Chinaunix

标题: 汉字字模原理 [打印本页]

作者: cdy_0 时间: 2007-07-16 03:03
标题: 汉字字模原理

1.ASCII字符--美国信息交换标准码（0-127），每个字符用7位二进制数表示，字节首位为0.因此,小于80H(128)的均为ASCII符。英文26个字符用一个字节的7位二进制数足以表示。
2.以gb2312为例，中文汉字共有约七千字，不能用一个字节表示全部的汉字，因此用两个字节来表示一个汉字，为避免与英文字符有重码，每个字节的最高位置1,作为标志位。
3.ASCII分为常用字符（可供打印的字符）与非常用字符（回车、EOF等），常用字符从33(0x21H)号到126(0x7EH)号，共94个字符,汉字就在此范围内编码,因此,中国标准编码的编码范围 :0x21H~0x7EH.两个字节可表示的汉字数为：94×94=8836.
以上所述编码即国际码
4.由于每个字节的第一个位被置 1, 所以要在原编码(国际码)之上加 0x80H（10000000）. 所以汉字的编码范围为 :0xA1H~0xFEH,在PC机中表现为机内码.
5.区位码
在PC机中，汉字是以机内码形式存储的，每个汉字用两个字节表示，第一个字节用于表示区码，从0xA1H开始为第一区;第二字节用于表示位码，从0xA1H开始为第一位。
我们平时所说的汉字区位码,一般用十进制表示，共分94个区，每区94个汉字(位)：
01-09区       特殊字符区
10-55区       一级汉字区
56-87区       二级汉字区

在汉字字库中：
区码=机内码第一字节-0xA0H
位码=机内码第二字节-0xA0H
6.国际码区位码机内码之间的关系:
机内码=国际码+8080H
区位码=机内码-0xA0H
国际码=区位码+2020H
如：“陈”的汉字区位码：1934（16进制为 1322H）
在Linux下，用文本编辑器输入"陈",保存为test
od -h test
显示为：
0000000 c2b3 000a
0000003

区码=b3-a0=13
位码=c2-a0=22
（未完）

本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u1/40925/showart_340671.html

欢迎光临 Chinaunix (http://bbs.chinaunix.net/)