汉字信息计在算机内部的表示.pptVIP

第二章 汉字信息在计算机内部表示;2.1 英文字符在计算机内部的表示;ASCII码字符标准中用7位二进制数定义了128个字符，其中94个为图形字符，32个为控制字符，1个为空格字符和一个Del键。 ASCII的编码空间如图所示，图中把7位二进制数分为高3位作为列号，低4位作为行号，并用十六进制表示，从而组成了一个ASCII编码空间。;2.扩展ASCII码 由于ASCII码只能表示94个字符，因此若需要使计算机还能够处理其他西文（如德文、法文、西班牙文等），则必须对ASCII码进行扩充。 最简单的方式是采用8位二进制编码来表示一个扩展的ASCII码字符集。 扩展ASCII码的编码空间如图所示。 GL图形区用作ASCII码，GR图形字符区为其他一个西方国家的语言文字编码。;; 为了尽可能多地使得英文与其他西方语言文字系统兼容，国际化组织在ISO8859的第1~10部分中定义了新增128个码元的字符编码集。 这10个部分分别定义了ASCII码和其扩展字符集。不同的扩展字符集用ISO8859后跟不同的数字表示。 扩展ASCII码采用高4位作列号，低4位作行号。 ;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;3.CJK-Roman CJK-Roman是指在中日韩字符编码标准中开发的ASCII码，分别是GB-Roman、CNS-Roman、JIS-Roman 和KS-Roman。CJK-Roman除下列字符与ASCII码不一致之外，其他都与ASCII相同。;2.2 中文信息在计算机中的表示;从ASCII码的扩展中我们可以得出，如果采用多个７位编码，则除去控制字符区之外，可以获得94*94*94……个编码空间。 若采用双字节的7位代码，则为了保持与ASCII系统的兼容，通常采用高位置1的方法来区分汉字代码与ASCII代码。若采用3字节的7位代码，则可以用一个字节作为汉字代码，其余2个7位编码作为汉字代码。 参照ISO/IEC2022标准，中国大陆、中国台湾地区、日本和韩国等在标准的框架下制定了相应的字符编码标准。;2.3 汉字代码体系;2.汉字处理码 汉字处理码是用于信息处理的汉子代码，也称汉字内码或汉字机内码。 汉字的内码在不同的汉字操作系统中的长度可以不同。为了表示汉字的数量，同时考虑到汉字信息的存储和传输效率等，通常中文操作系统用双字节长度表示汉字的内码，并把每个字节的高位置1。这样系统中的ASCII码字符就能够与汉字字符区分。;3.汉字输入码 汉字的输入码通常指汉字的键盘输入编码。根据汉字的属性，汉字的输入键盘码可以分为：音码、形码以及音形组合码。根据汉字编码说用的字符类别，则可以分别采用26个英文字母的大键盘编码和采用10个素质的小键盘编码。汉字的输入码通过键盘转换程序转换成汉字的机内码。 4.汉字字形码 汉字的字形码是表示汉字字形的字模数据，通常用点阵、矢量函数等方式表示。用点阵表示时，汉字字形码就是这个汉字字形点阵代码。;5.汉字地址码 汉字地址码是在一个汉字系统中，某一汉字字型信息存放在汉字库中的逻辑地址的编码。 相对于GB2312中16*16点阵字库，地址码和汉字码之间的关系： 地址码=[(内码第一字节—A1H)×94+(内码第二字节)] ×32;6.汉字区位码 汉字区位码既是一种输入码，也是汉字交换码的另一种表示形式。 在GB2312-80中，交换码、区位码、处理码之间存在着简单的转换，设交换码为JH（十六进制），区位码为QW（十进制），处理码为CL（十六进制），则： J=Q+32 ——再转换为十六进制 H=W+32 ——再转换为十六进制 C=J+80H L=H+80H ;7.代码页 不同国家的人使用着不同语言的操作系统。然而，操作系统厂商若要根据各个国家和地区使用不同语言文字的人开发不同的操作系统，在成本、系统维护与升级等方面的开销太大。为此，微软公司在开发MS-DOS和Windows3.1的各种产品时，进一步将依赖于各具体平台的各文种的字符集加以整理，并对各个具体的代码页都赋予一个代号，称作“代码页ID”。;2.4汉字的排序;3.字符序 按照每个汉字的大写来排序。汉字的字符序通常是以GB2312-80为标准。 4.汉字属性数据库 汉字属性数据库是按照字符编码集中的汉字以及其属性，建立起相应的数据库。