第四章文字输入处理技术.pptVIP

第4章?文本输入与处理技术 文字在计算机中的表示 文字的编码方法 文字信息处理 文字在版面设计中的原则 文字信息在计算机中的描述、记录、显示和处理，都要以文字的数字化编码为基础。 数字化文字技术分为西文和中文两大类。 西文大多属于拼音和字母文字，基础字符比较少，而且容易按一定顺序排列，数字化比较简单。 而中文数量大、字形复杂、同音字多、异体字多等特点，使其在计算机内部的表示、处理、传输、交换、输入、输出带来了一系列的问题，同时也给汉字编码工作带来了相当大的难度，排序方法多样。 英文字母编码 由于计算机用二进制数，故文字信息、符号也要转换成二进制数所进行编码，国际上统一用美国标准信息编码，ASCII码，American Standard Code for Information Interchange。 ASCII码被国际标准化组织为国际标准ISO646。它用于计算机内码，也用做数据通信中的编码标准。 ASCII码标准规定，一个ASCII码占一个字节(长度为8位)的低7位，其中最高位为校验位，用于传输过程检验数据正确性。其余7位二进制数表示一个字符，这样一个字节可表示2的7次方即128种状态，（01111111）。 每种编码状态与一个ASCII码字符唯一对应，即可表示27=128个字符，其中包括26个英文大写字符、26个英文小写字符、10个数字字符、33个标点符号和33个控制符。ASCII码采用7位二进制数比特编码，可以表示128个字符。 字符又分为图形字符与控制字符两类。图形字符包括数字、字母、运算符号、商用符号等。例如大写A的ASCII码是65，小写a则是97。 128个ASCII码字符的编码规则 ASCII码扩展字符的编码 汉字编码 用计算机进行汉字处理，首先必须将汉字代码化，即对汉字进行编码，称为汉字输入码。 汉字输入码送入计算机后还必须转换成汉字内部码，才能进行信息处理。 处理完毕之后，再把汉字内部码转换成汉字字型码，才能在显示器或打印机输出。 因此汉字编码有输入码、内码、字型码三种。 汉字从输入到输出，首先要用汉字的输入码(外码)将汉字输入，再用对应的内码存储并处理汉字，最后用汉字的字型码将汉字输出、显示或打印。 汉字的输入码 目前，为了能直接使用西文标准键盘输入汉字，必须给汉字设计相应的输入编码方法。 编码方案有很多种，主要分为以下三类 数字编码 拼音码 字形编码 ★数字编码?? 常用的是国标区位码，用数字串对应汉字输入。 区位码是将国家标准局公布的6763个两级汉字分为94个区，每个区分94位，即将汉字表示成二维数组，每个汉字在数组中的位置坐标就是区位码。区码和位码各两位十进制数字，因此输入一个汉字需按键四次。 例如“中”字位于第54区48位，区位码为5448。数字编码输入的优点是无重码，输入码与内部编码的转换比较方便，缺点是代码难以记忆。 ★ 拼音码??? 拼音码是以汉语拼音为基础的输入方法。凡掌握汉语拼音的人，不需训练和记忆，即可使用，容易掌握，但汉字同音字太多，输入重码率很高，因此按拼音输入后还必须进行同音字选择，影响了输入速度。 常见的有双拼、全拼、微软拼音、智能ABC、搜狗拼音、紫光拼音等。 ★ 字型编码 字型编码是用汉字的形状来进行的编码。汉字总数虽多，但是由一笔一划组成，全部汉字的部件和笔划其实是有限的。因此，把汉字的笔划部件用字母或数字进行编码，按笔划的顺序依次输入，就能表示一个汉字了，与手工书写自然融合，输入速度较高，重码率低，但字根(笔划)与键位对应关系难记。 例如五笔字型编码是最有影响的字形编码方法。 汉字的机内码　　 汉字的机内码是供计算机系统内部进行存储、加工处理、传输统一使用的代码。 目前使用最广泛的一种为两个字节长的机内码。这种格式的机内码是将国标 GB2312-80 交换码的两个字节的最高位分别置为l而得到的。 其最大优点是机内码表示筒单，且与交换码之间有明显的对应关系，同时也解决了中西文机内码存在二义性的问题。　　例如“中”的国标码为十六进制：　　　　 544801001000)，　　其对应的机内码为十六进制：　　　　D4C811001000)。 汉字的机内码与国标码的关系：　　◆十六进制：　　　　机内码区号(16)＝国标码高位字节＋80H　　　　机内码位号(16)＝国标码低位字节＋80H　　◆十进制：　　　　机内码区号＝国标码高位字节(10)＋128　　　　机内码位号＝国标码低位字节(10)＋128 汉字的区位码与国标码的关系：　　◆十六进制：　　　　国标码高位字节＝区位码区号(16)＋20H　　　　国标码低位字节＝区位码位号(16)＋20H　　◆十进制：　　　　国标码高位字节