汉字编码 程序员应了解.docVIP

汉字编码 程序员应了解 汉字编码--程序员应了解2011-07-08 23：25 在C程序中显示汉字 jkhu发表于2010-3-1 13：27：00 一.首先机器可以识别的是机内码；然后我们需要将其转化为区位码才可以得到点阵的地址；得到地址取到点阵就可以显示了。 这种方法是调用中文汉字库进行汉字显示。 国家标准规定：汉字库分94个区，每个区有94个汉字(以位作区别)，每个汉字在汉字库中有确定的区和位编号，这就是汉字的区位码。每个汉字在库中是以点阵字模形式存储的，一般采用16×16点阵(32字节)、24×24点阵(72字节)，每个点用一个二进制位(0或1)表示，对应在屏幕上显示出来，就是相应的汉字。 由于在中文环境下，输入的是汉字的内码，我们必须将之转换成区位码，算出偏移量，从字库中找到对应的汉字，将其字模显示即可。 内码转换成区位码方法如下： qh=c1-0xa0 wh=c2-0xa0 其区位码就是： qw=qh*0xff+wh 该汉字在字库中离起点的位置是： offset=(94*(qh-1)+(wh-1))*32L 1.点阵汉字计算机认识的东西--内码 2.汉字的内码在电脑中，所有的数据都是以0和1保存的，按不同的数据操作，可以得到不同的结果。对于显示英文操作，由于英文字母种类很少，只需要8位(一字节)即可。而对于中文，常用却有5000以上，于是前辈们想了一个办法，就是将ASCII表的高128个很少用到的数值以两个为一组来表示汉字，即汉字的内码。而剩下的低128位则留给英文字符使用，即英文的内码。不信，你可以用记事本写一C文件： main() { unsigned char*s,*e=ABcd,*c=你好； clrscr()； printf(English char=)；s=e； while(*s！=0)/*C的字符串以0为结束符*/ { printf(%3d,,*s)； s++； } printf(\nChinease char=)； s=c； while(*s！=0) { printf(%3d,,*s)； s++； } getch()； } 再用TC输入*.txt打开运行，看见了没有，那些数值即英文和汉字的各字节内码。 3.汉字字模得到了汉字的内码后，还仅是一组数字，那又如何在屏幕上去显示呢?这就涉及到文字的字模，字模虽然也是一组数字，但它的意义却与数字的意义有了根本的变化，它是用数字的各位信息来记载英文或汉字的形状。在硬件系统内，英文的字模信息一般固化在ROM里，即使在没有进入系统的CMOS里，也可以让你看到英文字符。而在DOS下，中文的字模信息一般记录在汉字库文件HZK16里。 4.汉字库文件了解字母和汉字是按字模位信息显示的原理后，那如何得到汉字的字模信息呢?难道要我们自己去做?NO。前辈们经过艰辛的努力，将制作好的字模放到了一个个标准的库中以免去后辈的麻烦，这就是点阵字库文件。一般我们使用16*16的点阵宋体字库，所谓16*16，是每一个汉字在纵、横各16点的区域内显示的。不过后来又有了HZK12、HZK24，HZK32和HZK48字库及黑体、楷体和隶书字库。虽然汉字库种类繁多，但都是按照区位的顺序排列的。前一个字节为该汉字的区号，后一个字节为该字的位号。每一个区记录94个汉字，位号则为该字在该区中的位置。因此，汉字在汉字库中的具体位置计算公式为：94*(区号-1)+位号-1。减1是因为数组是以0为开始而区号位号是以1为开始的。这仅为以汉字为单位该汉字在汉字库中的位置，那么，如何得到以字节为单位得到该汉字在汉字库中的位置呢?只需乘上一个汉字字模占用的字节数即可，即：(94*(区号-1)+位号-1)*一个汉字字模占用字节数，而按每种汉字库的汉字大小不同又会得到不同的结果。以16*16点阵字库为例，计算公式则为：(94*(区号-1)+(位号-1))*32。汉字库文该从该位置起的32字节信息即记录了该字的字模信息。 5.点阵汉字的显示了解点阵汉字及汉字库的构成原理后，显示汉字就变得简单。以16*16点阵字库为例，通常的方法是：将文件工作指针移到需要的汉字字模处、将汉字库文件读入一2*16数组再用for循环一位位地显示。 二.汉字：机内码高位=区码+A0H机内码低位=位码+A0H 汉字库结构：GB2312规定字库分为94个区，每区94个汉字；1-9区为图形字符，10-15区没有使用，16区以后为汉字。 啊字的区位码1601(16区第1个)内码是B0A1。 字库(HZK16)中汉字的点阵第一个字节在字库文件中的偏移(长整型)=((机内码/256-161)*94+机内码%256-161)*32 通过偏移算出在字库中地址,就可以依次取出点阵数据. 到目前为止，我们编写的C程序，其用于人机交互的提示或菜单都是英文 的，那么