《第二章汉字信息在计算机内部的表示.ppt

第二章 汉字信息在计算机内部表示 主要内容： 英文字符在计算机内部的表示 中文信息在计算机中的表示 汉字代码体系 汉字的排序 汉字编码字符集 2.1 英文字符在计算机内部的表示 1.ASCII码 ASCII码(America Standard Codefor for Information Interchange）美国信息交换标准码，作为数据传输的标准码。早期使用7 个位来表示英文字母、数字0~9及其它符号，现在则使用8个位，最多可以给256个字符(包括字母、数字、标点符号、控制字符及其他符号)分配(或指定)数值。 ASCII码字符标准中用7位二进制数定义了128个字符，其中94个为图形字符，32个为控制字符，1个为空格字符和一个Del键。 ASCII的编码空间如图所示，图中把7位二进制数分为高3位作为列号，低4位作为行号，并用十六进制表示，从而组成了一个ASCII编码空间。 2.扩展ASCII码 由于ASCII码只能表示94个字符，因此若需要使计算机还能够处理其他西文（如德文、法文、西班牙文等），则必须对ASCII码进行扩充。 最简单的方式是采用8位二进制编码来表示一个扩展的ASCII码字符集。 扩展ASCII码的编码空间如图所示。 GL图形区用作ASCII码，GR图形字符区为其他一个西方国家的语言文字编码。 为了尽可能多地使得英文与其他西方语言文字系统兼容，国际化组织在ISO8859的第1~10部分中定义了新增128个码元的字符编码集。 这10个部分分别定义了ASCII码和其扩展字符集。不同的扩展字符集用ISO8859后跟不同的数字表示。 扩展ASCII码采用高4位作列号，低4位作行号。 3.CJK-Roman CJK-Roman是指在中日韩字符编码标准中开发的ASCII码，分别是GB-Roman、CNS-Roman、JIS-Roman 和KS-Roman。CJK-Roman除下列字符与ASCII码不一致之外，其他都与ASCII相同。 2.2 中文信息在计算机中的表示 为了能使汉字能够在计算机中通行，亚洲国家和地区除了制定CJK-Roman标准外。国际化标准组织（ＩＳＯ）、国际电气电子工程师协会（ＩＥＥＥ）以及各汉字使用国家和地区在计算机技术发展中，也制定了形式多样的汉字编码字符集。其中最具有代表性的是ISO/IEC 2022标准。 该标准定义了７位代码和８位代码的空间及其代码空间扩充技术。迄今为止，绝大多数计算机系统所采用的字符集都是以此标准作为基础。 从ASCII码的扩展中我们可以得出，如果采用多个７位编码，则除去控制字符区之外，可以获得94*94*94……个编码空间。 若采用双字节的7位代码，则为了保持与ASCII系统的兼容，通常采用高位置1的方法来区分汉字代码与ASCII代码。若采用3字节的7位代码，则可以用一个字节作为汉字代码，其余2个7位编码作为汉字代码。 参照ISO/IEC2022标准，中国大陆、中国台湾地区、日本和韩国等在标准的框架下制定了相应的字符编码标准。 2.3 汉字代码体系 1.汉字交换码 汉字交换码是用于信息交换的汉字代码，也称汉字传输码，在GB2312中用双字节表示。它用于汉字信息在计算机之间的传输。与ASCII码不同，汉字的这种代码表示一般不能直接用于信息处理。 2.汉字处理码 汉字处理码是用于信息处理的汉子代码，也称汉字内码或汉字机内码。 汉字的内码在不同的汉字操作系统中的长度可以不同。为了表示汉字的数量，同时考虑到汉字信息的存储和传输效率等，通常中文操作系统用双字节长度表示汉字的内码，并把每个字节的高位置1。这样系统中的ASCII码字符就能够与汉字字符区分。 3.汉字输入码 汉字的输入码通常指汉字的键盘输入编码。根据汉字的属性，汉字的输入键盘码可以分为：音码、形码以及音形组合码。根据汉字编码说用的字符类别，则可以分别采用26个英文字母的大键盘编码和采用10个素质的小键盘编码。汉字的输入码通过键盘转换程序转换成汉字的机内码。 4.汉字字形码 汉字的字形码是表示汉字字形的字模数据，通常用点阵、矢量函数等方式表示。用点阵表示时，汉字字形码就是这个汉字字形点阵代码。 5.汉字地址码 汉字地址码是在一个汉字系统中，某一汉字字型信息存放在汉字库中的逻辑地址的编码。 相对于GB2312中16*16点阵字库，地址码和汉字码之间的关系： 地址码=[(内码第一字节—A1H)×94+(内码第二字节)] ×32 6.汉字区位码 汉字区位码既是一种输入码，也是汉字交换码的另一种表示形式。 在GB2312-8