西文字符在计算机内使用占有1个字节的ASCII码表示。同样每个汉字都需要进行编码,计算机才能处理它们。计算机处理汉字的过程实际上是汉字输入码、汉字信息交换码、汉字机内码、汉字输出码等编码间的转换过程。下面对这些编码做一些介绍,仅仅起抛砖引玉的作用。
一、输入码(外码)
1、输入码也叫外码、输入法编码,是用来将汉字输入到计算机中的一组键盘符号,是作为汉字输入用的编码。
英文字母只有26个,可以把所有的字符都放到键盘上,而使用这种办法把所有的汉字都放到键盘上,是不可能的。所以汉字系统需要有自己的输入码体系,使汉字与键盘能建立对应关系。
2、目前常用的外码分为以下几类:
1)数字编码,比如区位码;
2)拼音编码,比如全拼、双拼、自然码等;
3)字形编码,比如五笔、表形码、郑码等。
二、区位码
整个GB2312字符集分成94个区,每区有94个位,每个区位上只有一个字符,即每区含有94个汉字或符号,用所在的区和位来对字符进行编码(实际上就是字符编号、码点编号),因此称为区位码。
换言之,GB2312将包括汉字在内的所有字符编入一个94 * 94的二维表,行就是“区”、列就是“位”,每个字符由区、位唯一定位,其对应的区、位编号合并就是区位码。比如“中”字在54区48位,所以“中”字的区位码是:5448
注意,GB类汉字编码为双字节编码,因此,45相当于高位字节,82相当于低位字节
三、国标码(交换码)
虽然GB2312为中文编码,我们也要使用到英文字母等字符ÿ