汉字编码及显示原理总结

汉字      显示           原理

一·显示过程：

键盘敲击      产生     > 外码       转换   >机内码      查   找   >字库（输出码）      显示     >屏幕

①外码

汉字输入码（外码）是指用户从键盘上键入汉字时所使用的汉字编码。

例如：

数字编码：区位码；

拼音编码：全拼、双拼、微软拼音输入法、自然码、智能ABC、搜狗等

字形编码：五笔、表形码、郑码输入法等。

②汉字机内码 ：

汉字机内码，又称“汉字ASCII码”，简称“内码”，指计算机内部存储，处理加工

和传输汉字时所用的由0和1符号组成的代码。外码到汉字机内码不是直接转换

的 如汉字区位码转换位汉字机内码 ：区位码先转换为国标码（GB2312） 

（其实国标码就是十六进制的区位码） 汉字机内码=国标码＋8080H  ;
我认为国标码就相当于一种中间码，为什么国标码要加8080H才是汉字机内码呢？

这个是为了兼容 ASCII 码而设定的，我们知道 ASCII 码一共有 127 个，也就是从

0x00~0x77F[ASCII的最高位都为0]。加上0x80是为了使得每个字节的最高位为1,

这样就可以在内存中区分汉字和ASCII了。

③字库（输出码）

字库（输出码）：文字在 屏幕 上面显示，其实也就是在一定范围内显示一些点，

不显示一

些点，从而构成一个文字显示出来，而我们的字库其实也就是存储这些文字的点阵

数据 。国标码对应的 点阵数据存储的顺序就是按照区位码顺序存储的：所有的国

标码汉字及符

号组成一个94行94列的二维代码表（字库）。在此方阵中，每一行称为一个"区"，

每一列称为一个"位"。这个方阵实际上组成一个有94个区（编号由01到94），每个

区有94个位（编号由01到94）的汉字字符集。每个字节分别用两位十进制编码，前

字节的编码称为区码，后字节的编码称为位码，此即区位码，其中，高两位为区号，

低两位为位号。这样区位码可以唯一地确定某一汉字或字符；反之，任何一个汉字

或符号都对应一个唯一的区位码。（国标码并不等于区位码，它是由区位码稍作转

换得到,其转换方法为：先将十进制区码和位码转换为十六进制的区码和位码）

二·其他：

①汉字编码有好多种除了GB2312（国标码），还有GBK，BIG5，UNICODE等，

② 对于国标码原则上，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。故每个字节只能有94个编码，所以双七位实际能够表示的字数是：94×94=8836个，

为国际字符集编码标准只和ASCII编码兼容。GB2312一共收录了7445个字符，包括6763个

汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位

是72*94=6768。其中有5个空位是D7FA-D7FE。GB2312支持的汉字太少。1995年的汉字

扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个

字符。2000年的GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字，

同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。

  ③Unicode也是一种字符编码方法，不过它是由国际组织设计，可以容纳全世界所有语言

文字的编码方案。

④BIG5是繁体字的编码