古代“里”与英里、海里的本质区别

中国古代“里”是基于农耕社会步测与田亩制度形成的本土长度单位,与西方源于罗马“mille passus”(千步)的英里(≈1609.344米)及航海用的海里(≈1852米)无历史渊源或换算关联。三者单位起源、定义逻辑与适用场景均截然不同,不可混用或等同视之。需特别注意:一里不等于一英里,也不等于一海里。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

票据到期值计算方法详解票据到期值计算方法详解
上一篇
票据到期值计算方法详解
Golang设置GOPROXY加速下载教程
下一篇
Golang设置GOPROXY加速下载教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    376次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    448次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    456次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    400次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    227次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码