《§4.1 文本信息加工的》由会员分享，可在线阅读，更多相关《§4.1 文本信息加工的（25页珍藏版）》请在金锄头文库上搜索。
1、4.1 文本信息加工,4.1.1 文字及其处理技术,第四章 文本和表格信息加工,云南 纳西族 东巴文字,猜猜看，上面的象形文字究竟表示什么意思？,一、体验文字处理技术,1. 文字是人类为了更加流畅地表述意义、传递经验而发明的工具。,一、体验文字处理技术,1.文字是人类为了更加流畅地表述意义、传递经验而发明的工具。,甲骨文 殷周时代,金文 西周、春秋,战国文字 春秋战国,小篆 秦朝,隶书 秦朝,楷书 东汉,行书 南北朝,草书 西汉,印刷字体 宋朝,2.汉字的创造饱含民族的智慧,汉字起源于象形文字，至今仍然保留了象形文字的特点。,汉字的造字法有四种：象形、指事、会意、形声。,从字体上看，就是本字倒
2、过来。上部为树头，下部为树梢，在树梢上加一小横，就表示这里是树梢。因此，末的最初的意义是树梢。,象形,指事,金文明为日月幷照之会意字。,会意,形声,形声字的一部分是“形旁”表示字义，一部分是“声旁”表示读音，如：“鸽”是“鸟”形“合”声，“河”是“水”形“可”声。,3 书法是一种凝结了我国民族文化精髓的特殊的艺术形式,兰亭集序(局部) 晋王羲之,徐冰方块英文,将26个字母改造成类似中国汉字的偏旁部首,Art For The People,一、文字及其处理技术,历史上使用的文字处理技术,请按时间顺序排列： 活字印刷；机械式打字机；手写；雕版印刷； 刻字；计算机文字处理,Ti yan qing j
3、ing : pin yin yu han zi 体验情境：拼音与汉字,村居 (清) 高 鼎 草长莺飞二月天， 拂堤杨柳醉春烟。 儿童散学归来早， 忙趁东风放纸鸢。,二、汉字的编码,计算机只能识别二进制数码0和1，任何信息在计算机中都是以二进制形式存放的，汉字也不例外。在计算机处理汉字的不同环节采用的编码方式也有所不同，目前主要有三种：输入码、机内码、输出码。,汉字的输入方法,汉字的输入方法目前有两大类四种： （）键盘输入法。利用各种汉字输入方法的编码敲击键盘来输入汉字； （）非键盘输入法。目前主要有三种方法：手写笔输入，语音输入，扫描识别输入,1、汉字输入码（外码）,种类： 流水码：根据汉字的
4、排列顺序形成汉字编码，如区位码、国标码、电报码等。 音码：根据汉字的“音”形成汉字编码，如全拼码、双拼码、简拼码等。 形码：根据汉字的“形”形成汉字编码，如王码五笔、郑码、大众码等。 音形码：根据汉字的“音”和“形”形成汉字编码，如表形码、钱码、智能ABC等。,概念：也称外码，是为了将汉字输入计算机而编制的代码，它是代表某一汉字的一级键盘符号。,2、汉字机内码（内码）,概念：汉字机内码（内码）是计算机系统中用来存储和处理中西方信息的代码。英文内码采用单字节的ASCLL码，而汉字内码则是将区位码两个字节的最高位分别置为“1”，从而形成两个字节表示的汉字机内码。目前广泛使用的有国标码（GB）和BI
5、G5码（中文繁体）。,例如：“文”的区位码为4636，区码和位码分别用16进制表示即为“2E24H” ，而机内码为“CEC4H” 。,注：4636先转换成二进制是0100 1110 0100 0100，再转换成十六进制为2E44H，转换成国标码为4E44H，使两个字节的最高位置分别置为“1”，则得到1100 1110 1100 0100，也就是“文”的机内码CEC4H。,字符的编码ASCII码 美国信息交换标准代码( American Standard Code for Information Interchange, ASCII ),十进制数,二进制数,十六进制数,字符,0000 0000,
6、0000 0001,0000 0010,0000 0011,+,+1,+1,1,0,1,2,3,01111111,127,0 1 2 3 4 5 6 7 8 9 A B C D E F,0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15,十六进制数的表示,一个十六进制数需要四个二进制数表示 F=1111 E=1110 D=1101 C=1100 B=1011 A=1010 9=1001 8=1000 7=0111 6=0110 5=0101 4=0100 3=0011 2=0010 1=0001 0=0000,1个字符需要8位二进制数即8个比特 (Bit) 而 1个字节
