编码转换01: 编码集和计算机字符显示

编码转换

 

编码转换... 1

1. 编码转换1: 编码集和计算机字符显示... 1

2. 编码转换2:计算机字符显示... 2

 

 

1. 编码转换1: 编码集和计算机字符显示

如同我们所知，计算机采用高低电平分别表示二进制码1和0。为了表示多于两种的符号，需要采用多位二进制码表示一个符号，由多位二进制表示的一系列符号的集合，称为的编码集。国内最常见的编码集有ASCII、GB2312、GBK、GB13000、GB18030等。

ASCII (American Standard Code For Information Interchange, 美国信息交换标准码)。ASCII是基于拉丁字母的一套编码系统，等同于国际标准ISO/IEC646，用7位二进制码表示一个字符，从0x00~0x7F(bin:0000000~1111111)共定义了128个字符，其中0x00~0x1F和0x7F表示的33个字符是控制字符(非显示字符)，其他95个字符(0x20~0x7E)是可显示字符(包括空格符0x20)。在存储上，一般用8位表示一个ASCII字符，最高位置0，因此其值等同于7位表示。

GB2312(GB2312-80,GB0,信息交换用汉字编码字符集∙基本集)。GB2312是中国国家标准总局发布的一套编码系统，共收录7445个字符，包括682个全形字符和6763个汉字。其所收录的汉字覆盖中国大陆99.75%的使用频率。GB2312不能处理人名、古汉语方面出现的罕见字符，因此后来出现了GBK和GB18030编码集。GB2312对符号进行区位处理，共分94区，每区94位。任意区号和位号确定唯一字符，很明显，94*94共可表示8836个字符，除去7445已使用的位置，其他留空。94区中，01~09区为特殊符号；16~55区位一级汉字，按拼音排序；56~87区为二级汉字，按部首、笔画排序；10~15区及88~94区留空。需要注意的是，区位的初始值都是1，和C语言中索引从0开始有差别。在存储上，GB2312采用EUC(Extended Unix Code,按照8位编码表示字符的方法)存储以便兼容于ASCII，其编码具体方式是：采用两个字节存储一个汉字，高字节对应区，低字节对应位，对区和位索引分别加上0xA0便是编码值，因此GB2312的编码范围是0xA1A1~0xF7FE(不包括0x**7F)。例如汉字“闫”的区位索引是0x4326，分别加上0xA0，编码值是0xE3C6；同理，汉字“啊”的区位码0x1601，编码值是0xB0A1。对于加上0xA0的原因，是因为以下两个原因：首先需要绕开控制字符，因此每个字符加0x20，其次，需要和ASCII兼容，因此最高位置1，等于加0x80(2^7=128=0x80)；因此每个字符在其区位索引上加0xA0。

GBK(汉字内码扩展规范, K即扩展,英文名Chinese Internal Code Specification)，WIKI上说，GBK并非国家标准，是GB2312和GB13000的过度方案，最初由微软对GB2312扩展而来，向下兼容GB2312。虽然GBK收录了Unicode1.1和GB13000中的汉字，但其编码方式并不兼容。至于编码，仍然采用双字节编码方式，高字节从0x81~0xF7，低字节值0x40~0xFE(不包括0x7F)，因此GBK的编码空间为24066。GBK共收录了21886个字母，空闲2054个码位，全部被映射到Unicode的PUA区。

GB13000(GB-13000.1-93,信息技术-通用多八位编码字符集(UCS)第一部分：体系结构与基本多文种平面)，等同采用ISO/IEC 10646.1:1993。收集汉字20902个。很遗憾，我没找到资料表明该编码集历史上曾在何处用到。当前，国家标准是GB18030。

GB18030(GB19030-2005,信息技术 中文编码字符集)。最新国家标准，与GB2312完全兼容，与GBK基本兼容(除去GBK的PUA映射部分则完全兼容)，支持GB13000与Unicode的全部统一汉字，共收录汉字70244个。GB18030采用多字节编码，有一、二、四字节三种。单字节值0x00~0x7F；双字节值高字节从0x81~0xFE，低字节值0x40~0xFE(不包括0x7F)；四字节值最高字节值0x81~0xFE，高字节值0x30~0x39，低字节值0x81~0xFE，最低字节值0x30~0x39。编码空间达到一百六十多万(1611668个)。

2. 编码转换2:计算机字符显示

以上我们所描述编码集即为内码。计算机为了显示字符，必须将内码映射为字模。字模是字符的位掩码表示方法。例如16*16的矩阵字模，每个字符字模通过16*16=256bits=32bytes来表示。如下汉字“国”的矩阵图：

 (插入图片？？？？？？？？？？？！！！！！！！太复杂了)

二进制表示如下：

array[16][16]={

            0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0，

            0,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0，

/* array[2]~array[14] escaped here */

…

            0,1,0,0,0,0,0,0,0,0,0,0,0,1,0,0

};

把任意某种编码集所表示的全部字符的点阵表示按照规定顺序存放，构成点阵字库。而字符的显示过程，则是字模创建的逆过程：字模每位代表显示器上的一个像素点（对于1024*768分辨率的显示器，则有1024*768个像素点），按照字模的二维顺序投影到显示器上，则是字符。