汉字输入编码.pptVIP

统一码 该方案取5种基本笔画：“横（一）”（含“提”）、“竖（丨）”（含“竖勾”）、“撇（丿）”（包括“啄”）、“点（丶）”（含“捺”）和“折（乙）”（包括左折和右折），并且将这五种笔画赋予顺序值“1”－“5”。 数字统一码将汉字结构归纳概括为四种基本结构。它们是：上下结构，左右结构，包围结构，嵌套结构。同时规定一个汉字可以取一至六码。 字445576　各359251　右689 左右数码 利用数字来表示汉字的笔划、拼音和部件，其特征是将左右（含左中右）结构的汉字定义为“左右字”，再按书写顺序把“左右字”分为“左部”与“右部” 。如下表所示： 把“左右字”以外的汉字都定义为“整体字”。根据规则进行数字编码。 汉字编码国家标准 国家标准 说明 GB13000.1 《信息技术多八位编码字符（UCS）》 GB18030 《信息技术 信息交换用汉字编码字符集 基本集的扩充》 GB/T 18031 《信息技术 数字键盘汉字输入通用要求》 GB15834 《标点符号用法》 GB/T 19246 《信息技术 通用键盘汉字输入通用要求》， 　 国家语委的规范 规范 说明 GF3001 《信息处理 GB13000.1字符汉字部件规范》 GF3002 《GB13000.1字符集汉字笔顺规范》 GF3003 《信息处理用汉语拼音方案表示规范通用键盘》 　 与汉字编码有关的标准与规范说明 在编码字符集方面 在键位设置方面 在标点符号方面 在部件规范方面 在笔顺规范方面 汉字键盘编码和输入系统的性能指标 易学性 “学会使用汉字编码输入系统的时间应尽量短，并应符合使用汉语作为母语的使用者的思维习惯”。GB/T 18031对数字编码更进一步提出要求：“做到上手能用”。 汉字输入平均码长 重码字词键选率 GB/T 19246《通用键盘汉字输入通用要求》给出的指标 GB/T 18031（数字键盘）给出的指标 编码类型 平均码长（键/字） 汉语拼音，笔画为主的简易编码 ＜3.2 形码（部件码）、音形码（形音码）、双拼 ＜2.2 编码类型 平均码长（键/字） 逐字字段输入字 ＜6 词混合输入 ＜4 GB/T 19246《通用键盘汉字输入通用要求》给出的指标 GB/T 18031（数字键盘）给出的指标 编码类型 重码字、词键选率（%） 汉语拼音，笔画为主的简易编码 ＜6 形码（部件码）、音形码（形音码）、双拼 ＜1.5 输入方式 平均码长（键/字） 逐字字段笔画、部件码输入 ＜8 ?字、词混合笔画、部件码输入 ＜10 ?逐字字段拼音输入（10键位） ＜13 逐字字段拼音输入（8键位） ＜14 字词混合拼音输入（10键位） ＜12 字词混合拼音输入（8键位） ＜14 * 苏州大学计算机科学与技术学院 第四章 汉字编码技术 汉字编码的概念 从广义角度看 字典/词典编码方法，用于在字典和词典中的快速定位 ，常见的方法：部首、笔画、拼音和四角号码等 从狭义角度看 汉字键盘编码，用计算机键盘上的按键为汉字编码 汉字编码的发展 20世纪70年代 起步阶段，拼音编码、五笔字形、自然码等，效率较低 20世纪80年代中期 轰轰烈烈的“大跃进”式编码活动，但没有什么发展 20世纪90年代 萧条期 进入21世纪后 将是又一个发展期，数字编码方案将占主导 汉字编码中的几个概念（1） 字符集/字汇和词汇 字符集/字汇 多/少 词汇 多/少 特指某个编码方案编码词组的集合 码元 组成输入码的字符集合称为码元。 如拼音码的码元是“a”－“z”中的任意一个字母；纵横码的码元是“0”－“9”中的任意一个数字 。 汉字编码中的几个概念（2） 码长 输入码的长度称为码长。如输入码“123”的码长为3 等长编码，如区位码等 不等长编码，如拼音码、纵横码等 单码和重码 一个编码可能对应多个汉字和词组，那么这些汉字或词组称为重码。一个编码如对应的汉字和词组只有一个时，称这个汉字和词组为单码。 汉字编码中的几个概念（3） 编码空间和编码效率 所有可能的输入码集合，称为编码空间。编码空间的大小依赖于码元集合和码长。如某个编码方案的码元共有K个，编码采用等长码，长度为i，则编码空间大小为：C=Ki，如区位码的编码空间大小为：C=104，即10000个。 编码效率简单而言是指编码的字汇/词汇除以编码空间的大小。如区位码，它的字汇大小为6763，则编码效率为6773/10000＝67.73％。 汉字的墒(1)——信息量的概念 熵，在信息论里叫信息量。从控制论的角度来看，应叫不确定性。 最简单的是只有两种可能性，非此即彼，我们以这种事物的信息量为单位，叫1比特（bit）。如果可能性数目有2的n次方（N=2n），那就是n比特，即信息量等于可能