第二章计算机信息表示与存储.pptVIP

* * 2.3 字符的编码 * * 2.3.2 汉字的编码 　　汉字是一种象形文字，它的“意”都寓于其“形”和“音”中。如果直接向计算机输入文字和语音虽然可以实现，但远不理想，况且输入装置要做修改。而在计算机内部直接处理、存储文字的字形和语音就更加困难。故处理字符要进行代码化，西文拼音文字代码化比较容易，而汉字由于种类繁多，其编码比拼音文字难得多。汉字信息处理系统在处理汉字和词语时，要进行一系列的汉字代码转换。通过键盘或其他的输入工具输入汉字时，要按一定的编码来进行，这称之为输入码，而在计算机内部存储、处理、传输汉字用的代码称为机内码。而要将汉字输出，用打印机或显示器输出应有一个字形码。 2.3 字符的编码 * * 　(1) 输入码 目前使用得最多的输入设备就是西文标准键盘， 这种键盘的设计沿用了西文打字机的排列。因而，西文的输入十分方便，想输入什么字符就按什么键。中文输入为了能直接使用西文字符标准键盘，就不可能直接按某键了。中文的字数繁多，字形复杂，字音多变。常用的汉字就有7000多个左右，因此要对汉字设计相应的编码，以便操作人员从键盘上输入代表汉字的编码。这些编码由拉丁字母（如汉语拼音）、数字（区位码）、或特殊符号（五笔字形）构成，千变万化。各种输入方案就是以不同的符号系统来代表汉字进行输入的。目前使用得比较多有区位码、五笔字形码、拼音码、自然码、和智能ABC。 　　汉字的编码主要分为三类，数字编码，拼音，字形码。 2.3 字符的编码 * * 　(2) 机内码 机内码是计算机设备内部对信息进行处理、内部存储、传输所用的代码。世界各大计算机公司一般均以ASCII码为内部码来设计计算机系统，西文计算机中没有交换码与机内码之分。而汉字数量多，用一个字节无法区分，一般用２个字节来存放汉字的编码。两个字节共16位，可以表示216＝65536个可区别的码，如果两个字节各用７位，则可表示214＝16384个可区别的码。一个码代表一个汉字。一般来说，这已够用了，现在我国的汉字信息系统一般都采用这种与ASCII 码相应的８位码方案，用２个８位构成一个汉字机内码。 2.3 字符的编码 * * 　(2) 机内码 　　1981年我国颁布了《通用汉字字符集（基本集）及其交换码标准》（国家标准代号为GB2312-80）。这是汉字交换码的国家标准，所以又称“国标码“。该标准收入了6763个常用汉字（其中一级汉字3735个，二级汉字3008个），以及英、俄、日文字与其它符号687个，共有7000多个符号。 国标码规定每个字符由一个２字节代码组成。每个字节的最高位恒为“０”，其余７位用于组成各种不同的码值。两个字节的代码，共可表示128×128＝16384个符号，而国标码的基本集目前仅有7000多个符号，所以足够使用。 计算机既要处理汉字，也要处理西文。为了实现中、西文兼容，通常利用字节的最高位来区分某个码值是代表汉字或ASCII 码字符。具体的作法是，若最高位为“１”视为汉字符，最高位为“０”视为ASCII码字符。所以汉字的机内码就在上述的国标码的基础上，把２个字节的最高位一律由“０“改为“１”而构成。 2.3 字符的编码 * * 　(2) 机内码 　　机内码是供计算机“识别”所用。而输入码是供用户通过输入装置输入时所用的编码。如用某种编码通过键盘输入的汉字，键盘管理程序将其转换为机内码输入到计算机。供计算机处理，如图1.7所示。 为了统一地表示世界各国的文字，1993年国际标准化组织公布了“通用多八位编码字符集”的国际标准ISO/IEC10646。简称UCS（Universal Code Set），USC中包含了中、日、韩等国文字，这一标准为包括汉字在内的各种正在使用的文字，规定了统一的编码方案。该标准是用４个８位码（四个字节）来表示一个字符。我国相应的国家标准为GB13000。 2.3 字符的编码 * * (3) 汉字字型码 在汉字输出时用显示器显示，用打印机打印，这就需要用到汉字字型码。汉字字型码是汉字字型的字模数据。通常用点阵、矢量函数等方式来表示，用点阵表示字型时，汉字字型码就是这个汉字字型点阵的代码。字型码也称字模码，是用点阵表示的汉字字形代码，它是汉字的输出形式，根据输出汉字要求不同，点阵的多少也不同。通常汉字显示用16×16点阵，汉字打印可选用24×24、32×32、48×48等点阵，点数越多，打印的字体越美观。但汉字库占用的存储空间也越大。如一个24×24的汉字占用空间为72B，而48×48的汉字将占用48×6＝288B。 　　 2.3 字符的编码 00,80 00,80 20,80 10,80 11,FE 20,10 21,08 22,04 0C,03 汉字内码 1