| 導購 | 订阅 | 在线投稿
分享
 
 
 

C程序實現漢字內碼與GB碼

來源:互聯網  2008-06-01 02:06:33  評論

// HZEncode.cpp : Defines the entry point for the console application.

//

/*

參考文獻:

漢字的編碼和表示

1)漢字交換碼(國標碼) 漢字交換碼(國標碼)主要用于漢字信息交換。

國標碼:以國家標准局1980年頒布的《信息交換用漢字編碼字符集"基本集》(代號爲GB2312 80)規定的漢字交換碼作爲國家標准漢字編碼。 GB2312 80中共有7445個字符符號: 漢字符號6763個 一級漢字3755個(按漢語拼音字母順序排列) 二級漢字3008個(按部首筆劃順序排列) 非漢字符號682個 GB2312 80規定,所有的國標碼漢字及符號組成一個94 94的方陣。在此方陣中,每一行稱爲一個"區",每一列稱爲一個"位"。這個方陣實際上組成一個有94個區(編號由01到94),每個區有94個位(編號由01到94)的漢字字符集。 一個漢字所在的區號和位號的組合就構成了該漢字的"區位碼"。其中,高兩位爲區號,低兩位爲位號。這樣區位碼可以唯一地確定某一漢字或字符;反之,任何一個漢字或符號都對應一個唯一的區位碼,沒有重碼。

區位碼分布情況如下:

區 號 內 容 1區 鍵盤上沒有的各種符號 2區 各種序號 3區 鍵盤上的各種符號(按中文方式給出) 4 -5區 日文字母 6區 希臘字母 7區 俄文字母 8區 標識拼音聲調的母音及拼音字母名稱 9區 制表符號 10- 15區 未用 16-55區 一級漢字(按拼音字母順序排列) 56- 87區 二級漢字(按部首筆劃順序排列) 88- 94區 自定義漢字

由上可以看出,所有漢字與符號的94個區,可以分爲四個組:

①1 -15區:爲圖形符號區。其中1 9區爲標准符號區;10 15區爲自定義符號區。

②16 -55區:爲一級漢字區,包含3755個漢字。這些區中的漢字按漢語拼音順序排序,同音字按筆畫順序列出。

③56 -87區:爲二級漢字區,包含3008個漢字。這些區中的漢字是按部首筆劃順序排序的。

④88 -94區:爲自定義漢字區。

國標碼規定,每個漢字(包括非漢字的一些符號)由2字節代碼表示。每個字節的最高位爲0,只使用低7位,而低7位的編碼中又有34個適用于控制用的,這樣每個字節只有27 - 34 = 94個編碼用于漢字。2個字節就有94 94=8836個漢字編碼。在表示一個漢字的2個字節中,高字節對應編碼表中的行號,稱爲區號;低字節對應編碼表中的列號,稱爲位號。

漢字國標碼的範圍用二進制表示是: 00100001 00100001 01111110 01111110 (1+32)10 (1+32)10 (94+32)10 (94+32)10 7 位ASCII碼是128個字符組成的字符集。其中編碼值0 31(00000000 00011111)不對應任何印刷字符,通常稱爲控制符,用于計算機通信中的通信控制或對計算機設備的功能控制。編碼值32(00100000)是空格字符SP。編碼值127(1111111)是刪除字符DEL。

漢字國標碼的起始二進制位置選擇00100001即(33)10是爲了跳過ASCII碼的32個控制字符和空格字符。所以,漢字國標碼的高位和低位分別比對應的區位碼大(32)10或(00100000)2或(20)H,即: 國標碼高位 = 區碼 + 20H (H表示十六進制) 國標碼低位 = 位碼 + 20H

2) 漢字機內碼(內碼)(漢字存儲碼)

