第二章 汉字信息在计算机内部的表示
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
从而组成了一个ASCII编码 C
空间。
D
E
F
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。
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、JISRoman 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。
在GB2312-80中，交换码、区位码、处理码之间存在 着简单的转换，设交换码为JH（十六进制），区位码为 QW（十进制），处理码为CL（十六进制），则：
J=Q+32 ——再转换为十六进制 H=W+32 ——再转换为十六进制 C=J+80H L=H+80H
7.代码页
不同国家的人使用着不同语言的操作系统。然而，操
码元值
ASCII
GB-Roman CNS-Roman JIS-Roman KS-Roman
0x24
＄
￥
＄
＄
＄
0x5C
\
\
\
¥
W
Βιβλιοθήκη Baidu
0x7E
~
—
—
—
—
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（ＩＳ
Ｏ）、国际电气电子工程师协会（ＩＥＥＥ）以及各汉字
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。
作系统厂商若要根据各个国家和地区使用不同语言文字的
人开发不同的操作系统，在成本、系统维护与升级等方面
的开销太大。为此，微软公司在开发MS-DOS和
Windows3.1的各种产品时，进一步将依赖于各具体平台
的各文种的字符集加以整理，并对各个具体的代码页都赋
予一个代号，称作“代码页ID”。
2.4汉字的排序
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。
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。
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。
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。
0 1 2 3 4 5 6 7 8 9 ABCDE F
0 C0控制 1 字符区
GL图形字符区
C1控制 字符区
GR图形字符区
2
3
4
5
6
7
8
9
A
B
C
D
E
F
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。
01 2 3 4 5 6 7
ASCII码字符标准中用7位
0控 制
1
二进制数定义了128个字符， 2
字 符
其中94个为图形字符，32 3 区
图形字符区
个为控制字符，1个为空格 4
字符和一个Del键。
5
6
ASCII的编码空间如图所示， 7
图中把7位二进制数分为高 8
3位作为列号，低4位作为
9
行号，并用十六进制表示， A B
1.拼音序
按照拼音顺序对汉字进行排列。 为此首先要设计一张汉字与拼音的对照表，也要考虑到
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
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。
空间。
D
E
F
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。
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、JISRoman 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。
在GB2312-80中，交换码、区位码、处理码之间存在 着简单的转换，设交换码为JH（十六进制），区位码为 QW（十进制），处理码为CL（十六进制），则：
J=Q+32 ——再转换为十六进制 H=W+32 ——再转换为十六进制 C=J+80H L=H+80H
7.代码页
不同国家的人使用着不同语言的操作系统。然而，操
码元值
ASCII
GB-Roman CNS-Roman JIS-Roman KS-Roman
0x24
＄
￥
＄
＄
＄
0x5C
\
\
\
¥
W
Βιβλιοθήκη Baidu
0x7E
~
—
—
—
—
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（ＩＳ
Ｏ）、国际电气电子工程师协会（ＩＥＥＥ）以及各汉字
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。
作系统厂商若要根据各个国家和地区使用不同语言文字的
人开发不同的操作系统，在成本、系统维护与升级等方面
的开销太大。为此，微软公司在开发MS-DOS和
Windows3.1的各种产品时，进一步将依赖于各具体平台
的各文种的字符集加以整理，并对各个具体的代码页都赋
予一个代号，称作“代码页ID”。
2.4汉字的排序
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。
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。
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。
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。
0 1 2 3 4 5 6 7 8 9 ABCDE F
0 C0控制 1 字符区
GL图形字符区
C1控制 字符区
GR图形字符区
2
3
4
5
6
7
8
9
A
B
C
D
E
F
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。
01 2 3 4 5 6 7
ASCII码字符标准中用7位
0控 制
1
二进制数定义了128个字符， 2
字 符
其中94个为图形字符，32 3 区
图形字符区
个为控制字符，1个为空格 4
字符和一个Del键。
5
6
ASCII的编码空间如图所示， 7
图中把7位二进制数分为高 8
3位作为列号，低4位作为
9
行号，并用十六进制表示， A B
1.拼音序
按照拼音顺序对汉字进行排列。 为此首先要设计一张汉字与拼音的对照表，也要考虑到
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
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。