【C语言】GB2312-80区位码显示

最新推荐文章于 2024-05-29 16:19:04 发布

PINK Coder⊙.⊙

最新推荐文章于 2024-05-29 16:19:04 发布

阅读量397

点赞数

分类专栏： C语言文章标签： c语言开发语言

本文链接：https://blog.csdn.net/ONE_TEA/article/details/132777728

版权

C语言专栏收录该内容

1 篇文章 0 订阅

订阅专栏

博主的在写作业遇到的题，把相关内容整理如下：

题目

每个汉字的图形都由 16×16 的点阵组成，如汉字“福”的点阵图形如下：

每个像素用 1 个二进制位来表示：1 表示像素是亮的，0 表示像素是不亮的。每个汉字由 16×16 = 256 个二进制位，即 32 个字节组成。

HZK16.DAT 是汉字点阵图形文件，其中包括 GB2312-80 的全部汉字图形，按汉字的区位码顺序存储。

请点击链接 HZK16.DAT 下载该文件。

请编写函数，显示汉字的图形。

函数原型

void ShowImage(unsigned char high, unsigned char low, FILE *in);

说明：参数 high 和 low 分别为汉字内码的高字节和低字节，in 是指示汉字图形库文件的指针。

该函数用“■”表示汉字点阵中点亮的像素，用“□”表示不亮的像素。

裁判程序

下面的程序输入汉字，输出该汉字的点阵图形。

int main()
{
    unsigned char high, low;
    FILE *in;
    scanf(" %c%c", &high, &low);
    in = fopen("HZK16.DAT", "rb");
    if (!in)
    {
        puts("File can not open!");
        exit(1);
    }
    ShowImage(high, low, in);
    if (fclose(in))
    {
        puts("File can not close!");
        exit(1);
    }
    return 0;
}

/* 你提交的代码将被嵌在这里 */

输入样例

福

汉字编码

1、区位码

　　为了使每一个汉字有一个全国统一的代码，1980年，我国颁布了第一个汉字编码的国家标准： GB2312-80《信息交换用汉字编码字符集》基本集，这个字符集是我国中文信息处理技术的发展基础，也是目前国内所有汉字系统的统一标准。

　　所有的国标汉字与符号组成一个94×94的矩阵。在此方阵中,每一行称为一个"区",每一列称为一个"位",因此,这个方阵实际上组成了一个有94个区(区号分别为0 1到94)、每个区内有94个位(位号分别为01到94)的汉字字符集。一个汉字所在的区号和位号简单地组合在一起就构成了该汉字的"区位码"。在汉字的区位码中，高两位为区号，低两位为位号。

GB2312字符集中：

01~09区(682个)：特殊符号、数字、英文字符、制表符等，包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母等在内的682个全角字符；
10~15区：空区，留待扩展；
16~55区(3755个)：常用汉字(一级汉字)，按拼音排序；
56~87区(3008个)：非常用汉字(二级汉字)，按部首次序排列)；
88~94区：空区，留待扩展。

需要注意的是：区位码通常都是用十进制表示的。

例如：比如“万”字在45区82位，所以“万”字的区位码是：45 82 (45高位字节，82为低位字节)

2、国标码

国家标准代码，简称国标码，是中华人民共和国的中文常用汉字编码集。国家标准强制标准冠以“GB”。

现时中华人民共和国官方强制使用GB 18030标准，但较旧的计算机仍然使用GB 2312。

国标码 = 区位码（16进制化--区码和位码分别进行16进制转化）+2020H

3、机内码

　　计算机只识别由0、1组成的代码，ASCII码是英文信息处理的标准编码，汉字信息处理也必须有一个统一的标准编码。汉字交换码（国标码）主要用于汉字信息交换，我国国家标准局于1981年5月颁布了《信息交换用汉字编码字符集——基本集》，代号为GB2312-80，共对6763个汉字和682个图形字符进行了编码。

　　其编码原则为：汉字用两个字节表示，原则上，两个字节可以表示 256×256=65536 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128×128=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：94×94=8836个。

机内码 = 国标码 + 8080H
机内码 = 区位码(16进制化--区码和位码分别进行16进制转化) + a0a0H

4、相互转换

内码转换为区位码

区位码：区码=内码高字节-0xa0

位码=内码低字节-0xa0

例如：“国”内码为：0xb9,0xfa

　　　　　16进制表示的区位码：0x19,0x5a

其区位码（默认为10进制）：2590

区位码转换为内码

内码：内码高字节=区码+0xa0

内码低字节=位码+0xa0

例如：“海”区位码为：2603

　　　　　　 16进制表示的区位码：0x1a,0x03

　　　　其内码(默认为16进制)：0xba,0xa3

5、字模

汉字在显示的时候，是以点阵的形式显示出来的，常见到的有16*16点阵、24*24点阵、32*32点阵。比如说“啊”的16*16点阵字模如下，共256Bits，占用32 Bytes：

0x00,0x00,0xf7,0x7e,0x95,0x04,0x95,0x04,0x96,0x74,0x96,0x54,0x95,0x54,0x95,0x54,
0x95,0x54,0xf5,0x54,0x97,0x74,0x04,0x04,0x04,0x04,0x05,0x04,0x04,0x14,0x04,0x08

　字模显示的时候，以两个字节表示一行像素点，16行就构成了一个完整的字模。屏幕在显示的时候，1显示为亮色，0显示为背景色，这样就能把字体显示出来。用Ｃ测试程序，把１的地方显示为“*”，0的地方显示为空，效果如下：