漢字機內碼(內碼)(漢字存儲碼)的作用是統一了各種不同的漢字輸入碼在計算機內部的表示。 爲了將漢字的各種輸入碼在計算機內部統一起來,就有了專用于計算機內部存儲漢字使用的漢字機內碼,用以將輸入時使用的多種漢字輸入碼統一轉換成漢字機內碼進行存儲,以方便機內的漢字處理 漢字機內碼是在計算機內部存儲、處理的代碼。計算機既要處理漢字,又要處理英文。因此計算機必須能區別漢字字符和英文字符。英文字符的的機內碼是最高爲爲0的8位ASCII碼。爲了不與7位ASCII碼發生沖突,把國標碼每個字節的最高位由0改爲1,其余位不變的編碼作爲漢字字符的機內碼。

漢字機內碼的範圍用二進制表示是: 10100001 10100001 11111110 11111110 機內碼的高位和低位比對應的國標碼的高位和低位大(128)10或(10000000)2或(80)H 即: 機內碼高位 = 國標碼高位 + 80H 機內碼低位 = 國標碼低位 + 80H 又因爲: 國標碼高位 = 區碼 + 20H 國標碼低位 = 位碼 + 20H 所以: 機內碼高位 = 區碼 + A0H 機內碼低位 = 位碼 + A0H 也就是說,機內碼高位和機內碼低位分別比對應的區碼和位碼大(160)10或(10100000)2或 (A0)H 例如:漢字"啊"的區位碼爲"1601",其中區碼爲(16)10或(10)H,位碼爲(01)10或(01)H。 則: 機內碼高位 = 10H + A0H = B0H 機內碼低位 = 01H + A0H = A1H 所以: 機內碼= B0A1H

以下是引用片段:

<!--[if !supportEmptyParas]--> <!--[endif]-->

3) 漢字輸入碼(外碼)

漢字輸入碼(外碼)是爲了通過鍵盤字符把漢字輸入計算機而設計的一種編碼。 英文輸入時,相輸入什麽字符便按什麽鍵,輸入碼和機內碼一致。漢字輸入時,可能要按幾個鍵才能輸入一個漢字。 漢字輸入方案有成百上千個,但是這千差萬別的外碼輸入進計算機後都會轉換成統一的內碼。 漢字輸入方案大致可分爲以下4種類型:

(1) 音碼:如全拼、雙拼、微軟拼音等

(2) 形碼:如五筆字型、鄭碼、表形碼等

(3) 音形碼:如智能ABC、自然碼等

(4) 數字碼:如區位碼、電報碼等

4) 漢字字形碼(輸出碼)

漢字字形碼(輸出碼)用于漢字的顯示和打印,是漢字字形的數字化信息。 漢字的內碼是用數字代碼來表示漢字,但是爲了在輸出時讓人們看到漢字,就必須輸出漢字的字形。在漢字系統中,一般采用點陣來表示字形。 16 *16漢字點陣示意 16 * 16點陣字形的字要使用32個字節(16 * 16/8= 32)存儲,24 * 24點陣字形的字要使用72個字節(24 * 24/8=72)存儲。

一般來說,表現漢字時使用的點陣越大,則漢字字形的質量也越好,當然每個漢字點陣所需的存儲量也越大。

5) 漢字地址碼

漢字地址碼是指漢字庫(這裏主要指整字形的點陣式字模庫)中存儲漢字字形信息的邏輯地址。在漢字庫中,字形信息都是按一定順序(大多數按標准漢字交換碼中漢字的排列順序)連續存放在存儲介質上的,所以漢字地址碼也大多是連續有序的,而且與漢字內碼間有著簡單的對應關系,以簡化漢字內碼到漢字地址碼的轉換。

以下是引用片段:

*/

<!--[if !supportEmptyParas]--> <!--[endif]-->

#include "stdafx.h"

#include "HZEncode.h"

<!--[if !supportEmptyParas]--> <!--[endif]-->

#ifdef _DEBUG

#define new DEBUG_NEW

#undef THIS_FILE

static char THIS_FILE[] = __FILE__;

#endif

#define UNICODE

#define _UNICODE

/////////////////////////////////////////////////////////////////////////////

// The one and only application object

<!--[if !supportEmptyParas]--> <!--[endif]-->

CWinApp theApp;

