字符编码(略看)绪论.pptVIP

一、西文字符编码 1. ASCII码 ASCII码，即美国标准信息交换码(American Standard Code for Information Interchange)，使用7个二进位对字符进行编码。 基本的ASCII字符集共有128个字符 95个可打印字符（常用字母、数字、标点符号） 33个控制字符（不可直接显示或打印） 特殊字符的ASCII码 空格(32)、A(65)、a(97)、0(48) 下面为ASCII代码表： 标准ASCII字符集及其码表 定义方式: 用8位二进制数位表示一个字符的扩充 二-十进制 交换码. 特点: 每个字符对应一个字节，共256种 说明: 有很多编码没有使用,保留做为扩充 （2）第二部分：一级常用汉字，共3755个， 按汉语拼音排列 （3）第三部分：二级常用汉字，共3008个， 按偏旁部首排列 汉字共6763个 字符共7445个 区位码： GB2312-80是一个二维代码表，有94行、94列, 汉字在代码表中的位置用它所处的行号、列号表示。 例如： “大”字的区号20，位号83， 区位码是20 83 用2个字节表示为： 01010011 国标交换码 (国标码): 问题：信息通信中，汉字的区位码与通信使用的控制码（00H～1FH）发生冲突。 解决方案：为了避免汉字区位码与通信控制码的冲突，每个汉字的区号和位号必须分别加上32。得到的代码称为汉字的“国标交换码” 例如: “大”字的区号20，位号83 区位码：20 83 国标交换码：52 115 （+32） 机内码： 问题：文本中的汉字与西文字符经常是混合在一起使用的，汉字信息如不予以特别的标识，它与单字节的标准ASCII码就会混淆不清。 解决方法：使表示GB2312汉字的两个字节的最高位(b7)都置为“1”。这种汉字编码,称为GB2312汉字的“机内码” 。 例如：“大”字 区位码：20 83 二进制表示为01010011 国标交换码：52 115 （+32） 二进制表示为01110011 机内码：180 243 （+128） 二进制表示为11110011（B4F3） 问题：GB2312-80只有6763个汉字，使用时功能不够。 解决方法：1995年发布GBK，全称为《汉字内码扩展规范》GBK字符集中一共有21003个汉字和883个图形符号，它与GB2312国标汉字字符集及其内码保持兼容。 组成：共收入21886个汉字和图形符号(21003个汉字，883个图形符号) GBK汉字内码扩充规范 GBK编码区分三个部分: 汉字区（21003个汉字）、图形符号区、用户自定义区 GBK每一个字符都采用双字节表示 总体编码范围为：8140H—FEFEH，共23940个码位； 首字节范围：81H—FEH（二进制最高位为1）； 尾字节范围：40H—FEH（二进制最高位可以为0或1）； 目的：统一的多文本处理环境,实现所有字符在同一字符集中统一编码 途径:UCS：ISO/IEC 10646 (通用多8位编码字符集) Unicode：统一码或联合码，与UCS完全等同的工业标准 优点：编码空间极大（4个字节），能容纳足够多的各种字符集（13亿字符） 缺点：4字节的字符编码使存储空间浪费严重 克服：UCS-2是双字节编码，共有字符49194个，其中包括： 欧洲及中东地区使用的拉丁字母、音节文字 各种标点符号、数学符号、技术符号、几何形状、箭头及其他符号 中、日、韩（CJK）统一编码的汉字 GB18030-2000编码标准在GB2312和GBK编码标准的基础上进行了扩充，采用单字节、双字节和四字节三种方式对字符编码，因此该标准的汉字有27000多个。包括全部中、日、韩统一字符集和CJK汉字扩充的所有字符。 BIG5码是台湾、香港等地使用的汉字繁体的编码标准，它用双字节进行编码。BIG5收录了13461个汉字和符号。 几种汉字编码的对比 人工输入：通过键盘、手写笔或语音输入方式输入字符 自动输入：将纸介质上的文本通过识别技术自动转换为文字的编码 （1）键盘输入 键盘输入编码 : 汉字字数很多，无法与键盘上的键一一对应，因此必须使用一个或几个键来表示汉字，这就需要对汉字进行编码。 汉字输入编码的分类 拼音编码：如：智能ABC, 紫光拼音 缺点：同音字引起的重码多，需增加选择操作 字形编码：将汉字的字形分解归类而给出的编码方法，重码少、输入速度