汉字计算机中的表示.doc

汉字计算机中的一、前言众所周知，英文是拼音文字，一个不超过128种字符的字符集，就可满足英文处理的需要。汉字是平面结构，字数多，字形复杂、长期被认为不便于计算机存储和处理，因而常有一些知名人士主张用拼音文字来取代汉字。经过我国科技工作者的不懈努力，这一问题已得到了较好的解决，我国已经具备了成熟的汉字信息处理方法，并且得到了广泛应用。 二、汉字在计算机中表示方法。用计算机处理汉字，首先要解决汉字在计算机里如何表示的问题，即汉字编码问题。根据统计，在人们日常生活交往中，包括社会生活、经济、科学技术交流等方面，经常使用的汉字约有四、五千个。汉字字符集是一个很大的集合，至少需要用两个字节作为汉字编码的形式。原则上，两个字节可以表示 25625665536 种不同的符号，作为汉字编码表示的基础是可行的。但考虑到汉字编码与其它国际通用编码，如ASCII 西文字符编码的关系，我国国家标准局采用了加以修正的两字节汉字编码方案，只用了两个字节的低7位。这个方案可以容纳 128128=16384 种不同的汉字，但为了与标准ASCII码兼容，每个字节中都不能再用32个控制功能码和码值为32的空格以及127的操作码。所以每个字节只能有94个编码。这样，双七位实际能够表示的字数是：94948836个。国家根据汉字的常用程度定出了一级和二级汉字字符集，并规定了编码。国家标准局于1981年公布了国家标准GB2312-80，即信息交换用汉字编码字符集基本集，其中共收录汉字和图形符号（682个）7445个。 每一个汉字或符号都用两个字节表示。其中每一个字节的编码取值范围都是从20H到7EH，即十进制写法的33到126，这与ASCII编码中可打印字符的取值范围一样，都是94个。因为这样两个字节可以表示的不同字符总数为8 836个。而国标码字符集共有7 445个字符，所以在上述编码范围中实际上还有一些空位。 汉字国标码作为一种国家标准，是所有汉字编码都必须遵循的统一标准，但由于国标码每个字节的最高位都是“0”，与国际通用的标准ASCII码无法区分。例如，“天”字的国标码是 01001100 01101100 ， 即两个字节分别是十进制的 76 108 ，十六进制的 4CH 6CH。而英文字符“L”和“1”的ASCII码也恰好是76和108，因此，如果内存中的两个字节76和108，就难以确定到底是汉字”天“字，还是英文字符“L”和“1”。显然，国标码必须进行某种变换才能在计算机内部使用。常见的用法是将两个字节的最高位设定为1（低7位采用国标码）。例如，汉字“天”字的机内码是 11001100 11101100 ， 写成十六进制是 CCH ECH。即十进制的 204 236。但这种用法对国际通用性以及ASCII码在通信传输时加奇偶检验位等都是不利的，因而还有改进的必要。 目前，汉字编码的标准还没有完全统一。在我国台湾，港澳地区多用BIG-5码，世界其它地区的汉字文化圈中也存在一些其它的汉字编码方案。这就造成了各种汉字处理系统之间无法通用的局面。为使世界上包括汉字在内的各种文字的编码走上标准化、规范化的道路，1992年5月国际标准化组织ISO通过了ISO/IEC10640,即通用多八位编码集（UCS），同时我国也制定了新的国家标准GB13000-1993（简称CJK字符集）。全国信息标准化技术委员会在此基础上发布了汉字扩展内规范，其中收集了中国、日本、韩国三国汉字共20 902个（简称GBK字符集），可以在很大程序上满足汉字处理的要求。2000年3月17日，信息产业部和国家技术监督局联合公布了国家标准GB 18030-2000信息技术、信息交换用汉字编码字符集、基本集的扩充（简称CJK字符集），并宣布GB 18030为国家强制性标准，自发布之日起实施，过渡期到2000年12月31日止。GB 18030是GB 2312的扩展，共收录了2.7万个汉字，采用单/双/四字节混合编码，与现有绝大多数操作系统、中文平台在内码一级兼容，可支持现有的应用系统；在字汇上则与GB 13000.1-1993兼容，并包容了其中收录的所有汉字、藏、蒙、维等少数民族文字，以及世界上几乎所有的语言文字，为中文信息在因特网上的传输和交换提供了保障。该标准的实施将为制定统一的应用软件中文接口标准规范创造条件。三、汉子的输入方法及优缺点电脑是老外发明的，键盘是为打ABC而设计的，用电脑打中文，曾经是一个大难题，曾经被老外看作中国实现信息化的一头拦路虎。自从电脑传入中国来，多少人在日以继夜地研究汉字输入的方法？随着电脑的普及，随着时间的推移，一种种输入法出现了，据说汉字输入法申请专利的就有500多种。目前，几百种汉字输入法，按输入工具而分，可分为键盘输入法（英文字母和数字键盘）和非键盘（鼠标、语音、手写）输入法。键盘输入法缺点：易学难输不实用，如当今流行的QQ拼音，搜狗拼音等输入法。难学易输难普及，如王永民教授的五笔输入法。优点：准确，输入错误率小，成本低。非键盘输入法扫描输入法：将文稿通过扫描仪输入到电脑，再用转换软件（如清华大学的OCR）转换为文本。光笔输入法：用专用笔在一写字屏上写入汉字，通过软件转换成文本。声音输入法：先引进标准的声音库，再通过话筒将文稿读入机器与之对应后由软件转换成文本。缺点：当前技术水平有限，输入错误率高，成本高。优点：输入速度快，效率高。四、汉字输入法的科学性 发明一种汉字输入法其实不难，但要发明一种社会一致认可的输入法就确实很难了。这条路上有多少人在探索和追求，“引无数英雄竞拆腰”。国家电子部有专门的中文信息处理开放实验室，民间有汉字编码协会，老外有微软专门设立了中国研究开发中心中文技术部，摩托罗拉手机也搞了个摩托罗拉按键输入法。 考量一个输入法好坏的标准，只有8个字：易学、好记、快打、规范。四者必须统一。易学难输（如拼音）不实用，难学易输（如五笔）难普及。汉字输入法是一种工具，工具不需要多，实用就行了，就象吃饭，中国人只用筷子，西方人只用刀叉，仅此一种。工具太多，往往无所适从，例如：学习打字选择哪种输入呢？学校推广输入法，那一种符合语文教学规范呢？由于输入法太多，已经给中国人带来了新的麻烦。没有汉字输入法,计算机难在中国普及,没有统