关于GB2312中文字符集及字符编码

 

GB2312 字符集 

 

 1．名称的由来 

 

GB2312又称为GB2312-80字符集，全称为《信息交换用汉字编码字符集·基本集》，由原中国国家标准总局发布，1981年5月1日实施。 

 

2．特点 

 

GB2312是中国国家标准的简体中文字符集。它所收录的汉字已经覆盖99.75%的使用频率，基本满足了汉字的计算机处理需要。在中国大陆和新加坡获广泛使用。 

 

3．包含内容 

 

GB2312收录简化汉字及一般符号、序号、数字、拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母，共7445 个图形字符。其中包括6763个汉字，其中一级汉字3755个，二级汉字3008个；包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。  

 

4．技术特征 

 

（1）分区表示： 

GB2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。 

各区包含的字符如下：01-09区为特殊符号；16-55区为一级汉字，按拼音排序；56-87区为二级汉字，按部首/笔画排序；10-15区及88-94区则未有编码。 

 

（2）双字节表示 

两个字节中前面的字节为第一字节，后面的字节为第二字节。习惯上称第一字节为“高字节” ，而称第二字节为“低字节”。“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上0xA0)。 

 

5．编码举例 

 

以GB2312字符集的第一个汉字“啊”字为例，它的区号16，位号01，则区位码是1601，在大多数计算机程序中，高字节和低字节分别加0xA0得到程序的汉字处理编码0xB0A1。计算公式是：0xB0=0xA0+16, 0xA1=0xA0+1。 

 

 

 

6. 常见应用

（1）判断给定16位字符(FontCode)是否是中文字符

1. 首先获取高位字节和地位字节编码：

bHighByte = (uint8)((FontCode & 0xFF00) >> 8); bLowByte = (uint8)(FontCode & 0x00FF); 

2. 判断高位字节字符是否在中文字符范围：

(((bHighByte > 0xA0) && (bHighByte < 0xAA)) || ((bHighByte > 0xAF) && (bHighByte < 0xF8)))  

  如果以上条件满足，则为中文字符，例如0xB0A1是中文字符。

 

（2）假设知道中文字符的若干信息，如中文字符首地址和字符宽高，可获取指定字符（FontCode）在字符集中的地址和具体数据。

typedef struct CHNFont { unsigned char* pfAddr; ulong lfHeight; ulong lfWidth; } 代码如下： bool GetCHNFontData(uint8 bHbyte, uint8 bLbyte, uint8* pFontbuf) { bool ret = false; uint16 position; uint32 dwByteNum; uint32 dwSize; uint8* ptrAddr = NULL; /*属于中文字符*/ if (((bHighByte > 0xA0) && (bHighByte < 0xAA)) || ((bHighByte > 0xAF) && (bHighByte < 0xF8))) { ret = true; if (NULL != CHNfont.pfAddr) { /*获取一个中文字符单位宽度的字节数*/ dwByteNum = CHNfont.lfWidth / 8; if (CHNfont.lfWidth % 8) { dwByteNum++; } /*获取一个中文字符所需字节数*/ dwSize = dwByteNum * CHNfont.lfHeight; /*获取指定字符距离字符首地址在字符上的偏移量*/ if (bHbyte < 0xAA) /*01-09区，既A1-A9*/ { /*94表明一个分区有94个字符*/ position = (bHbyte - 0xA1) * 94 + (bLbyte - 0xA1); } else /*16-87区，既B0-F7*/ { /*bHbyte - 0xA7 表明AA到AF没有使用*/ position = (bHbyte - 0xA7) * 94 + (bLbyte - 0xA1); } /*获取指定字符距离字符首地址在字节上的偏移量*/ ptrAddr = CHNfont.pfAddr + dwSize * position; /*拷贝一个中文字符大小的内存*/ memcpy(pFontbuf, ptrAddr, dwSize); } } return ret; }

 

 

注：

以上部门内容参考：http://info.codepub.com/2006/10/info-9365.html