《计算机中的文字表示方法》由会员分享，可在线阅读，更多相关《计算机中的文字表示方法（8页珍藏版）》请在金锄头文库上搜索。
1、 计算机中的文字表示方法一:计算机文字的基本知识 ：根源. 计算机里所有的字符（包括数字）最根本是一张张的矢量图片，然后把这些图片存在字库里， （ttf 文件就是字库矢量图文件）：存储. 那文字信息是如何交流传递的呢？必须通过存储信息才能够进行交流。存储的话，牵扯一个重要的东西-编码，每一个字符（包括各国国家的字符，当然包括汉字）有一个对应编码的唯一内码，就是存储了。然而同一个字符（例如“中” 字）不同编码对应的内码不一样，Unicode 编码的话在计算机里的存储的十六进制是 “2D4E”，两个字节；国标码存的是“D6D0”，两个字节； utf8 存的是“E4B8AD”三个字节；：显示.那么，
2、我们存储的汉字是如何被调用现实屏幕显示的呢？不同的编码，存储方式，如何找到这个字符的呢？这是通过识别到文本编码后再通过这个字的内码，找到字库中存贮这个字符（其实就是一张图片）的位置，然后显示出来。二：计算机文字的处理1：基本的处理方法.如果我用放大镜看一下，可以看出屏幕上的字是由一个一个的像素点组成的，每一个字符用一组像素点拼接出来，这些像素点组成一幅图像，变成了我们的文字2:字符编码.由于我们的文字中存在着大量的重复字符，而计算机天生就是用来处理数字的,为了减少我们需要保存的信息量，我们可以使用一个数字编码来表示每一个字符，通过对每一个字符规定一个唯一的数字代号，然后，对应每一个代号，建立其
3、相对应的图形，这样，在每一个文件中，我们只需要保存每一个字符的编码就相当于保存了文字，在需要显示出来的时候，先取得保存起来的编码，然后通过编码表，我们可以查到字符对应的图形，然后将这个图形显示出来，这样我们就可以看到文字了，这些用来规定每一个字符所使用的代码的表格，就称为编码表。编码就是对我们日常使用字符的一种数字编号。3：第一个编码表 ASCII 在最初的时候，美国人制定了第一张编码表美国标准信息交换码，简称 ASCII，它总共规定了 128 个符号所对应的数字代号，使用了 7 位二进制的位来表示这些数字。其中包含了英文的大小写字母、数字、标点符号等常用的字符，数字代号从 0 至 127，标
4、准 ASCII 码表如下：标准 ASCII 码表（部分）b6b5b4b3b2b1b0000 001 010 011 100 101 110 1110000 NUL DLE SP 0 P p0001 SOH DC1 ! 1 A Q a q0010 STX DC2 ” 2 B R b r由于 ASCII 出现最早，因此各种编码实际上都受到了它的影响，并尽量与其相兼容。4:扩展 ASCII 编码 ISO8859 美国人顺利解决了字符的问题，可是欧洲的各个国家还没有，比如法语中就有许多英语中没有的字符，因此 ASCII 不能帮助欧洲人解决编码问题。为了解决这个问题，人们借鉴 ASCII 的设计思想，创
5、造了许多使用 8 位二进制数来表示字符的扩充字符集，这样我们就可以使用 256 种数字代号了，表示更多的字符了。在这些字符集中，从 0 - 127 的代码与 ASCII 保持兼容，从 128 到 255 用于其它的字符和符号，由于有很多的语言，有着各自不同的字符，于是人们为不同的语言制定了大量不同的编码表，在这些码表中，从 128 - 255 表示各自不同的字符，其中，国际标准化组织的 ISO8859 标准得到了广泛的使用。在 ISO8859 的编码表中，编号 0 127 与 ASCII 保持兼容，编号 128 159 共 32 个编码保留给扩充定义的 32 个扩充控制码，160 为空格， 1