<!--[if !supportEmptyParas]--> <!--[endif]-->

using namespace std;

unsigned short* ptr;

char* pszHZ = "啊";

byte BT[] = {0xc4,0xe3,0xBA,0xC3};//「你好」的機內碼

int _tmain(int argc, TCHAR* argv[], TCHAR* envp[])

{

int nRetCode = 0;

<!--[if !supportEmptyParas]--> <!--[endif]-->

// initialize MFC and print and error on failure

if (!AfxWinInit(::GetModuleHandle(NULL), NULL, ::GetCommandLine(), 0))

{

// TODO: change error code to suit your needs

cerr << _T("Fatal Error: MFC initialization failed") << endl;

nRetCode = 1;

}

else

{

for (int i = 16;i <= 55; i++)

{

byte Temp[3];

Temp[2] = 0;

Temp[0] = i + 0xA0;

for (int j = 1;j < 94;j++)

{

Temp[1] = j + 0xA0;

cout << (LPCTSTR) Temp;

}

cout << endl;

}

<!--[if !supportEmptyParas]--> <!--[endif]-->

}

<!--[if !supportEmptyParas]--> <!--[endif]-->

system("pause");

return nRetCode;

}

<!--[if !supportEmptyParas]--> <!--[endif]-->

<!--[if !supportEmptyParas]--> <!--[endif]-->

  // HZEncode.cpp : Defines the entry point for the console application.   //   /*   參考文獻:   漢字的編碼和表示   1)漢字交換碼(國標碼) 漢字交換碼(國標碼)主要用于漢字信息交換。   國標碼:以國家標准局1980年頒布的《信息交換用漢字編碼字符集"基本集》(代號爲GB2312 80)規定的漢字交換碼作爲國家標准漢字編碼。 GB2312 80中共有7445個字符符號: 漢字符號6763個 一級漢字3755個(按漢語拼音字母順序排列) 二級漢字3008個(按部首筆劃順序排列) 非漢字符號682個 GB2312 80規定,所有的國標碼漢字及符號組成一個94 94的方陣。在此方陣中,每一行稱爲一個"區",每一列稱爲一個"位"。這個方陣實際上組成一個有94個區(編號由01到94),每個區有94個位(編號由01到94)的漢字字符集。 一個漢字所在的區號和位號的組合就構成了該漢字的"區位碼"。其中,高兩位爲區號,低兩位爲位號。這樣區位碼可以唯一地確定某一漢字或字符;反之,任何一個漢字或符號都對應一個唯一的區位碼,沒有重碼。   區位碼分布情況如下:   區 號 內 容 1區 鍵盤上沒有的各種符號 2區 各種序號 3區 鍵盤上的各種符號(按中文方式給出) 4 -5區 日文字母 6區 希臘字母 7區 俄文字母 8區 標識拼音聲調的母音及拼音字母名稱 9區 制表符號 10- 15區 未用 16-55區 一級漢字(按拼音字母順序排列) 56- 87區 二級漢字(按部首筆劃順序排列) 88- 94區 自定義漢字   由上可以看出,所有漢字與符號的94個區,可以分爲四個組:   ①1 -15區:爲圖形符號區。其中1 9區爲標准符號區;10 15區爲自定義符號區。   ②16 -55區:爲一級漢字區,包含3755個漢字。