《计算机处理汉字信息的前提条件是对每个汉字进行编码》由会员分享，可在线阅读，更多相关《计算机处理汉字信息的前提条件是对每个汉字进行编码（55页珍藏版）》请在金锄头文库上搜索。
1、计算机处理汉字信息的前提条件是对每个汉字进行编码，这些编码统称为汉字编码。汉字信息在系统内传送的过程就是汉字编码转换的过程。汉字交换码：汉字信息处理系统之间或通信系统之间传输信息时，对每一个汉字所规定的统一编码，我国已指定汉字交换码的国家标准“信息交换用汉字编码字符集基本集”，代号为 GB 231280，又称为“国标码”。国标码：所有汉字编码都应该遵循这一标准，汉字机内码的编码、汉字字库的设计、汉字输入码的转换、输出设备的汉字地址码等，都以此标准为基础。GB 231280 就是国标码。该码规定：一个汉字用两个字节表示，每个字节只有 7位，与 ASCII 码相似。区位码：将 GB 231280
2、的全部字符集组成一个 9494 的方阵，每一行称为一个“区”，编号为 0l94；每一列称为一个“位”，编号为 0l94，这样得到GB 231280 的区位图，用区位图的位置来表示的汉字编码，称为区位码。机内码：为了避免 ASCII 码和国标码同时使用时产生二义性问题，大部分汉字系统都采用将国标码每个字节高位置 1 作为汉字机内码。这样既解决了汉字机内码与西文机内码之间的二义性，又使汉字机内码与国标码具有极简单的对应关系。汉字机内码、国标码和区位码三者之间的关系为：区位码（十进制）的两个字节分别转换为十六进制后加 20H 得到对应的国标码；机内码是汉字交换码（国标码）两个字节的最高位分别加 1，
3、即汉字交换码（国标码）的两个字节分别加 80H 得到对应的机内码；区位码（十进制）的两个字节分别转换为十六进制后加 A0H 得到对应的机内码。GB2312 编码包括符号、数字、字母、日文、制表符等，当然最主要的部分还是中文，它采用 16 位编码方式，简体中文的编码范围从 B0A1 一直到 F7FE，完整编码表可以参考 http:/ash.jp/code/cn/gb2312tbl.htm。汉字编码简明对照表中文转换为完整拼音算法原理分析 汉字编码原理1国家标准汉字代码体系汉字字数繁多，属性丰富，因而汉字代码体系也较复杂，包括：(1)汉字机内码。它们是汉字在计算机汉字系统内部的表示方法，是计算机汉
4、字系统的基础代码。(2)汉字交换码。它们是国标汉字(如机内码)进行信息交换的代码标准。(3)汉字输入码。它们是在计算机标准键盘上输入汉字用到的各种代码体系。(4)汉字点阵码。它们是在计算机屏幕上显示和在打印机上打印输出汉字的代码体系。(5)汉字字形控制码。为了打印各种风格的字体和字形所制定的代码。这些代码系统有的必须有统一的国家标准，有的则不要求统一。近年来我国已经制定系列汉字信息处理方面的国家标准，今后将继续完善，并与国际上求得统一。2. 国家标准汉字交换码我国制定了“中华人民共和国国家标准信息交换汉字编码”，标准代号为GB231280，这种编码又称为国标码。在国标码的字符集中共收录了一级汉
5、字 3755 个，二级汉字 3008个，图形符号 682 个，三项字符总计 7445 个。在国标 GD231280 中规定，所有的国标汉字及符号分配在一个 94 行、94 列的方阵中，方阵的每一行称为一个“区”，编号为 01 区到 94 区，每一列称为一个“位”，编号为 01位到 94 位，方阵中的每一个汉字和符号所在的区号和位号组合在一起形成的四个阿拉伯数字就是它们的“区位码”。区位码的前两位是它的区号，后两位是它的位号。用区位码就可以唯一地确定一个汉字或符号，反过来说，任何一个汉字或符号也都对应着一个唯一的区位码。汉字“母”字的区位码是 3624，表明它在方阵的 36 区 24 位，问号“
