汉字的编码体系

《汉字的编码体系》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、1．ASCII与Binary 　　我们日常接触到的文件分ASCII和Binary两种。ASCII是“美国信息交换标准编码”的英文字头缩写，可称之为“美标”。美标规定了用从0到127的128个数字来代表信息的规范编码，其中包括33个控制码，一个空格码，和94个形象码。形象码中包括了英文大小写字母，阿拉伯数字，标点符号等。我们平时阅读的英文电脑文本，就是以形象码的方式传递和存储的。美标是国际上大部分大小电脑的通用编码。 　　然而电脑中的一个字符大都是用一个八位数的二进制数字表示。这样每一字符便可能有256个不同的数值。由于美标只规定了128个编码，剩下的另外128个数码没有规范，各

2、家用法不一。另外美标中的33个控制码，各厂家用法也不尽一致。这样我们在不同电脑间交换文件的时候，就有必要区分两类不同的文件。第一类文件中每一个字都是美标形象码或空格码。这类文件称为“美标文本文件”(ASCIITextFiles)，或略为“文本文件”，通常可在不同电脑系统间直接交换。第二类文件，也就是含有控制码或非美标码的文件，通常不能在不同电脑系统间直接交换。这类文件有一个通称，叫“二进制文件”(BinaryFiles). 2．国标、区位、“准国标” 　　“国标”是“中华人民共和国国家标准信息交换用汉字编码”的简称。国标表（基本表）把七千余汉字、以及标点符号、外文字母等，排成一

3、个94行、94列的方阵。方阵中每一横行叫一个“区”，每个区有九十四个“位”。一个汉字在方阵中的坐标，称为该字的“区位码”。例如“中”字在方阵中处于第５４区第４８位，它的区位码就是5448. 　　其实94这个数字。它是美标中形象码的总数。国标表沿用这个数字，本意大概是要用两个美标形象符代表一个汉字。由于美标形象符的编码是从33到126，汉字区、位码如果各加上32，就会与美标形象码的范围重合。如上例“中”字区、位码加上32后，得86,80。这两个数字的十六进制放在一起得5650，称为该字的“国标码”，而与其相对应的两个美标符号，VP,也就是“中”字的“国标符”了。 　　这样就产生了

4、一个如何区分国标符与美标符的问题。在一个中英文混用的文件里，“VP”到底代表“中”字呢，还是代表某个英文字头缩写？电子工业部第六研究所开发CCDOS的时候，使用了一个简便的解决方案：把国标码的两个数字各加上128，上升到非美标码的位置。（改变后的国标码，习惯上仍叫“国标”。） 这个方案固然解决了原来的问题，可是新的问题随之产生。中文文件成了“二进制文件”，既不能可靠地在不同电脑系统间交换，也不与市场上大部分以美标符号为设计对象的软件兼容。 为了区分以上两种“国标”，我们把原与美标形象码重合的国标码称为“纯国标”，而把CCDOS加上128的国标码称为“准国标”。 3．GBK码： 

5、　　GBK码是GB码的扩展字符编码，对多达2万多的简繁汉字进行了编码，简体版的Win95和Win98都是使用GBK作系统内码。 　　从实际运用来看，微软自win95简体中文版开始，系统就采用GBK代码，它包括了TrueType宋体、黑体两种GBK字库（北京中易电子公司提供），可以用于显示和打印，并提供了四种GBK汉字的输入法。此外，浏览器IE4.0简体、繁体中文版内部提供了一个GBK-BIG5代码双向转换功能。此外，微软公司为IE提供的语言包中，简体中文支持（SimplifiedChineseLanguageSupportKit）的两种字库宋体、黑体，也是GBK汉字（珠海四通电

6、脑排版系统开发公司提供）。其他一些中文字库生产厂商，也开始提供TrueType或PostScriptGBK字库。 　　许多外挂式的中文平台，如南极星、四通利方（Richwin）等，提供GBK码的支持，包括字库、输入法和GBK与其他中文代码的转化器。 　　互联网方面，许多网站网页使用GBK代码。 　　但是多数搜索引擎都不能很好的支持GBK汉字搜索，大陆地区的搜索引擎有些能不完善的支持GBK汉字检索。 　　其实，GBK是又一个汉字编码标准，全称《汉字内码扩展规范》（ChineseInternatialCodeSpecification），1995年颁布。GB是国标，K是汉字“扩展”

7、的汉语拼音第一个字母。 　　GBK向下与GB-2312编码兼容，向上支持ISO10646.1国际标准，是前者向后者过渡的一个承启标准。 　　GBK规范收录了ISO10646.1中的全部CJK汉字和符号，并有所补充。具体包括：GB2312中的全部汉字、非汉字符号；GB13000.1中的其他CJK汉字。以上合计20902个GB化汉字；《简化总表中》未收入GB13000.1的52个汉字；《康熙字典》以及《辞海》中未被收入GB13000.1的28个部首及重要构件；13个汉字结构符；BIG-5中未被G