文计笔记 4 字符编码与数制

0 计算机为什么采用二进制？

1)易于物理实现    

电路的导通(1)与截至(0);

电压的高(1)与低(0)

2)机器可靠性高    

3)抗干扰能力强

4)运算简单 能胜任数值运算，也可方便进行逻辑运算

1   真  True;        

0   假  False

1 二进制

1.1 二进制补码

正数：直接二进制转换

负数：取反加一

1.2 十进制小数转二进制

1.2.1 推广到X进制

2 字符的编码

2.1 ASCII

ASCII（American Standard Code for Information Interchange）美国国家标准信息交换码，现已成为国际通用的字符标准代码。

标准ASCII 码采用7位二进制进行编码，最多可以表示 2^7＝128 个字符和符号。每个字符和符号用1个字节来表示，字节的最高位为0。

2.1.1 扩展ASCII

标准ASCII 码最多只能表示 128个字符和符号。扩展 ASCII 码采用 8 位二进制数，可对 256 个字母及符号进行编码。

0~127 与标准 ASCII 码相同，128~255 用来表示希腊字母（如ā、ë）、数学符号（如≥、∑）等。

2.2 汉字的编码

ASCII编码很好地解决了英文等语言的字符问题，但是对汉语却没有解决。汉字有上万个，常用的也有几千个， 8位(256)或者7位(128)的编码空间远远不能满足需要。因此在计算机中表示汉字，需要采用另外的编码方案。

2.2.1 GB码

国标码(GB2312)是指我国于1981年公布的国家标准《信息交换用汉字编码字符集－基本集》。

其中包含了6763个汉字，分作两级。

一级为常用字，包括3755个汉字，按汉语拼音字母的顺序排列；

二级汉字共 3008 个，按汉字部首笔划的顺序排列。

每个汉字用两个字节的二进制数编码，每个字节的最高位为1，其余7位作为编码使用，理论上最多可编码2^14=16384个字符。

2.2.2 GBK

采用双字节编码，仅要求汉字第一个字节的最高位为1，理论上最多可编码2^15个字符，共收录汉字21886个。

2.2.3 GB18030

采用单字节、双字节和四字节三种方式对字符编码，包含了多种少数民族语言的文字。

GB、 GBK、GB18030是向下兼容的，同一个符号在三种方案中的编码方式是相同的。

2.2.4 BIG-5码（繁体字）

台湾于1984年提出的汉字编码方案，通行于台湾、香港、澳门、新加坡等地区。

BIG-5 和 GB 码是不兼容的，需要经过编码转换。

2.3 Unicode

为满足跨语言信息处理的需要，解决不同语言不同编码标准的鸿沟。

Unicode 为每种语言的每个字符设定一个统一并且惟一的编码，以统一高效地处理世界上的各种语言。

常用的Unicode 编码规范是 UTF-8 和 UTF-16

3 字符的输出

每个字符必须表示为二进制代码并存储在计算机内的字形库中，这称为字形码

3.1 点阵式字形

将字形描述为点的矩阵，点有黑白两色，用不同的二进制位来表示。放大时呈锯齿状。

3.2 矢量字形

用多条直线或曲线描述字形的轮廓。计算机中常用的是矢量字形。