数据编码地基本方式.ppt

中文信息的编码与表示(2) 汉字字符集与编码：1981年我国颁布了《信息交换用汉字编码字符集——基本集》(GB2312-80) 。 汉字的输入：(1)数字编码、(2)拼音编码、(3)字形编码 汉字的机内码：是指计算机系统内部为存储、处理和传输汉字而使用的代码，简称内码，是汉字在设备或信息处理系统内部最基本的表达形式。 * * 汉字编码 4、汉字的输出：如要显示或打印出来，必须把汉字的机内码转换成人们可以阅读的方块字形式。 5、汉字信息处理的工作过程 * 汉字编码（续） 输入码 数码：由数字组成的编码，代码和汉字一一对应，无重码，但编码规则较难记忆，如区位码，电报码。 音码：用汉字拼音字母组成的编码，容易学，但重码多，输入速度不高，如拼音码等。 形码：把汉字的基本构件偏旁、部首和字根等分类，和不同的键相对应，如五笔字型码、表形码、首尾码等。 音形码：根据汉字的读音并兼顾汉字字型而设计的编码，如自然码、声韵部形码、快速输入码等。 * 汉字编码 汉字国标码(GB2312－80) 每个汉字占两个字节。 一级汉字：3755个；二级汉字：3008个。 汉字分区，每个区94个汉字。 机内码 计算机系统内部处理和存储汉字时所用的代码，简称内码。 汉字 国标码 汉字内码 中 868001010000)B 11010000)B 华 594200101010)B 10101010)B 区号 区中位置 * 汉字编码（续） 输出码：又称字型码或字模点阵码。 点阵字形（“1”表示对应位置是黑点、“0”表示是空白） 轮廓字形（用曲线描述，精度高、字形可变，如：Windows中的TrueType） * 汉字编码（续） 汉字字形码 点阵：汉字字形点阵的代码 有16×16、24×24、32×32、48×48等编码、存储方式简单、无需转换直接输出，放大后产生的效果差 矢量：存储的是描述汉字字形的轮廓特征 矢量方式特点正好与点阵相反 * 汉字的“中国”，“中”的区位码是“5448”，“国”的区位码是“2590”。通过加“20H”，得到“中国”的国标码分别是“5650H”和“397AH” * 输入码是解决汉字输入采用的编码，如“国标区位码”、“全拼”、“双拼”、“五笔”、“智能ABC”、“搜狗拼音”等输入编码。 每一种输入码之所以能存在，是因为各有其特点。如果有人问，哪种输入码最好，回答是“你熟练掌握的那种输入码就是最好的”。 输入码 * 我国在1980年制定了《信息交换用汉字编码字符集·基本集》作为国家标准GB2312-80编码字符集，称为国标码。GB2312-80中规定了信息交换用的6763个汉字和682个非汉字图形符号（包括字母、数字和符号，例如英文、俄文、日文平、片假名等）的代码。 在国家标准GB2312-80中，每个汉字采用双字节表示。每个字节只用ASCII码中的低7位，最高位为0。 国标码采用十六进制表示。每个汉字的区位码同时对应一个国标码。 国标码 * 十六进制编码 十进制编码 区位编码 国标码编码 ? 00……20? 21 22 23 24 25 26 …………7C 7D 7E 7F 00～20 位 区 1 2 3 4 5 6 ………………91 92 93 94 ? 21～2F 1～15 非汉字图形符号（常用符号、数字序号、俄文、英文、法文、希腊字母、日文平、片假名等） ? 30～57 16～55 啊 阿 埃 一级汉字 （3755个） ? 58～77 56～87 二级汉字（3008个） ? 78～7E 88～94 空白区域 ? 7F ? ? ? * 由于低7位中只有94种状态可用于汉字编码（其它34位是控制字符，不能用），所以两个字节的低7位共有94 × 94 = 8836种不同的状态。 国标码将6763个汉字和682个非汉字字符（共7445个）划分为94个区，每个区又分为94位，称其为区位表。每个汉字在区位表中有唯一的一个区位码（四位十进制数，前两位数是区号，后两位数是位号）与之对应，称之为“区位码”。 例如，汉字“啊”在区位表中的编码是“1601”，既区号是“16”，位号是“01”。 * GB2312-80统一规定了汉字的基本编码标准，但是要存储在计算机中与西文编码在计算机中的表示有冲突。 例如，英文字符“L”和“1”的ASCII码是“76”和“108”，而汉字的“天