数字媒体应用 专转本..pptVIP

数字媒体及应用 文本与文本处理 文字信息在计算机中称为“文本”（text） 文本由一系列 “字符”（character）组成 文本在计算机中的处理过程是： 西文字符的编码——ASCII码 西文是表音文字(拼音文字)，它由拉丁字母、数字、标点符号以及一些特殊符号所组成 美国标准信息交换码(American Standard Code for Information Interchange, 简称ASCII码)： ASCII字符集包含96个可打印字符和32个控制字符 采用7个二进位进行编码 计算机中使用1个字节存储1个ASCII 字符 存在问题： 7位代码空间太小（解决方案：8位的扩充ASCII码） 不同国家和地区使用不同的字符集及其编码，互不兼容 汉字的编码 汉字是记录汉语（国语，华语）的文字，属于表意文字， 汉字的特点： 数量大（我国汉字自古至今累计已超过7万字,国家语委颁布的“现代汉语通用字表”包含7000汉字） 多个国家和地区使用：港台地区，日、韩、朝、新、马等 字形复杂，同音字多，异体字多。 我国汉字编码的国家标准： GB2312-81（6763个常用简体汉字和682个非汉字字符 ） GBK-95 （21003个汉字和883符号） GB18030-2000 GB2312汉字编码字符集 1980年颁布《信息交换用汉字编码字符集·基本集》——GB2312-1980 GB2312字符集由三个部分构成： GB2312汉字编码 区位码 用汉字在码表中的位置进行编码，区号和位号分别用7个二进制表示。 区号+位号 “大” 区号20 位号83 区位码 2083 0010100 1010011 国标码 为了避免与ASCII通信控制码产生冲突，区号和位号必须分别加上32 “大” 20+32 83+3200110100 机内码 由于汉字与西文字符经常混用，必须与单字节的ASCII码区分开来，采用的方法之一就是把一个汉字看作两个扩展ASCII码，是两个字节的最高为都为1，称为机内码。 “大” 10110100 用16进制表示就是 B4F3 GB2312汉字的编码 每一个GB2312汉字使用16位(2个字节)表示 每个字节的最高位均为“1” 在16位代码空间中的码位分布： GB2312汉字编码的不足之处 GB2312汉字字数太少，无法满足一些特殊应用的需要： 人名、地名； 古籍整理、古典文献研究。 没有繁体字 编码效率不高: (6763+682)/65536 与ASCII码不兼容 GBK字符集及其码位分布 共收入 21003 个汉字和883图形符号 双字节编码 简体和繁体汉字在同一个字符集中； 与GB2312-81保持向下兼容； 微软的简体中文版OS和办公室软件均采用此 几种汉字编码的对比 文本的准备 文本信息的输入：人工输入和自动识别输入 键盘输入 键盘面向西文设计,一或两个西文字符对一个按键,非常方便,键盘上的一个键不能表示一个汉字（由多个键表示） 汉字编码方法 数字编码：一串数字来表示汉字，如：电报码、区位码，优点：无重码，缺：记忆难 字音编码：基于汉语拼音，如：简拼、双拼、全拼、智能ABC，优点：易记忆，缺：重码多。 字形编码：将汉字的字型分解归类而给出的，如：五笔字型，优点：重码少，缺：记忆难 形音编码：吸取字音编码与字形编码优点，优点：重码少，缺：不好掌握 文本的分类与表示 按是否具有编辑排版格式来分： 简单文本(plain text) / 丰富格式文本(rich text) 按文本内容的组织方式来分： 线性文本 / 超文本(hypertext) 简单文本（纯文本、ASCII文本，线性） 表达正文内容的字符，回车、换行、制表控制字符， 不包含其他任何格式和结构信息 丰富格式文本（线性） 纯文本经过排版后，增加了格式说明和结构说明信息。 不同软件制作的丰富格式文本相互并不兼容 RTF (公用的中间格式)可以在不同的软件和系统间互换使用。 超文本 （非线性） 采用一种网状结构来组织信息，各信息块按照其内容互相连接。一个超文本由若干文本块组成，可以从一个文本块跳到另一个文本块，也可以内部跳转，其中的文本块称为节点，是围绕某个特定主题组织起来的信息块，把节点联系起来的指针称为超链 超媒体 例子：网页、帮助文件 文本的编辑（使文本内容正确，版面清晰整齐、美观大方）： 对字、词、句、段落进行添加、删除、修改等操作； 字的处理：设置字体、字号、字的排列方向、间距、颜色、效果等； 段落的处理：设置行距、段间距、段缩进、对称方式等； 页面布局处理：设置页边距、每页行列数、分栏、页眉、页脚等。 文本处理(Te