6、61 -255 的 95 个数字用于新增加的字符代码。编码的布局与 ASCII 的设计思想如出一辙，由于在一张码表中只能增加 95 种字符的代码，所以 ISO8859 实际上不是一张码表，而是一系列标准，包括 14 个字符码表。例如，西欧的常用字符就包含在 ISO8859-1 字符表中。在 ISO8859-7 种则包含了 ASCII 和现代希腊语字符。问题出现了！ISO 的 8859 标准解决了大量的字符编码问题，但也带来了新的问题，比如说，没有办法在一篇文章中同时使用 ISO8859-1 和 ISO8859-7，也就是说，在同一篇文章中不能同时出现希腊文和法文，因为他们的编码范围是重合的。例
7、如：在 ISO8859-1 中 217 号编码表示字符 ，而在 ISO8859-7 中则表示希腊字符 ，这样一篇使用 ISO8859-1 保存的文件，在使用 ISO8859-7 编码的计算机上打开时，将看到错误的内容。为了同时处理一种以上的文字，甚至还出现了一些同时包含原来不属于同一张码表的字符的新码表。5:大字符集的烦恼不管如何，欧洲的拼音文字都还可以用一个字节来保存，一个字节由 8 个二进制的位组成，用来表示无符号的整数的话，范围正好是 0 255。但是，更严重的问题出现在东方，中国，朝鲜和日本的文字包含大量的符号。例如，中国的文字不是拼音文字，汉字的个数有数万之多，远远超过区区 256
8、个字符，因此 ISO 的 8859 标准实际上不能处理中文的字符。通过借鉴 ISO8859 的编码思想，中国的专家灵巧的解决了中文的编码问题。既然一个字节的 256 种字符不能表示中文，那么，我们就使用两个字节来表示一个中文，在每个字符的 256 种可能中，低于 128 的为了与 ASCII 保持兼容，我们不使用，借鉴 ISO8859 的设计方案，只使用从 160 以后的 96 个数字，两个字节分成高位和低位，高位的取值范围从 176-247 共 72 个，低位从 161 254共 94 这样，两个字节就有 72 * 94 = 6768 种可能，也就是可以表示 6768 种汉字，这个标准我们称
9、为 GB2312-80。6768 个汉字显然不能表示全部的汉字，但是这个标准是在 1980 年制定的，那时候，计算机的处理能力，存储能力都还很有限，所以在制定这个标准的时候，实际上只包含了常用的汉字，这些汉字是通过对日常生活中的报纸，电视，电影等使用的汉字进行统计得出的，大概占常用汉字的 99%。因此，我们时常会碰到一些名字中的特殊汉字无法输入到计算机中的问题，就是由于这些生僻的汉字不在 GB2312 的常用汉字之中的缘故。由于 GB2312 规定的字符编码实际上与 ISO8859 是冲突的，所以，当我们在中文环境下看一些西文的文章，使用一些西文的软件的时候，时常就会发现许多古怪的汉字出现在屏
10、幕上，实际上就是因为西文中使用了与汉字编码冲突的字符，被我们的系统生硬的翻译成中文造成的。不过，GB2312 统一了中文字符编码的使用，我们现在所使用的各种电子产品实际上都是基于 GB2312 来处理中文的。GB2312-80 仅收汉字 6763 个，这大大少于现有汉字，随着时间推移及汉字文化的不断延伸推广，有些原来很少用的字，现在变成了常用字，例如：朱镕基的“镕”字，未收入 GB2312-80，现在大陆的报业出刊只得使用（金+容）、（金容）、（左金右容）等来表示，形式不一而同，这使得表示、存储、输入、处理都非常不方便，而且这种表示没有统一标准。为了解决这些问题，全国信息技术化技术委员会于 1
11、995 年 12 月 1 日汉字内码扩展规范。GBK 向下与 GB2312 完全兼容，向上支持 ISO 10646 国际标准，在前者向后者过渡过程中起到的承上启下的作用。GBK 亦采用双字节表示，总体编码范围为 8140-FEFE 之间，高字节在 81-FE 之间，低字节在 40-FE 之间，不包括7F。在 GBK 1.0 中共收录了 21886 个符号，汉字有 21003 个。GBK 共收入 21886 个汉字和图形符号，包括：* GB2312 中的全部汉字、非汉字符号。* BIG5 中的全部汉字。* 与 ISO 10646 相应的国家标准 GB13000 中的其它 CJK 汉字，以上合计
