忧伤与悲伤

  忧伤与悲伤相近,却又不同,悲伤比忧伤程度更为深一点。我们平时感觉到的难过,大多数只称得上是忧伤。在路上,能成双结对,嬉闹玩耍,而自己只微笑看着,不说话。转过头,一片秋叶,翩翩而落。也许,一辆车飞驰而过,带来一阵风,将秋叶也带着向前跑了几步。一叶知秋,秋风秋雨愁煞人,一片树叶就能牵动我们所有的心绪。

  那什么时候,我感受到悲伤呢?最近一次,在图书馆看书时,忽然有所感触,想起家乡的老屋,想起已经逝世的爷爷奶奶。记忆模糊了时光,却不忘留在心间的温暖。一件件小事在脑海中浮现,清晰又模糊,似有一张细网,在不知不觉中过滤了许多的细节。“当时只道是寻常”值得寻寻,常常在我的不经意间悄悄溜走,只剩下现在未能好好珍惜。心间涌起抹也抹不去的悲伤。眼泪不受自己控制,糊糊双眼。

  在另外一个方面,在我看来,能真切地感受到忧伤与悲伤实在是一件幸事。我们误把没心没肺当成天真纯洁,误把无情当成坚强,误把所谓的忙碌当成不去关心周围一切的理由。借助多媒体,我们见惯了生离死别,社会信息纷繁复杂,让我们窥见这社会中黑暗冷漠的一面,磨钝我们敏感的心灵,以至于很少真切地感受到属于自己的喜怒哀乐。我们不是机器人,我们有自己的情感体验。

  川端康成文字中透露出的缥缈感伤,淳朴的绝望,悲戚而优美的声音,无一不让我们感受到那深深的悲凉。

  也许这种情感是消极的,却是自己的,可以感觉到内心的变化。在夜深人静的时候能静下心来,反思自己,丰盈心灵,由己及人,有更深切的同情心,提高到更深层的境界,那是一种悲天悯人的情怀。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 162,825评论 4 377
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 68,887评论 2 308
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 112,425评论 0 255
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,801评论 0 224
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 53,252评论 3 299
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 41,089评论 1 226
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,216评论 2 322
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 31,005评论 0 215
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,747评论 1 250
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,883评论 2 255
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,354评论 1 265
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,694评论 3 265
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,406评论 3 246
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,222评论 0 9
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,996评论 0 201
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 36,242评论 2 287
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 36,017评论 2 281

推荐阅读更多精彩内容

  • 今天是大年三十!祝愿大家在2017年开心快乐,身体健康!心想事成!财源滾滾!福从天降!鸡年大吉! ...
    还不至于阅读 109评论 0 0
  • k近邻算法采用测量不同特征值之间的距离方法进行分类。 优点:精度高、对异常值不敏感、无数据输入假定。 缺点:计算复...
    不做大哥好多年阅读 379评论 0 0
  • 1.方法的交换使用那么在什么情况下需要使用到这个呢,让我来举个栗子🌰,请看以下代码,如果当照片的名字是错误的话或者...
    U小姐咯阅读 466评论 7 3