6、?”的区位码为 0331，则它在 03 区 3l 位。所有的汉字和符号所在的区分为以下四个组：(1)01 区到 15 区。图形符号区，其中 01 区到 09 区为标准符号区，10 区到15 区为自定义符号区。01 区到 09 区的具体内容如下；1)01 区。一般符号 202 个，如间隔符、标点、运算符、单位符号及制表符；2)02 区。序号 60 个，如 120.、(1)(20)、及(一）（十）；3)03 区。数字 22 个，如 09 及 X 一 XII，英文字母 52 个，其中大写 AZ、小写az 各 26 个；4)04 区。日文平假名 83 个；5)05 区。日文片假名 86 个；6)06
7、区。希腊字母 48 个；7)07 区。俄文字母 66 个；8)08 区。汉语拼音符号 az26 个；9)09 区。汉语拼音字母 37 个。(2)16 区到 55 区。一级常用汉字区，包括了 3755 个一统汉字。这 40 个区中的汉字是按汉语拼音排序的，同音字按笔划顺序排序。其中 55 区的 90 一 94 位未定义汉字。(3)56 区到 87 区。二级汉字区，包括了 3008 个二级汉字，按部首排序。(4)88 区到 94 区。自定义汉字区。 第 10 区到第 15 区的自定义符号区和第 88 区到第 94 区的自定义汉字区可由用户自行定义国标码中未定义的符号和汉字。3. 国家标准汉字机内码
8、汉字的机内码是指在计算机中表示一个汉字的编码。机内码与区位码稍有区别。如上所述，汉字区位码的区码和位码的取值均在 194 之间，如直接用区位码作为机内码，就会与基本 ASCII 码混淆。为了避免机内码与基本 ASCII 码的冲突，需要避开基本 ASCII 码中的控制码(00H1FH)，还需与基本 ASCII 码中的字符相区别。为了实现这两点，可以先在区码和位码分别加上 20H，在此基础上再加 80H(此处“H”表示前两位数字为十六进制数)。经过这些处理，用机内码表示一个汉字需要占两个字节，分别 称为高位字节和低位字节，这两位字节的机内码按如下规则表示：高位字节区码+20H+80H(或区码+A0
9、H)低位字节=位码+20H+80H(或位码+AOH)由于汉字的区码与位码的取值范围的十六进制数均为 01H5EH(即十进制的0194)，所以汉字的高位字节与低位字节的取值范围则为 A1HFEH(即十进制的161254)。例如，汉字“啊”的区位码为 1601，区码和位码分别用十六进制表示即为1001H，它的机内码的高位字节为 B0H，低位字节为 A1H，机内码就是 B0A1H。 4. 汉字的输入码在计算机标准键盘上，汉字的输入和西文的输入有很大的不同。西文的输入，击一次键就直接输入了相应的字符或代码，“键入”和“输入”是同一个含义。但是在计算机上进行汉字输入时，“键入”是指击键的动作即键盘操作的
10、过程，而“输入”则是把所需的汉字或字符送到指定的地方，是键盘操作的目的。目前已有多种汉字输入方法，因此就有多种汉字输入码。汉字输入码是面向输入者的，使用不同的输入码其操作过程不同，但是得到的结果是一样的。不管采用何种输入方法，所有输入的汉字都以机内码的形式存储在介质中，而在进行汉字传输时，又都以交换码的形式发送和接收。国标 GB231280 规定的区位码和沿用多年的电报码都可以作为输入码。这类汉字编码和输入码是一一对应的，具有标准的性质，它们编码用的字符是 10 个阿拉伯数字，每个汉字的码长均为等长的四个数码。其他编码的种类很多，可从以下几点加以讨论：(2)编码类型。可分为拼音码、字形码、音形
11、结合码等类型。(2)编码规则。不同的编码方案有很大的不同，有的规则简单，学习起来较容易记忆，有的规则复杂，较难记亿。(3)编码字符集。有用字母键的，有用数字键的，有用字母键加数字键的，或者用了更多的键作编码字符集的。(4)编码长度。它与编码字符集的大小有关，字符集越大，编码长度越短。采用 26个字母的编码，其码长一般为四位。(5)对应关系。除上面提到的区位码和电报码为一一对应的无重码编码外，其他现有的编码方案均有一定数量的重码。所谓重码即一码对应多字。有许多编码为了增加输入的灵活性，同一汉字用多个码来对应，例如双音编码。(6)单宁和词汇的编码。现有的编码方案，为了提高效率，除了单字外还规定了词