7、B（byte）=8比特（Bit） 即一个字符需要一个字节来存储,3、汉字输出法（字型码）,概念：汉字输出码又称汉字字形码或汉字字模，它是将汉字字形经过点阵数字化后形成的一串二进制数，用于汉字的显示和打印。,点阵字型编码是一种最常见的字型编码，它用一位二进制码对应屏幕上的一个像素点，字形笔划所经过处的亮点用1表示，没有笔划的暗点用0表示。例如，一个1616的点阵汉字的情形如图所示：,汉字字库的概念：在计算机中输出汉字时必须要得到相应汉字的字形码，通常用点阵信息表示汉字的字形。所有汉字字形点阵信息的集合就称为汉字字库。 显示字库一般为1616点阵字库，每个汉字的字形码占用32个字节的存储空间，打印
8、字库一般为2424点阵，每个汉字的字形码占用72个字节的存储空间。还有3232点阵，4848点阵，点阵数越大，显示的汉字效果越好，且需要的存储容量也越大。 常见的字库：由于输出的需要，人们设计了不同字体的字形，相应也有不同的字库。有宋体字库、楷体字库、隶书字库等。,3、汉字的输出码（字型码） 用于输出汉字的编码输出码（字型码）,宋体,楷体,00000000000000000000000000000000000000000000,00000000000000010101010100100101000000000000,000000000000000000000000000000000000000
9、00000,00000000000000010101010100100101000000000000,00000000000000000000000000000000000000000000,00000000000000010101010100100101000000000000,00000000001111000001110001100001111100000000,00000000000000000000000000000000000000000000,00000000000000010101010100100101000000000000,000000000000000000000000
10、00000000000000000000,00000000000000010101010100100101000000000000,00000000000000000000000000000000000000000000,00000000000000010101010100100101000000000000,00000000001111000001110001100001111100000000,点阵字型：将汉字分解成若干个“点”组成的点阵字型。 例： 16 16 点阵，表示一个汉字，则一个汉字占 16 行，每一行 16 个点，其中每一个点用一个二进制数表示，值“ 0 ”没有笔形，值“ 1
11、”表示 有笔形。 1 B 8bit 1616bit/8bit=32B,练习： 132 32点阵表示一个汉字需要（ ）个字节。 A.128个 B.64个 C.32个 D.36个 2（ ）点阵显示的汉字效果最好。（多项选择） A.2424 B.精密型 C.提高型 D.1616 E. 64 64 3.存贮在计算机中的汉字以（）码形式存储。 A.区位码 B.机内码 C.字形码 D.输出码 E. 二进制码,汉字的编码,输入码 （外码）,机内码 （内码）,输出码 （字型码）,用于输入汉字的编码,用于存储汉字的编码,用于输出汉字的编码 字模1616，2424 宋体、楷体、隶书等,区位码 ：6625 全拼编码
12、：chun 五笔字型：dw,春,用机内码 存储,如国标码(GB)和BIG5码,用汉字字型码 输出码 输出汉字,(数字码，音码、形码、混合码) 区位码输入， 智能ABC，微软拼音， 郑码，五笔字型，自然码等,宋体 楷体,三、汉字的处理过程,思考：,同一个字用不同的输入法输入，输入码一样吗？机内码一样吗？输出码一样吗？ 如果用6464点阵表示一个汉字字形，需要用多少个字节来存放？,思考：,在浏览网页或阅读邮件遇到乱码现象应该怎样解决？ 在输入汉字的时候，碰到生僻字，如“喆”、“镕”等字时，可以采取什么办法？,问题情境：丁丁是高一（18）班长，开学时要安排值日表，丁丁的计算机基础较好，于是就想通过电脑编制这个表格，以后修改更方便。可是，在他输入学生姓名的的时候，碰到了几个姓名怎么输也输不进去，你能帮他解决这个问题吗？,体验文字处理技术,汉字的编码,文字及其处理技术,输出码(字型码)汉字的输出,机内码(内码)汉字的存储,输入码(外码)汉字的输入,书法是一门凝结了我国民族文化精髓的艺术,汉字的创造饱含民族的智慧,文字的发明是为了更流畅地表述意义、传递经验,中文信息处理技术发展历史,课堂 小结,(教学重点),(教学难点),
