第五章 数字多媒体技术复习资料

第五章数字媒体及应用

【知识点1】文本（text）：是基于特定字符集的、具有上下文相关性的一个（二进制编码）字符流，字符在计算机中采用二进制编码表示。

文本在计算机中的处理过程：文本的准备（例如汉字的输入），文本编辑，文本处理，文本存储与传输、文本展现等。

【知识点2】字符的编码

1）西文字符的编码

由拉丁字母、数字、标点符号及一些特殊符号组成。

字符的编码：字符集中每一个字符各有一个代码，即字符的二进制表示，称为该字符的编码。

2）ASCII字符集和ASCII码

美国标准信息交换码(American Standard Code for Information Interchange)：使用7个二进位对字符进行编码（叫做标准ASCII码），称为ISO-646标准。

基本的ASCII字符集共有128个字符：

●96个可打印字符（常用字母、数字、标点符号等）

●32个控制字符

●特殊字符的ASCII码

●空格（32）

●A（65）

●a（97）

●0（48）

3）扩充ASCII字符集

标准ASCII码是七位的编码，但最高位一般为“0”，在数据传输时可用作奇偶校验位。

扩充ASCII字符集：高位为1的8位代码（十进制数128～255），称为扩展ASCII码。

4）汉字的编码

（1）GB2312-80汉字编码

《信息交换用汉字编码字符集·基本集》(GB2312-80)

•组成：

–第一部分：字母、数字和各种符号，包括拉丁字母、俄文、日文平假名与片假名、希腊字母、汉语拼音等共682个（统称为GB2312图形符号）–第二部分：一级常用汉字，共3755个，

按汉语拼音排列

–第三部分：二级常用字，共3008个，

按偏旁部首排列

•区位码：GB2312国标字符集，它分成94行、94列，行号称为区号，列号称为位号。每一个汉字或符号在码表中都有各自的位置，字符的位置用它所在的区号(行号)及位号(列号)来表示。每个汉字的区号和位号分别用1个字节来表示，如：“大”字的区号20，位号83，区位码是20 83

用2个字节表示为：00010100 01010011

•国标交换码:

–问题：信息通信中，汉字的区位码与通信使用的控制码（00H～1FH）发生冲突。

–解决方案：为了避免汉字区位码与通信控制码的冲突，ISO2022规定，每个汉字的区号和位号必须分别加上32（即二进制0010 0000）。

•机内码：

–问题：文本中的汉字与西文字符经常是混合在一起使用的，汉字信息如不予以特别的标识，它与单字节的标准ASCII码就会混淆不清。

–解决方法：把一个汉字看作两个扩展ASCII码，使表示GB2312汉字的两个字节的最高位(b7)都等于“1”。这种高位为l的双字节(16位)汉字编码

就称为GB2312汉字的“机内码”，又称内码。

汉字编码例

例如：“啊”

区位码：16 01 => 10 01H 0001 0000 0000 0001

国标码：30 21H <= 10 01H

＋20 20H 0011 0000 0010 0001

机内码：B0 A1H <= 30 21H

＋80 80H （1）GB2312-80汉字编码

（2）GBK汉字内码扩充规范

•问题：GB2312-80只有6763个汉字。

•组成：21003个汉字，883个图形符号，与GB2312兼容，包括繁体字。

•应用：

–操作系统——Windows 95以上简体中文版，采用GBK代码，并提供了多种输入法和字体

–应用软件——Office 95以上简体中文版本提供GBK码的检索和排序

–互联网应用——许多网站的网页使用GBK代码，但目前还不是所有搜索引擎都支持GBK 汉字文本的搜索

（3）GB18030汉字编码标准，兼容GBK和GB2312。

（4）通用编码字符集UCS/Unicode

目标与途径：实现所有字符在同一字符集中统一编码

（5）中国台湾的BIG5(大五码)标准

【典型例题】

2．在下列字符中，其ASCII码值最大的一个是______。

A．X B．6 C．5 D．Y

87．每个汉字的机内码都用两个字节存储。（）

52．在中文Windows环境下，西文使用标准ASCII码，汉字采用GB2312编码，现有一段文本的内码为：AB F4 D1 E3 78 C2 B7 55，则在这段文本中，含有的汉字和西文字符的个数分别是______

67．传输率为9600 b/s，意味着每分钟最多可传送______个ASCII码字符。

22．下列汉字编码标准中，不支持繁体汉字的是_______。

A．GB2312-80 B．GBK C．BIG D．GB18030

25．在ASCII编码中，字母A的ASCII编码为41H，那么字母f的ASCII编码为______

A．46H B． 66H C．67H D．78H

91．汉字输入的编码方法由数字编码、字音编码和形音编码等4种，在同一种汉字编码字符集中，使用不同的编码方法向计算机输入的同一个汉字，它们的内码是不同的。（）

25．根据ASCII码值的大小，下列表达式中，正确的是_________。

A．“a”<“A”<“9” B．“A”<“a”<“9”

C．“9”<“a”<“A” D．“9”<“A”<“a”

26．已知“江苏，，两字的区位码是“2913”和“4353”，则其机内码是_________。 A．3D2D和4B55 B．4535和535D C．6145和7585 D．BDAD 和CBD5

24．若内存中相邻2个字节的内容为十六进制74 51，则它们不可能是

__________。

A．1条指令的组成部分 B．1个汉字的机内码

C．1个16位整数 D．2个英文字母的ASCII码

92．在ASCII码表中，数字和英文字母按照ASCII码值从小到大排列的顺序为：数字、大写字母、小写字母。

【知识点3】文本信息的输入方法

•人工输入：通过键盘、手写笔或语音输入方式输入字符

–特点：速度慢、成本高，不适合需处理大批量文字的应用

•自动输入：将纸介质上的文本通过识别技术自动转换为文字的编码

–特点：速度快，效率高

–文字的自动识别分为：印刷体识别和手写体识别

汉字输入编码方法的分类：

数字编码：电报码、区位码等

字音编码：一种基于汉语拼音的编码方法，同音字引起的重码多

字形编码：五笔字形法和表形码等

形音编码：吸取了字音编码和字形编码的优点

联机手写汉字识别（笔输入）

印刷体汉字识别（汉字OCR）