12、汇的编码，甚至使用者可以自行增加词汇库中的词汇，但在提高效率的同时也增加了记亿和操作的复杂性。(7)码表的类型和大小。从汉字输入码到机内码的转换一股需要在机内检索码表。如果输入码和机内码存在简单的函数关系，有公式可以计算，如区位码等编码就不需要码表，其他没有简单函数关系的编码就需要码表。码表大小与数据结构、单字数量、词汇数量等因素有关。国标血 231280 规定的 6763 个一、二级汉字，备类编码的码表从几千字节到几万字节。随着词汇旦的增加，有的码表达到了若干兆字节。5. 汉字的点阵码汉字的显示和输出，普遍采用点阵方法。由于汉字数量多且字形变化大，对不同字形汉字的输出，就有不同的点阵字形。所
13、谓汉字的点阵码，就是汉字点阵字形的代码。存储在介质中的全部汉字的点阵码又称为字库。 16x16 点阵的汉字其点阵有 16 行，每一行上有 16 个点。如果每一个点用一个二进制位来表示，则每一行有 16 个二进制位，需用两个字节来存放每一行上的 16 个点，并且规定其点阵中二进制位 0 为白点，1 为黑点，这样一个 16X16 点阵的汉字需要用2t6 即 32个字节来存放。依次类推，2424 点阵和 3232 点阵的汉字则依次要用 72 个字节和 128个字节存放一个汉字，构成它在字库中的字模信息。要显示或打印输出一个汉字时，计算机汉字系统根据该汉字的机内码找出其字模信息在字库中的位置，再取出其
14、字模信息作为字形在屏幕上显示或在打印机上打印输出。嵌入式系统中文输入法的设计 摘 要：在基于嵌入式系统的智能终端中，中文人机交互界面是必须的功能，某些系统还要求中文文本输入。本文介绍了一种占用较少资源并适于在 MCU 上实现的中文输入法。关键词：嵌入式系统；中文输入法；数字键盘引言目前，以 LCD 和数字键盘实现的人机交互式界面在智能终端中广泛采用。在不同的应用场合，对人机界面的要求也不同，一些情况下只要求简单参数的显示和选择，而在一些信息终端中，还要求文字的输入。在使用高性能 CPU 和标准显示设备的情况下，实现友好的人机界面可采用商用嵌入式系统( 如 Linux 或 WinCE)所支持的
15、GUI 程序。但很多情况下，智能终端使用 MCU，且其显示设备是非标准接口的小型 LCD。此时，必须找到占用较少资源的低成本实现方法。笔者参加的智能终端项目就是一个比较典型的基于 MCU 的人机界面应用，使用12864 点阵式 LCD 模块，要求可显示 Unicode 编码的一、二级常用汉字库并可进行中文输入。此应用中输入法相关的代码和数据占用约 20kB。在应用开发中，我们使用了实时操作系统 C/OS-II，相关内容可参考有关文献。简单的中文拼音输入法汉字输入法的实质是建立一种按键组合到汉字编码的映射关系，因此，使用数字键盘的嵌入式系统的输入法与使用标准键盘的 PC 机的输入法没有本质的不同
16、，其区别主要在于嵌入式应用中处理器、存储器等资源比较有限。如对应汉字“你”，拼音输入法下 PC 键盘按键组合为“ni”，而在一般数字键盘下，其按键组合则为“64”。在多数手持式设备(如智能电话)中，以 09 数字键与几个简单的控制键实现汉字输入，比较著名的是在手机中广泛采用的 T9 和 iTap 输入法。这里我们介绍一种简单的拼音输入法的实现方法。一般终端键盘包括 12 个按键，分别是 09 数字键和“*”、“#”两个特殊键。按通用规则，数字 1 对应空格，其功能基本等同于 PC 机中的空格键，用于输入空格或作为当前汉字的确认键；29 数字键分别对应下述汉语拼音字母：2：a b c 3：d e f 4：g h i5：j k l 6：m n o 7：p q r s 8：t u v 9：w x y z而“0”、“*”、“#”键则作为输入法中的控制键。我们将“#”作为“选择键”，用于选取同一数字键组合下的不同拼
