第2章-信息编码和数据表示.pptVIP

* 用计算机处理汉字时，必须先将汉字代码化，即对汉字进行编码。西文是拼音文字，基本符号比较少，编码比较容易，而且在一个计算机系统中，输入、内部处理、存储和输出都可以使用同一代码。汉字种类繁多，编码比拼音文字困难，而且在一个汉字处理系统中，输入、内部处理、输出对汉字代码的要求不尽相同，所以用的代码也不尽相同。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。 信息编码的概念 前面介绍的计算机中数值数据的各种编码 带符号数的编码方法：原码、反码和补码 整数和实数的编码方法：定点和浮点表示法 都具有值的含义，可以在计算机中进行运算 下面介绍西文字符编码和汉字字符编码 (西文)字符编码 常用西文字符：英文字母，数字字符、标点符号和控制字符等，共128个字符 ?在计算机中，要为每个字符指定一个确定的二进制代 码，作为识别与使用这些字符的依据 由于西文字符与二进制整数之间没有什么必然的联系，某一个字符究竟对应哪个整数完全可以人为地规定 由于编码是一个涉及世界范围内有关信息表示、交换、处理、存储的基本问题，因此都以国家标准或国际标准的形式颁布施行 字符编码有多种，应用最广泛的是ASCII码 ASCII American Standard Code For Information Interchange 美国标准信息交换码。这一编码最初是由美国制订的，后来由国际标准化组织（ISO）确定为国际标准字符编码 为了和国际标准兼容，我国根据它制定了相应的国家标准，即 GB1988 ASCII码的编码规则 用一个字节(8位二进制数)表示一个字符的编码 0 余下的7位可给出128个二进制编码 即0000 0000-0111 1111 可以表示128个字符 最高位取“0” ASCII码的编码规则 规定：每个字符用7位二进制数来表示，7位二进制共有128种状态(27= 128 )，可表示128个字符；即7位编码的取值范围为0000000～1111111 在计算机内，每个字符的ASCII码用1个字节( 8位)来存放，字节的最高位( d7)为校验位，通常用“0”来填充，后7位(d6d5d4d3d2d1d0)为编码值 7位编码的ASCII码字符集包括了128个字符，称为标准的ASCII码字符集 ASCII码表 编码 字符 第0到31 控制字符（32个） 第48到57 0~9的10个数字符号 第65到90 26个英语大写字母 第97到122 26个英语小写字母 其余 标点符号、运算符号等 第127 控制字符（1个） b7b6b5b4 b3b2b1b0 0000 0001 0010 0011 0100 0101 0110 0111 0000 NUL DLE SP 0 @ P ` p 0001 SOH DC1 ! 1 A Q a q 0010 STX DC2 “ 2 B R b r 0011 ETX DC3 # 3 C S c s 0100 EOT DC4 $ 4 D T d t 0101 ENQ ANK % 5 E U e u 0110 ACK SYN 6 F V f v 0111 BEL ETB ‘ 7 G W g w 1000 BS CAN ( 8 H X h x 1001 HT EM ) 9 I Y i y 1010 LF SUB * : J Z j z 1011 VT ESC + ; K [ k { 1100 FF FS , L \ l | 1101 CR GS - = M ] m } 1110 SO RS . N ^ n ~ 1111 SI US / ? O _ o DEL ASCII字符与编码对照表 例 已知字符“X”的ASCII码为 0101 1000 求字符“s” 的ASCII码 0101 1000 的10进制数为88（64+16+8） 88+32-5=115 转换为2进制数为 0111 0011 汉字编码 包括： 信息交换码（国标码） 区位码 内码 输入码和输出码 输入码 国标码 内码 字形码 汉字输入 汉字输出 各种代码之间的关系 汉字的二进制编码 用ASCII码不能完整表示汉字 常用汉字约有5000个 汉字和汉字字符是一个庞大集合 汉字及汉字字符的编码由国家定义，以GB强制性发布执行 汉字的二进制编码规则 用两个字节表示一个汉字字符，可定义255*255个汉字或汉字字符 考虑到与ASCII码的兼容和统一、留出控制字符等因素 每个字节的最高位取0 预留出0到32号和127号的控制字符（共34个） 确定字节的有效取值为 33—126（对应的十六进制数为21H—7EH） 可“独立”表示