成語通常由四個字組成，這一現象可以從幾個方面來解釋：
語言習慣：漢語的基本單位是字，類似於字母語言的單詞。在漢語中，構成一箇完整語句且語意清晰的最少單詞組合通常是四個字。雖然三個字的組合也存在，但相對較少，而四個字的組合則更爲常見和易於上口。
發音節奏：四字組合在漢語發音上富於變化，同時具有基本的音樂感，這使得四字成語在朗讀時更加和諧、流暢。
文化傳統：成語往往來源於典故，用簡潔的語言表達一箇故事或概念。四個字被認爲是最簡潔的表達方式，同時也代表了漢文化中的一種秩序感。此外，漢語詩歌從四字句開始，這進一步強化了四字結構在語言文化中的地位。
歷史傳承：古代的詩歌和歷史文獻，如《詩經》和《尚書》，以及後來的訓蒙書如《三字經》、《百家姓》、《千字文》，都廣泛使用了四字句。這些文獻對後世的成語形成產生了深遠影響。
成語的形成：許多成語都是從非四字的表達中提煉而成的，例如“明察秋毫”、“緣木求魚”等，這些成語都是將原有的句子簡化、濃縮爲四個字的形式。
綜上所述，成語的四字結構既符合漢語的語言習慣，又具有音樂美和秩序感，是漢文化中一種獨特的語言表達形式。