计算机导论第五讲-字符编码及汉字输入方法.ppt

例2: 某汉字的两字节内码的存储顺序用十六进制表示为(C9H, BEH), 试求该汉字的区位码。 解：内码减去160得区位码，故对应的区位码是 (C9H-160, BEH-160) =(C9H-A0H, BEH-A0H) =(29H, 1EH) =(41, 31) 即该汉字在GB2312-80码表中位于41区第31位。 * * * 第三章 字符编码及汉字输入方法 3.1 英文字符集与编码 全部大写、小写英文字母、10个阿拉伯数字、英文标点符号、以及其它常用符号共同组成英文字符集，并进行编码，称为ASCII(美国标准交换代码集)码。 American Standard Code of International Interchange 标准ASCII字符集共有128个符号，编码为0至127。扩展ASCII码字符集有256个符号，即在标准ASCII码字符集之后，增加了128个符号。 显然，一个ASCII码用二进制表示最多为8bits，刚好用一个字节存贮。 (1) 前32个ASCII码为控制字符（不可显示字符） NULL（空字符）—— 0 CR或ENTER(回车键) —— 13 LF（换行）—— 10 (2) 英文字母 大写A－Ｚ: 65 —— 90 小写a－z: 97 —— 122 (3) 数字字符 0,1,…,9 : 48 —— 57 (4) 空格键 ASCII码为32 常用ASCII字符如下： 一、汉字GB2312-80字符集 　　汉字是一种象形文字，其字数之多居世界各国文字首位。目前通用的汉字，按1979年版《新华字典》计算约12,000个，按1990年版《汉语大字典》计算为54,678个。而日常生活中最常用的汉字也有大约3,500个。为了规范文字以适应计算机信息处理的需要，国家技术监督局于1980年颁布了国家标准《信息交换用汉字编码字符集?基本集》，即国标GB2312－80,作为我国汉字系统必须遵守的国家规范。 3.2 GB2312-80中文字符集与编码 　　国标GB2312－80共收汉字、字母和图形等符号7445个，按94行?94列排列在一张大码表中。其行号称为区号，列号称为位号。 　　国标GB2312－80中的全部符号包括： （1）一般符号202个。包括：标点、间隔符、运算符、制表符等。 （2）复合型序号60个，包括：⒈－⒛和⑴－⒇各20个，①－⑩和㈠－㈩各10个。 （3）数字22个。包括数字0－9，罗马数字I－Ⅻ。 （4）大小写英文字母52个、希腊字母48个、俄文字母66个。日文假名169个。 （5）汉语拼音符号26个。 （6）汉语注音字母37个。 （7）汉字6763个。其中，一级汉字3755个，二级汉字3008个。 国标GB2312－80中非，非汉字符号存放在第1区到9区。一级汉字存放在第16区到55区，按拼顺序排列，同音字按起笔横、竖、撇、点、折存放。二级汉字存放在第56到87区，按部首顺序排列。 　　二、汉字编码 1. 区位码： 一个汉字可由区号和位号唯一决定，称为汉字的区位号码。使用时，先指定是区号，然后指定位号。区号与位号都从1开始编号，1－94。例： 汉字‘啊’（第一个汉字），存放在16区，第1位，其区位码为（16，01）。 2. 国标码：将区位码中的区号和位号分别加上十进制数32，形成一个2字节编码，即 第1字节为：区号＋32，第2字节为位号＋32。 如：汉字‘啊’的国标码为 (48, 33)。 3. 内码：一个汉字字符存储在计算机的存储器中的编码，其作用与ASCII码相似。 内码也是一个两字节编码，编码方法如下： 　 第1字节＝区号+160，第2字节=位号+160 如：汉字‘啊’的内码是(176, 161) 区位码/国标码/内码转换实例: 例1: 某汉字在GB2312-80码表中位于30区19位，试求该汉字的国标码与内码。 解：国标码为区号、位号分别加32，故对应国标码是 (30+32, 19+32)=(62, 51) 内码为区号、位号分别加160，故对应内码是 (30+160, 19+160)=(190, 179)=(-66, -77)1字节补码 3.3 中文大字符集 一、GBK字符集 全称《汉字内码扩展规范》(GBK)，英文名称 Chinese Internal Code Specification ，中华人民共和国全国信息技术标准化技术委员会 1995 年 12 月 1