汉字的编码讲解.pptVIP

“ ” “ ” 汉字的编码 汉字也是一种字符，也需用“０”、“１”组合进行编码，才能被计算机接受。汉字是象形文字，有近60000个左右的汉字，常用汉字就有7000个左右。汉字的编码处理与西文的拼音文字有较大区别，汉字信息处理较复杂，它涉及输入码、内码、字型码等多种编码。 １．汉字输入码 为了能直接在键盘上输入汉字，就需要为汉字进行相应的输入编码。采用输入码，就是通过键盘的字母、数字等实现汉字的输入。 常见的输入编码方法有数字、字音编码、字型、混合编码。 数字编码常用的是国标区位码，电报码等，用４位十进制数字串代表一个汉字。国标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，一位就是一个汉字。实际上把汉字表示成二维数组，每个汉字在数组中的下标就是区位码，区码和位码各两位十进制数字，因此输入一个汉字需键四次，例如“中”字位于第54区48位，区位码为5448。 该编码无重码，但难记忆。 例：“学”字的区号为49，位号为07，其区位码为4907，用2个字节的二进制数表示为： 00000111 ISO2022规定每个汉字的区号和位号必须分别加上32（即二进制，经过这样的处理而得的代码就是国标码。 “学”字的国标码计算为： ? ? 用十六进制数表示为5127H。 字音编码是以汉语拼音为基础的编码。可输入6700多个汉字及一万多个词汇。是普通使用者常使用的编码。该编码方法重码多。 字型编码是用汉字的形状来进行编码。常用的有五笔字型输入码。字型编码重码少。 ２．汉字内码 汉字内码是汉字在计算机内部存储、交换、检索等处理的信息代码。 无论采用何种输入码进行汉字的输入，为存储、处理方便，都要转换成长度一致的汉字内码。 常使用的内码是以GB2312—80（国标码）为基础的编码。该编码用两个连续的字节表示一个汉字，且这两个字节最高位均为１，与西文字符区别。它最多可表示汉字数为：128×128＝16384个。 ３．汉字字型码 汉字字型码是计算机中用于输出（显示、打印等）汉字的一种编码，它是用汉字点阵表示的汉字字型代码。在字型点阵中，笔画经过的点为１，其他点为０。由于汉字有多种字体，字型不同，其字型点阵也不同。所有汉字字符集的字型点阵构成字型库，需要显示、打印时，根据汉字内码向字型库检索出该汉字的字型信息后，进行输出。 汉字编码处理过程如图２－４－１所示。 在目前的汉字的处理中，字形信息的表示通常采用点阵表示法、矢量表示法。 汉字点阵的大小有多种规格，汉字字形质量随点阵数的增加而优化。点阵越大，描述的字越细致美观，质量越高。汉字最小点阵16×16一般用于计算机屏幕显示，24×24点阵常用于普通打印字形，64×64点阵可以区别仿宋体和黑体字，96×96点阵的汉字排版系统以及128×128、256×256点阵能充分表示出字形的笔锋和曲线。点阵数越多，描述一个汉字字形的字节数也越多，需要计算机存储空间亦越大。 点阵码采用点阵表示汉字字形，即把汉字按字形排列为点阵，再进行编码。下图为“次”汉字的点阵和编码。 例：按24×24点阵存放6763个汉字，则此字库的容量大约为（ ） A.13500B B.216000B C.487000B D.以上都不对 解析：每个汉字需要字节数24×24/8=72个字节 6763个汉字需要字节数为72×6763=486936B 例：已知汉字“班”的区位码是1664，试写出它的国标码和变形国标码。 解：汉字的区位码是以十进制数给出的，因此可先将该十进制数转换十六进制数，再加上2020H（双字节32）即可得到它的国标码，在国标码的基础上加上8080H即可得到它的变形国标码。 1664D=0680H 0680H+2020H=26A0H 26A0H+8080H=A720H 矢量码使用一组数学矢量来记录汉字的外形轮廓，矢量码记录的字体称为矢量字体或轮廓字体。这种字体能很容易地放大或缩小而不会出现锯齿状边缘，屏幕上看到的字形和打印输出的效果完全一致。在目前使用系统中，已普遍使用轮廓字体（称为True Type字体）。例如中文Windows中提供了宋体、黑体、楷体。仿宋体等True Type字体的汉字库文件。 由于汉字字形所需要的存储空间很大，所以汉字字形不用于机内存储，而采用字库存储。所有的不同字体、字号的汉字字形码构成了汉字字库。只有需要输出汉字时，才将汉字机内码转换 相应的汉字字库地址，检索字库，输出字形码。目前汉字字库通常是以多个字库文件的形式存储在硬盘上。 “ ”