近日在学习ＩＣＴＣＬＡＳ中文分词系统，看到关于词典组织部分：将词典
分成６７６８个大数据快，不是很明白所以查找了《
信息交换用汉字编码字符集
》，现将自己看到的结果整理如 下：
（１）ＧＢ２３１２ 共收录６７６３个汉字和非汉字图形字符６８２个．
（２）采用区位码进行汉字分类（９４区×９４位）
（３）如何分区：
01-09区为特殊符号。
10-15区及88-94区则未有编码。
（４）字节结构
大家都知道一个汉字有由个字节组成
第一个字节（高位节）是：
0xA1-0xF7（把01-87区的区号加上0xA0）第二个字节（低位节）：0xA1-0xFE（把01-94加 上 0xA0）
如：啊＝
0xB0（第一个字节（１６＋０ＸＡ０））0xA1（第二个字节０ｘＡ０＋１）
307
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
