GB2312编码下全角转半角的Python实现

运行环境

• python3.7

---

实现思路：

gb2312在文件中的二进制使用的机内码，这里需要区分一下区位码和机内码（这里忽略了国标码的介绍，感兴趣的可以去百度一下）。

• 区位码是gb2312表上每一个字符对应的位置的编码,gb2312将字符集分成了94个区,一个区内又有94个字符,区内码=区号(2位) 区内位置(2位)。
• 机内码则是gb2312在机器内的表示,机内码=区位码+0xA0A0H。

由此我们也可以知道gb2312的编码范围为0xA1A1-0xFEFE

因此接下的事情就是每两个字符判断一下它们的取值范围，如果满足则说明是gb2312编码

这里再说一下全角字符和半角字符的区别，在gb2312中，全角字符占2个字节，而半角字符只占1个字节，对于第三区位的字符来说，半角字符的值=全角字符的第二个字节-0x80H。至于为什么是减掉80H，是因为为了兼容原先的ASCII码，ASCII的范围为0～127（十进制），因此减掉80H的半角字符即为对应的ASCII编码值。

第三区位的区位表

下面是实现的代码,这里注意的是转化的全角仅仅包括字母和数字，下面的代码仅适用于编码为gb2312的文件。

def f2b(contents: bytes):
    r = bytearray()
    skip = False
    for i in range(len(contents) - 1):
        if skip:
            skip = False
            continue
        t1 = contents[i]
        t2 = contents[i + 1]
        skip = True
        # 两个字节都添加，则要跳过下一个字节
        if t1 == 0xA3 and (0xB0 <= t2 <= 0xB9 or 0xC1 <= t2 <= 0xDA or 0xE1 <= t2 <= 0xFA):
            r.append(t2 - 0x80)
        # 空格
        elif 0xA1 == t1 and 0xA1 == t2:
            r.append(0x20)
        # 忽略ascii
        elif t1 <= 127:
            r.append(t1)
            skip = False
        else:
            r.append(t1)
            r.append(t2)
    # 补充末尾，如果最后没有跳过字符的话
    if not skip:
        r.append(contents[-1])
    return r