12、20902个汉字。其它汉字、部首、符号，共计 984 个。而微软公司自 Windows 95 简体中文版开始支持 GBK 代码，但目前的许多软件都不能很好地支持 GBK 汉字。GBK 编码区分三部分：* 汉字区 包括GBK/2 ：OXBOA1-F7FE, 收录 GB2312 汉字 6763 个，按原序排列；GBK/3 ：OX8140-AOFE，收录 CJK 汉字 6080 个；GBK/4 ：OXAA40-FEAO，收录 CJK 汉字和增补的汉字 8160 个。* 图形符号区 包括GBK/1 ：OXA1A1-A9FE，除 GB2312 的符号外，还增补了其它符号GBK/5 ：OXA840-A9A
13、O，扩除非汉字区。* 用户自定义区即 GBK 区域中的空白区，用户可以自己定义字符。GB18030 是最新的汉字编码字符集国家标准, 向下兼容 GBK 和 GB2312 标准。 GB18030 编码是一二四字节变长编码。一字节部分从 0x00x7F 与 ASCII 编码兼容。二字节部分, 首字节从 0x810xFE, 尾字节从 0x400x7E 以及 0x800xFE, 与 GBK 标准基本兼容。四字节部分, 第一字节从 0x810xFE, 第二字节从 0x300x39, 第三和第四字节的范围和前两个字节分别相同。6:不一样的中文中文的问题好像也解决了，且慢，新的问题又来了。中国的台湾省也在使
14、用中文，但是由于历史的原因，那里没有使用大陆的简体中文，还在使用着繁体的中文，并且他们自己也制定了一套表示繁体中文的字符编码，称为 BIG5,不幸的是，虽然他们的也使用两个字节来表示一个汉字，但他们没有象我们兼容 ASCII 一样兼容大陆的简体中文，他们使用了大致相同的编码范围来表示繁体的汉字。天哪! ISO8859 的悲剧又出现在同样使用汉字的中国人身上了，同样的编码在大陆和台湾的编码中实际上表示不同的字符，大陆的玩家在玩台湾的游戏时，经常会遇到乱码的问题，问题根源就在于，大陆的计算机默认字符的编码就是 GB2312, 当碰到台湾使用 BIG5 编码的文字时，就会作出错误的转换。由于历史和文
15、化的原因，日文和韩文中也包含许多的汉字，象汉字一样拥有大量的字符，不幸的是，他们的字符编码也同样与中文编码有着冲突，日文的游戏在大陆上一样也会出现无法理解的乱码。中文之星，南极星，四通利方就是用于在这些编码中进行识别和转换的专用软件。7:新希望 UTF-8 为了尽可能与现有的软件和硬件相适应，美国人又制定了一系列用于传输和保存 Unicode 的编码标准 UTF，这些编码称为 UCS 传输格式码，也就是将 UCS 的编码通过一定的转换，来达到使用的目的。常见的有 UTF-7，UTF-8 ，UTF-16 等。其中 UTF-8 编码得到了广泛的应用， UTF-8 的全名是 UCS Transfor
16、mation Format 8, 即 UCS 编码的 8 位传输格式，就是使用单字节的方式对 UCS 进行编码，使 Unicode 编码能够在单字节的设备上正常进行处理。实际上，ASCII 字符用 UTF-8 来表示后，与 ASCII 是完全一样的，美国人又近水楼台的把自己的问题解决了。但其他的编码就没有这么幸运了突破障碍 - Unicode 与本地编码的转换UTF-8 编码解决了字符的编码问题，又可以在现有的设备上通行，因此，得到了广泛的使用.8:Tomcat 中的中文问题在 Tomcat 中，经常遇到取回客户端提交的信息是乱码的问题。提交表单的时候，HTML 页面的 Form 标签会使情况变得更为复杂。浏览器的编码方式取决于当前页面的编码设定，对 Form 标签也照此处理。这意味着如果 ASCII 格式的 HTML 页面用 ISO-8859-1 编码，那么用户在此页面中将不能提交中文字符。所以，如果你的页
