成语不一定是四个字，但四个字的比较多。为何要凑成四个字？我认为主要是考虑了声音的美感。汉语非常讲究音韵美，比较注重语音的抑扬顿挫。这也得益于汉语的表达非常灵活，同样的意思既可以说得很复杂，也可以说得很简单。比如，“永远不会”可以说成“永不”。采用复杂的说法，还是简单的说法，就要考虑声音的美感了。