第5章数字媒体及应用
一.西文字符的编码——ASCII
(一ASCII=美国标准信息交换码
(二标准ASCII:
采用7个二进位进行编码
共有128个字符,包含96个可打印字符(常用字母、数字、标点符号等和32个控 制字符
(三基本ASCII与扩展ASCII的比较:
基本ASCII扩展ASCII
相同用一个字节(8b存放
不同点高位为“0”高位为“1”
(四常见字符的ASCII码对照表:
字符十进制大小顺序
回车符(控制字符13
空格(控制字符32
数字0~948~57
大写字母A~Z65~90
小写字母a~z97~122
二.汉字的编码
(一GB2312
1981年我国颁布了第一个汉字编码国家标准GB2312—80(6763个汉字
组成:
第一部分:字母、数字和各种符号
第二部分:一级常用汉字(共3755个,按汉语拼音排列
第三部分:二级常用汉字(共3008个,按偏旁部首排列
3.具体实现:
区位码:GB2312国标字符集构成一个二维平面,它分成94行(行号称为区号、94列 (列号称为位号。每个汉字的区号和位号分别用1个字节来表示。
国标交换码:每个汉字的区号和位号分别加上32D。
机内码(内码:把一个汉字看作两个扩展ASCII码,在国标交换码的基础上使两个 字节的最高位
都等于“1”,即分别加上128D
区位码、国标码、机内码的关系
4.特点:早、小、双、简
(二GBK
1995年发布
共有21003个汉字和883个图形符号
支持繁体字,包含了中、日、韩认同的全部CJK汉字;
双字节编码
向下兼容GB2312-80
(三GB18030
2000年发布
产生原因:保护我国已有的大量信息资源,既能与UCS/Unicode编码标准接轨, 又能向下兼容GB2312
和GBK汉字编码标准
备注:UCS/Unicode:Windows、UNIX、Linux操作系统和许多最新的软件标准都 在使用UCS/Unicode。
共有27000多个汉字(收录字符最多
不等长编码
(四BIG5:台湾地区的字符编码,不支持简体中文,与GB2312等大陆标准不兼容 (五GB2312、GBK、GB18030、UCS/Unicode的比较
GB2312GBK UCS/Unicode GB18030
出现时间1981年1995年2000年
意义最早首次支持繁体能实现全球所有不
同语言文字统一编
码的国际编码标准
支持汉字数目最多
汉字数目6763个21003个2万多汉字27484个支持繁体否是是
包含CJK否是是是
编码方式双字节双字节
不等长编码
1B、2B、3B
不等长编码
1B、2B、4B
兼容性向下兼容GB2312不兼容向下兼容GB2312和GBK 与UCS/Unicode接轨 三.文本的准备(输入
文本信息输入
人工输入
自动识别输入
键盘输入
联机手写输入
语音输入
印刷体识别
手写体识别
(一汉字的键盘输入编码(即汉字的外部码
1.要求:易学、易记、效率高、重码少、容量大
分类:数字编码、字音编码(字音编码、字形编码(五笔字形、形音编码
注意:用不同的输入编码方法输入同一个汉字,其内码是一样的。
(二联机手写汉字识别——笔输入设备
(三印刷体汉字识别输入——扫描仪、OCR
四.文本的分类
(一按是否具有编辑排版格式分:
1.简单文本
又称为纯文本、ASCII文本,其文件的后缀为“.txt”(文本文件
定义:由一连串用于表达正文内容的字符的编码组成,几乎不包含任何其他的 格式信息和结构信息
特点:没有字体、字号的变化,不能插入图片、表格、超链接
2.丰富格式文本
在简单文本中增加格式控制和结构说明信息
标记:用来说明文本的版面结构、内容组织、文字的外貌属性等
组成:正文+标记
标记语言:
普通:RTF
网页:HTML(超文本标记语言、XML(可扩展的标记语言
5不同的文字处理软件使用的标记语言不同,Word无法打开“*.pdf”文件
(二按文本内容的组织方式分:
线性文本
超文本
采用网状结构组织信息
可以通过导航、跳转、回溯等操作,实现对文本内容更为方便的访问 3典型代表:Windows中的“帮助”文件(“*.hlp”文件
(三按文本内容是否变化和如何变化分:
静态文本:每次访问相同结果
动态文本:文档内容变化(天气查询
主动文本:持续更新显示文档内容(股票行情查询
五.文本的编辑、排版与处理
(一文本的编辑、排版
文本编辑软件“所见即所得”(WYSIWYG
解决文本的外观问题:
使文本正确、清晰、美观
例如:添加页眉和页脚、设置字体和字号、设置行间距,首行缩进 3.常用排版软件:PDF Writer、PageMaker、方正飞腾
(二文本处理
1.对文本中所含文字信息的形音义等进行分析和处理
2.例如