大学计算机基础第2章 信息的表示.ppt

４) 汉字代码体系 　　在一个计算机系统中西文拼音字符的输入、内部处理、存储和输入都可以使用同一代码。而汉字是一种象形文字，它的“意”都寓于其“形”和“音”中。如果直接向计算机输入文字和语音虽然可以实现，但远不理想，况且输入装置要做修改。而在计算机内部直接处理、存储文字的字形和语音就更加困难。故处理字符要进行代码化，西文拼音文字代码化比较容易，而汉字由于种类繁多。其编码比拼音文字难得多。而输入、内部处理，输出对汉字的编码又不相同。用的代码也就不尽相同。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。通过键盘或其它的输入工具输入汉字时。要按一定的编码来进行，这称之为输入码，而在计算机内部存储、处理、传输汉字用的代码称为机内码。而要将汉字输出，用打印机或显示器输出应有一个字形码。 2.1 信息在计算机内的表示 　(1) 输入码 目前使用得最多的输入设备就是西文标准键盘， 这种键盘的设计沿用了西文打字机的排列。因而，西文的输入十分方便，想输入什么字符就按什么键。中文输入为了能直接使用西文字符标准键盘，就不可能直接按某键了。中文的字数繁多，字形复杂，字音多变。常用的汉字就有7000多个左右，因此要对汉字设计相应的编码。以便操作人员从键盘上输入代表的汉字的编码。这些编码由拉丁字母（如汉语拼音）、数字（区位码）、或特殊符号（五笔字形）构成，千变万化。各种输入方案就是以不同的符号系统来代表汉字进行输入的。目前使用得比较多有区位码、五笔字形码、拼音码、自然码、和智能ABC。 　　汉字的编码主要分为三类，数字编码，拼音，字形码。 2.1 信息在计算机内的表示 　① 数字编码：数字就是用数字来代表一个汉字输入，正好使用西文标准键盘上的0～9这十个键。常用的数字编码就是“国标区位码”。国标区位码将国家标准局公布的6732个两级汉字分成94个区，每个区分成94个位。或者说是一个94行94列的大表，在这个表格里相应的位置装上这6763个汉字和其它符号，每一个汉字用它在该位置上的行坐标与列座标表示，这儿的行与列，就是所谓的区与位，区码与位码各两位十进数。因此输入一个汉字需要按4次键。例如“中”字位于第54区48位。则区位码为5448，只要从键盘按5448这四个键，就可将汉字“中”输入到计算机内了。这种数字编码输入的优点就是无重码，而且输入码和内部编码的转换比较方便，但是每个码都是等长的数字串，代码记忆困难。 ② 拼音码：拼音码是以汉语拼音为基础的编码，基本上绝大多数的中国人都是从小学就开始的接触拼音。对汉语拼音较熟悉。所以这种编码易于学习掌握，但由于汉字同音字太多，输入重码率就很高，输入拼音后还要对同音字进行选择，这就影响了输入速度。 2.1 信息在计算机内的表示 ③ 字形编码：汉字是像形文字。因此人们研究了以汉字的形状来确定编码，汉字总数虽然很多，但都是由一笔一划组成，全部汉字的部件与笔划是有限的，因此把汉字的笔划、部件用字母或数字进行编码，按笔划书写顺序依次输入，就能表示一个汉字。这种编码最具代表的就是“五笔字形”编码，其优点重码率低，输入速度快。 　(2) 机内码 机内码是计算机设备内部对信息进行处理、内部存储、传输所用的代码。世界各大计算机公司一般均以ASCII码为内部码来设计算机系统，西文计算机中没有交换码与机内码之分。而汉字数量多。用一个字节无法区分，一般用２个字节来存放汉字的编码。两个字节共16位，可以表示216＝65536个可区别的码，如果两个字节各用７位，则可表示214＝16384个可区别的码。一个码代表一个汉字。一般来说，这已够用了，现在我国的汉字信息系统一般都采用这种与ASCII 码相应的８位码方案，用２个８位构成一个汉字机内码。 2.1 信息在计算机内的表示 　(2) 机内码 　　1981年我国颁布了《通用汉字字符集（基本集）及其交换码标准》（国家标准代号为GB2312-80）。这是汉字交换码的国家标准，所以又称“国标码“。该标准收入了6763个常用汉字（其中一级汉字3735个，二级汉字3008个），以及英、俄、日文字同与其它符号687个，共有7000多个符号。 国标码规定每个字符由一个２字节代码组成。每个字节的最高位恒为“０”，其余７位用于组成各种不同的码值。两个字节的代码，共可表示128×128＝16384个符号，而国标码的基本集目前仅有7000多个符号，所以足够使用。 计算机即要处理汉字，也要处理西文。为了实现中，西文兼容，通常利用字节的最高位来区分某个码值是代表汉字或ASCII 码字符。其体的作法是，若最高位为“１”视为汉字符，最高位为“０”视为ASCII码字符。所以汉字的机内码就在上述的国标码的基础上，把２个字节的最高位一律由“０“改为“１”而构