6、字库

　　字库，就是所有汉字字模的集合。显然，在编排这些字模的时候需要一定的顺序（规则），而这个规则就是“机内码”。根据机内码的汉字布局，将对应的汉字字模进行整合，形成字库文件。在使用的时候，应用程序根据汉字的机内码，从字库中找到对应的存储位置，取出字模，进行显示。机内码就是汉字在字库中的索引。

　　在区位码中，01-09区为682个特殊字符，16~87区为汉字区，有效汉字6768个。在制作字库的时候把特殊字符删除，只使用有效汉字区。也就是说我们从第16区的第1位开始进行字模收集，当第16区收集结束，紧接着收集第17区，直到第87区编排结束。总共收集6768个汉字，占用空间216576 Bytes。

☆ 机内码与字库偏移量

  偏移量 = ((机内码高字节-0xb0)*94+机内码低字节-0xa1)*32

以上内容摘自汉字编码与汉字显示 - amanlikethis - 博客园 (cnblogs.com)

题解

☆ 机内码与字库的绝对偏移量

  绝对偏移量 = ((机内码高字节-0xa1)*94+机内码低字节-0xa1)*32

这个公式就是题解的核心

详细分析

定义一个绝对偏移量，绝对偏移量是与字库第一个符号的偏移量，所以减去的是 0xa1 （事实上在字库中，第一个出现汉字的区码为 0xb0），所以高位字节（区码）减去初始的区码，就是偏移多少的区，一个区占有94个位，加上位码的偏移量，就等于相较于文件开头的位置，而每个符号是通过字模（16*16二进制点阵）储存，也就是说吗，每个符号就需要256个二进制数来储存，换算成32个字节，所以最后算出来的结果就是相对于文件开头的字节数。

为了方便理解，这里给出一个字库表的链接可以直观的看出储存情况：

GB2312 字库表_gb2312字库表_D_SEngineer的博客-CSDN博客

PTA上给的文件打开就是一团乱码，尝试了各种编码转换的方式，都没有成功（恼）

现在只要我们输入的汉字转化成两个十六进制数（高位字节和低位字节）。这样通过公式我们就找到了目标文字的在文件的字节数

通过fseek函数使用偏移量找到文件中该字节的位置，然后通过for循环读取32个字节，对32个字节中每一位进行遍历01判断，然后打印。

C 库函数 int fseek(FILE *stream, long int offset, int whence) 设置流 stream 的文件位置为给定的偏移 offset，参数 offset 意味着从给定的 whence 位置查找的字节数。
int fseek(FILE *stream, long int offset, int whence)
stream -- 这是指向 FILE 对象的指针，该 FILE 对象标识了流。
offset -- 这是相对 whence 的偏移量，以字节为单位。
whence -- 这是表示开始添加偏移 offset 的位置。它一般指定为下列常量之一：

常量描述
SEEK_SET 文件的开头
SEEK_CUR 文件指针的当前位置
SEEK_END 文件的末尾

返回值：如果成功，则该函数返回零，否则返回非零值。

常量	描述
SEEK_SET	文件的开头
SEEK_CUR	文件指针的当前位置
SEEK_END	文件的末尾

其中要判断每个byte中的每个bit，我们运用位操作：

if (buffer[i] & 0x80)

&位与运算表示两个二进制数每一位取与得到一个新的数

由于0x80二进制为1000 0000 所以除了第一位其他位的结果为0，所以通过第一位是否为零的两种情况就转化为了1000 0000和0000 0000 两个数，逻辑判断0为否，非0为是。

通过位移运算把每个bit都遍历判断一遍：

     buffer[i] <<= 1;

最后打印点阵的时候注意换行。

完整代码

void ShowImage(unsigned char high, unsigned char low, FILE *in)
{
    int i,j;
    unsigned char buffer[32];                            //存储一个汉字所用的32个字节
    long int offset;
    offset = ((high - 0xa1) * 94 + (low - 0xa1)) * 32;   //计算绝对偏移地址
    fseek(in,offset,SEEK_SET);                           //根据偏移寻找到该字字模的第一个字节
    for (i = 0; i < 32; ++i)                             //连续读取32个字节
    {       
        buffer[i] = fgetc(in);
    }
    for (i = 0; i < 32; ++i)                             //将32个字节顺序打印
    {       
        for (j = 0; j < 8; ++j) 
        {
            if (buffer[i] & 0x80)                        //& 按位与 用来判断buffer[i]的最高位是否为1
            {
                printf("■");
            }
            else
            {
                printf("□");
            }
            buffer[i] <<= 1;
        }
        if (i % 2)
        {
            printf("\n");                                //如果i%2==1说明该字节是靠后的那个字节，显示完后要换行
        }
    }
}

学习知识点总结

汉字区位码机内码原理及转化
fseek文件操作函数
如何通过位操作&按bit比较

代码参考：6-1 *显示汉字点阵图形(标准版) (15 分)_蛋奶土豆泥的博客-CSDN博客

PINK Coder⊙.⊙

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
1
评论
【C语言】GB2312-80区位码显示

每个汉字的图形都由 16×16 的点阵组成，如汉字“福”的点阵图形如下：每个像素用 1 个二进制位来表示：1 表示像素是亮的，0 表示像素是不亮的。每个汉字由 16×16 = 256 个二进制位，即 32 个字节组成。
复制链接

扫一扫