第5章_数字媒体及应用.pptx

第5章 数字媒体及应用;教学目的与要求;5.1 文本与文本处理;文字处理是计算机应用的基础 计算机应用=使用计算机进行信息处理 信息的形态有多种：文字、数值、语言、音乐、图像，其中文字信息处理是涉及面最广的一种计算机应用，几乎与任何领域任何人都有关。;传统的文字处理过程;现代的文字处理过程; 5.1.1字符的编码 字符、字符集及其码表 文字的基本元素是字母和符号，统称为“字符” (character)，它包括：字母、数字、标点、符号等 字符集：一组特定字符的集合 不同的字符集包含的字符数目与内容不同，如：中文字符集、西文字符集、日文字符集等 字符的编码： 字符集中每个字符都使用二进位(code) 表示，称为该字符的编码 不同的字符其编码各不相同 字符集中所有字符的编码的一览表，称为该字符集的码表 ;西文字符的编码——ASCII码 西文是表音文字(拼音文字)，它由拉丁字母、数字、标点符号以及一些特殊符号所组成 美国标准信息交换码(American Standard Code for Information Interchange, 简称ASCII码)： ASCII字符集包含96个可打印字符和32个控制字符 采用7个二进位进行编码 计算机中使用1个字节存储1个ASCII 字符 存在问题： （1）7位代码空间太小（只能对128个字符编码） （2） 不同国家和地区使用不同的字符集及其编码，互不兼容 （3） 东亚地区使用的大字符集无法编码 ;汉字如何编码 汉字是记录汉语（国语，华语）的文字，属于表意文字，它用符号直接表达词或词素 汉字的特点:数量大；多个国家和地区使用；字形复杂，同音字多，异体字多 如何编码？ （1） 确定收入多少字、哪些字？ （2）汉字在字符集中的排序方式 （3） 确定使用的代码结构和代码空间 ;常用的汉子编码字符集 国家标准GB2312 汉字扩充规范 GBK 国家标准GB18030 台湾地区的标准汉字字符集CNS 11643 (BIG 5，俗称“大五码”) 日本工业标准汉字字符集JIS X 0208-90 韩国国家标准汉字字符集KSC 5601-87 ;GB2312汉字编码 收入字符 6763个汉字和682个非汉字字符 字符排列方式 ; GB2312汉字的编码 (1)每一个GB2312汉字使用16位(2个字节)表示 (2)每个字节的最高位均为“1” 第1字节 第2字节; GB2312汉字编码的不足之处 GB2312汉字字数太少，无法满足一些特殊应用的需要： 人名、地名； 古籍整理、古典文献研究。 没有繁体字 编码效率不高: (6763+682)/65536 与ASCII码不兼容 ;几种汉字编码的对比 ; 5.1.2文本的准备 文字符号输入计算机的方法;键盘输入：(1)数字编码, 如电报码、区位码等, (2)字音编码, 如智能ABC ，(3)字形编码，如五笔字形和表形码等, (4)形音编码 发展趋势：基于统计和学习功能的以词语(短语)或句子作为输入单位的输入方法 联机手写输入：优点：自然，流畅，小型化，适合移动计算 不足：识别速度和正确性还需提高书写要求还要降低 语音输入：优点：自然，方便，适合移动计算 不足：a 对说话人、说话方式、说话内容的适应能力要大大增强 b 识别速度和正确性还需大大提高 ;光学字符识别：扫描仪 条形码/磁卡/IC卡/RFID（射频）识别 ;汉字的键盘输入 汉字与键盘上的键无法一一对应，因此必须使用几个键来表示一个汉字，这就称为汉字的“键盘输入编码” 优秀的汉字键盘输入编码应具有的特点： 易学习、易记忆 效率高(平均击键次数较少) 重码少 容量大(可输入的汉字字数多) ;类型;5.1.3文本的分类 按是否具有排版格式分 ?简单文本(纯文本 ) (1)没有字体、字号的变化，不能插入图片、表格，也不能建立超链接，其文件后缀名是 .txt (2)由一串用于表达正文内容的字符编码所组成，几乎不包含任何其他的格式信息和结构信息 ?丰富格式文本 (1)有字体字号等属性变化、设置了段落和页面排版格式的文本称为“丰富格式文本” (2)丰富格式文本中，除了正文内容之外，还使用了许多“标记”来描述字符的属性和格式的设置。 ;按文本内容的组织方式分 线性文本 内容的组织为线性（顺序），读者总是按顺序一页一页往下读 超文本 若干文本或文本中的各个部分可按照其内容的关系互相链接起来，可以通过链接进行跳转、导