第3讲字符和汉字的信息编码

1、第3讲 字符和汉字的信息编码 4-11这节课是最专业的基础课，要全力理解其中难点，否则美国著名的科学家冯·诺依曼提出的程序和数据采用二进制代码表示，为现代计算机发展奠定了基础。为了互相传递和处理字符和汉字等信息，通过各种输入设备输入的每一个字符（如：数字、字母、符号等）和汉字，到计算机内部都有一个统一的二进制编码（机内码），一一对应表示。一、 计算机中字符的编码表示：P6计算机开始只在美国使用。一个字节八个位一共可以组合出256(2的8次方)种不同的状态（数字）。把所有的空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编到了第127号，这些英文字母及键盘上其它字符，在计

2、算机中统一用二进制编码来表示，使用最广泛的是ASCII（美国国家信息交换标准）码，如字母“a”的ASCII码是：十进制数是97（二进制编码是1100001），其它部分字符的ASCII码见课本P6页的表1.2.3。 标准ASCII码使用一个字节的7位（最高位作符号位：0为+、1为-），因此最多可表示128个字符 0(1111111)2 = (127)10 。要注意字母和数字的ASCII码的大小排列规律：（经常要考到）字母： A B C D E . X Y Z 其它字符 a b c d e . x y zASCII码：65 66 90 97 98 122数字： 0 1 2 3 . 8 9 ASCI

3、I码：48 49 50 56 57注意:“其它字符”有6个，上面表的ASCII码是用十进制表示，但电脑里往往用十六进制表示，例如“A”的十六进制编码是:41基本的考题往往告诉你一个字符(例如“b”)的ASCII码98(十进制),请你写出另一个字符 (例如“X”)的ASCII码？(十进制)。二、 计算机中汉字的编码表示：P71、汉字的信息交换码(又称国标码，即汉字库GB2312)：标准ASCII码使用一个字节的7位的不同的状态（数字）来表示127个空格、标点符号、数字、大小写字母，但汉字有6000多个常用汉字，我们要用多少位或几个字节来保存、表示这些汉字呢？但是这难不倒智慧的中国人民，我们规定：

4、一个小于127的字符的意义与原来相同，但两个大于127的2个字节（=16位）连在一起时，就表示一个汉字，如汉字“电”在GB2312中对应的二进制编码是： 0011010101100111B用十六进制编码表示是： 3 5 6 7 H这样我们就可以把每个汉字用一个2个字节二进制编码对应起来。实际上，2个字节（16位）可以表示65535个编码，还有太多的编码没用起来，所以我们干脆把数学符号、罗马希腊的字母、日文的片假名都编进去了，连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，演示：汉字库GB2312 2个字节编码的汉字库GB2312，汉字从16区开始编排，前15个区我

5、们可以对其它字符、符号进行2个字节编码，包括原来的128个标准ASCII码字符（半角），我们可以给与2个字节编码（全角：相当于取个中文姓名），我们把2个字节编码的字符叫"全角"字符，而前面介绍的ASCII码用1个字节编码的字符叫"半角"字符；所以键盘上的英文字符、数字，有半角1个字节和全角2个字节的编码： （输入演示）Abc123所以，汉字编码字符集GB2312是对 ASCII 的中文扩展。这种汉字编码是我国制定的信息交换码(又称国标码)，用16位编码（两个字节）表示一个汉字， 每个字符、汉字的对应十六进制编码(机内码，下面说明)可用专门文本编辑软件（如

6、：UltraEdit文本编辑软件）来查看（演示）:其中“电”的十六进制编码是：B5 E7； 2个字节！“脑”的十六进制编码是：C4 D4； 2个字节！“A”的十六进制编码是： 41。 1个字节！.2、汉字的信息交换码的第二种形式区位码（输入形式）：     演示：汉字库GB2312，观察里面的字符、汉字编码，发现：我国制定的信息交换码GB2312将代码表分为94个区（对应第一字节）；每个区94个位（对应第二字节），因此也称为区位码。01-09区为符号、数字区，16-87区为汉字区，10-15区、88-94区是有待进一步标准化的空白区。例：“阿”的区位码是：1602

7、（第16区，第2位）； (见P8的区位码表示图)每一个汉字的区位码需查汉字的区位码表，16-87区为汉字区按拼音字母a、b、c、d.排列（例如：第16区a拼音字母开始，第17区b拼音字母开始,.; 见P8的区位码表示图）。区位码是汉字库GB2312国标码的一种表示方法（国际码=区位码（十六进制）+2020H）；当时的区位码好处是便于查找其中的汉字等字符（例如：查“电”的区位码），并设计了区位码输入法来输入汉字，但要查区位码表来输入汉字等字符，效率很低；现在有各种高效的输入法（例如：搜狗输入法、五笔字型输入法等），所以区位码输入法基本不用了。3、汉字的信息交换码的第三种形式处理码（机内码）： 汉

