2汉字信息在计算机内部的表示.ppt

第 二 章 汉字信息在计算机内部的表示 内容 ASCII码 中文信息在计算机内的表示 汉字代码 常用汉字代码集 Internet上的汉字交换码 §1 ASCII码 ASCII码 扩展ASCII CJK-Roman 1.1 ASCII码 ASCII码是American Standard Code for Information Interchange的简称。 ISO于1991年定义相应的标准ISO/IEC 646:1991，全称为信息交换用7-位编码字符集（ISO 7-bit coded character set for information interchange）。 ASCII码用7位二进制数定义了128个字符，其中 94个图形字符（可显示字符） ‘0’-‘9’ ：30H-39H ‘A’-’Z’: 41H-5AH ‘a’-’z’ : 61H-7AH 30个控制字符 1个空格字符和1个Del（删除）符 1.2 扩展ASCII 最简单的扩展方式：采用8位表示扩展ASCII码字符集。 ISO 8859的第1至第10部分（Information Processing—8 Bit Single-Byte Coded Graphic Character Set）标准中定义了新增的128个码元的字符编码集。这10个部分分别定义了ASCII码和其扩展的字符集。 1.3 CJK-Roman CJK-Roman是指在中、日、韩字符编码标准中开发的ASCII字符，分别称为： GB-Roman(中国根据ASCII码字符集指定的信息交换用的ASCII字符编码标准，代号为GB 1988-89)； CNS-Roman（台湾制订的ASCII码标准，代号为CNS 5205-1989）； JIS-Roman（日本国家指定的ASCII码标准，代号为JIS X 0201-1997）； KS-Roman（韩国制订的国家ASCII码标准，代号为KS X 1003:1993）。 这些字符集的编码与ASCII码一样，采用7位二进制数编码，收录的字符也基本与ASCII码一样，只是个别字符作了调整。 1.3 CJK-Roman－特殊字符 §2中文信息在计算机内的表示 概述 ISO/IEC 2022 字符在ISO/IEC 2022的代码空间 汉字在ISO/IEC 2022空间中的位置 ISO/IEC 2022的体系结构特点 2.1 概述 在计算机内表示中文信息最早出现在IBM、富士通、日立等计算机生产厂家的计算机中，但采用的编码形式互不兼容。 为了通用性，国际标准组织（ISO）、国际电子电气工程师协会（IEEE）以及各个使用汉字的国家和地区，在计算机技术发展中，都制定了各种各样的汉字编码字符集。 一般汉字在计算机内的表示都是通过扩充编码长度来实现。 2.2 ISO/IEC 2022 ISO/IEC 2022定义了七位代码和八位代码的空间及其代码空间扩充的技术。 绝大多数计算机系统所采用的字符集，都是以ISO/IEC 2022为基础: GB2312 Big-5 …… 2.2 ISO/IEC 2022－单八位代码空间图 2.2 ISO/IEC 2022－单八位代码空间图（续） 00-31（十六进制为00H-1FH）：第一个控制字符集C0的编码区域 32（十六进制为20H）：Space 127（十六进制为7FH）：DELETE 128-160（十六进制为80H-A0H）：第二个控制字符集C1的编码区域 33-126 ( GL ) 和161-254 (GR)：两个图形字符的编码区域 2.3 字符在ISO/IEC 2022的代码空间 2.4 汉字在ISO/IEC 2022空间中的位置 2.5 ISO/IEC 2022的体系结构特点 代码空间狭小，凡是C0, C1控制字符相关的空间都回避不用；汉字编码没有利用80 (十六进制) 以上的空间。 按国家/地区分别编码。 需要一整套复杂的指明/调用的控制功能来区分代码空间中的字汇。 §3 汉字代码 什么是汉字代码 汉字交换码 汉字机内码 汉字区位码 交换码、 区位码和内码关系 代码页 汉字编码字符集 3.1 什么是汉字代码 汉字代码是真实世界的汉字信息在计算机系统中的最基本表示。 根据汉字信息在计算机内部使用的目的和存储的方式，汉字代码有各种不同的形式和称谓。最常使用的有交换码和内码等。 3.2 汉字交换码 汉字交换码是用于信息交换的汉字代码。 可以用双字节、3字节和4字节表示。 汉字交换码一般不能直接用于信息处理。 例如，在GB2312中，“码”字的交换码为十六进制的42h/6Bh。无法与ASCII码的“Bk”相区别。 在实际使用中，交换码必须转换为机内码。 但是在国际标准ISO/IEC 10646