8、字的信息交换码的国标码还不能直接输入计算机内作为汉字字库，有时需要作些处理，因为：一个汉字的信息交换码占两个字节，每个字节最高位也是“0”；英文字符的内码是7位ASCIl码，最高位也是0，就产生二义性问题，例如：（难点来了！）“电”的国标码二进制表示是：0011010101100111；但上面2个字节可分别表示2个ASCII码：（查ASCII码表） 00110101=35D“#” 01100111=103D-à“g”;所以，0011010101100111也可表示：“#g”,为避免这样的不确定性，我们把“电”的国标码二进制表示：0011010101100111,输入到计算机里时，在2

9、个字节的最高位分别加1：1011010111100111 称为机内码(或处理码)这样，为了在计算机内部能够区分是汉字编码还是ASCIl码，将一个汉字内码的每个字节的最高位设置为“1”(十六进制数80H=10000000)，即：0011010101100111B=3567H+ 1000000010000000B=8080H=1011010111100111B=B5E7H（用UltraEdit查到的机内码）这样处理后的编码叫汉字的处理码，处理码是计算机内部用于信息处理的汉字代码，也称汉字机内码。一个汉字的国标码16进制数+ 8080H =机内码(处理码)（80H=10000000）从上可见，机内码

10、(处理码)8080H，请理解记住！ 应用测试题：根据下面图示，你能判断有几个机内码？几个ASCII码？4、小结区位码、国标码和机内码之间的关系？(1)、汉字的国标码区位码、和机内码是汉字信息交换码的三种形式；国际码=区位码（16进制）+2020H机内码=国际码+8080H (2)、汉字的机内码(处理码)是国标码在计算机里经过处理（避免和ASCIl码冲突）后的表示; 三、 汉字的外码、字形码概念：P71、汉字的外码：（1）、计算机对文字处理首先要解决汉字输入问题。汉字输入法有上千种，常见的汉字输入法有十几种，每种输入法的编码（外码）不同，但对应的机内码是同一个，如： 电电拼音输入法：“电”的编码

11、（外码）是：“dian”；->机内码: 1011010111100111；电五笔字型输入法： “电”的编码（外码）是：“jnv”；->机内码: 1011010111100111； 从上例可以看出，所谓外码就是输入汉字时使用的编码，跟特定输入法对应，一个汉字的机内码是唯一的，可对应多个外码。（2）、输入法的编码（外码）的分类为：a、音码：（如：拼音输入法）b、形码：（如：五笔字型输入法）c、音、形码：（如：表形码输入法）2、汉字的字形码：（汉字的输出码）为了汉字的输出显示和打印，需要描述汉字的字形，汉字字形通常有两种表示方式：矢量方式(线段和短弧组成) 和点阵方式。这种对汉字字形的编

12、码，称为汉字的字形码。汉至于矢量图和点阵图的特点，我们以后会讨论的。课本P8图l 24表示了汉字输入码、处理码，交换码、字形码之间关系:国标码GB2312或区位码如：拼音码、五笔字型码等点阵方式和矢量方式显示电1011010111100111四、作业：（可从“网络”服务器上下载本讲稿）1、 仔细研究本讲稿，记录有关内容到课本；2、 已知字母“A”的ASCII码（1000001）的十进制数是：65,请写出字母“D”的ASCII码的十进制数是多少？（不能查ASCII码表）3、 UltraEdit文本编辑软件来查看字符和汉字（如：你的姓名、英文名字母、学号）的十六进制码内码；(UltraEdit注册

13、码: Name: Boedha s/n: TKSRSLIP50490511)4、机内码的概念？理解国标码（区位码）和机内码之间的关系；5、理解汉字外码、交换码(国标码)、机内码（处理码）、字形码概念；6、试用一种拼音输入法输入汉字，分别用半角全角方式输入：数字（英文字母、其它符号），看看显示结果的不同。（演示？）7、水平考试题用UhraEdit 软件观察字符内码，结果如下图所示。则图中内码表示的字符可能是（A）12个 ASCII 字符 （B）6个 ASCII 字符和 6 个 GB2312 字符（C）6 个 GB2312 字符 （D）6个 ASCII 字符和 3个 GB2312 字符8、水平考试

14、题：字符“1+1=2”的十六进制内码如下图所示：把讲稿发到家里，完成上面作业和练习，把答案写在一张纸上，写上班级、学号、姓名，下节课（给课代表）交上。2016-10-14附录：一个汉字交换码的第三种形式的关系（差一个常数）1、区位码+2020H = 国标码；例：查的“啊”的区位码是：1601D（D表示前面数是十进制数），16D=10H，01D=01H，（因为是2个字节合成的，所以分2段分别转换），所以“啊”的区位码十六进制表示是：1001H；所以，“啊”的国标码=一个汉字的区位码+2020H =1001H+2020H=3021H；2、国标码+ 8080H = 机内码(处理码)，所以“啊”16进

15、制机内码为：3021H + 8080H = B0A1 H用UltraEdit文本编辑软件验证“啊”的机内码(处理码)；3、如果你还不理解为什么国标码+ 8080H = 机内码(处理码)的关系，请再次看下面解释： “啊”的国标码二进制表示是：0011000000100001；但上面2个字节可分别表示2个ASCII码： 00110000=48D“0” 00100001=33D-à“!”;所以，0011000000100001也可表示：“0!”,为避免这样的不确定性，我们把“啊”的国标码二进制表示：0011000000100001,输入到计算机里时，在2个字节的最高位分别加1：101100