這些區中的漢字按漢語拼音順序排序,同音字按筆畫順序列出。   ③56 -87區:爲二級漢字區,包含3008個漢字。這些區中的漢字是按部首筆劃順序排序的。   ④88 -94區:爲自定義漢字區。   國標碼規定,每個漢字(包括非漢字的一些符號)由2字節代碼表示。每個字節的最高位爲0,只使用低7位,而低7位的編碼中又有34個適用于控制用的,這樣每個字節只有27 - 34 = 94個編碼用于漢字。2個字節就有94 94=8836個漢字編碼。在表示一個漢字的2個字節中,高字節對應編碼表中的行號,稱爲區號;低字節對應編碼表中的列號,稱爲位號。   漢字國標碼的範圍用二進制表示是: 00100001 00100001 01111110 01111110 (1+32)10 (1+32)10 (94+32)10 (94+32)10 7 位ASCII碼是128個字符組成的字符集。其中編碼值0 31(00000000 00011111)不對應任何印刷字符,通常稱爲控制符,用于計算機通信中的通信控制或對計算機設備的功能控制。編碼值32(00100000)是空格字符SP。編碼值127(1111111)是刪除字符DEL。   漢字國標碼的起始二進制位置選擇00100001即(33)10是爲了跳過ASCII碼的32個控制字符和空格字符。所以,漢字國標碼的高位和低位分別比對應的區位碼大(32)10或(00100000)2或(20)H,即: 國標碼高位 = 區碼 + 20H (H表示十六進制) 國標碼低位 = 位碼 + 20H   2) 漢字機內碼(內碼)(漢字存儲碼)   漢字機內碼(內碼)(漢字存儲碼)的作用是統一了各種不同的漢字輸入碼在計算機內部的表示。 爲了將漢字的各種輸入碼在計算機內部統一起來,就有了專用于計算機內部存儲漢字使用的漢字機內碼,用以將輸入時使用的多種漢字輸入碼統一轉換成漢字機內碼進行存儲,以方便機內的漢字處理 漢字機內碼是在計算機內部存儲、處理的代碼。計算機既要處理漢字,又要處理英文。因此計算機必須能區別漢字字符和英文字符。英文字符的的機內碼是最高爲爲0的8位ASCII碼。爲了不與7位ASCII碼發生沖突,把國標碼每個字節的最高位由0改爲1,其余位不變的編碼作爲漢字字符的機內碼。   漢字機內碼的範圍用二進制表示是: 10100001 10100001 11111110 11111110 機內碼的高位和低位比對應的國標碼的高位和低位大(128)10或(10000000)2或(80)H 即: 機內碼高位 = 國標碼高位 + 80H 機內碼低位 = 國標碼低位 + 80H 又因爲: 國標碼高位 = 區碼 + 20H 國標碼低位 = 位碼 + 20H 所以: 機內碼高位 = 區碼 + A0H 機內碼低位 = 位碼 + A0H 也就是說,機內碼高位和機內碼低位分別比對應的區碼和位碼大(160)10或(10100000)2或 (A0)H 例如:漢字"啊"的區位碼爲"1601",其中區碼爲(16)10或(10)H,位碼爲(01)10或(01)H。 則: 機內碼高位 = 10H + A0H = B0H 機內碼低位 = 01H + A0H = A1H 所以: 機內碼= B0A1H 以下是引用片段: <!--[if !supportEmptyParas]--> <!--[endif]-->   3) 漢字輸入碼(外碼)   漢字輸入碼(外碼)是爲了通過鍵盤字符把漢字輸入計算機而設計的一種編碼。 英文輸入時,相輸入什麽字符便按什麽鍵,輸入碼和機內碼一致。漢字輸入時,可能要按幾個鍵才能輸入一個漢字。 漢字輸入方案有成百上千個,但是這千差萬別的外碼輸入進計算機後都會轉換成統一的內碼。 漢字輸入方案大致可分爲以下4種類型:   (1) 音碼:如全拼、雙拼、微軟拼音等   (2) 形碼:如五筆字型、鄭碼、表形碼等   (3) 音形碼:如智能ABC、自然碼等   (4) 數字碼:如區位碼、電報碼等   4) 漢字字形碼(輸出碼)   漢字字形碼(輸出碼)用于漢字的顯示和打印,是漢字字形的數字化信息。 漢字的內碼是用數字代碼來表示漢字,但是爲了在輸出時讓人們看到漢字,就必須輸出漢字的字形。在漢字系統中,一般采用點陣來表示字形。 16 *16漢字點陣示意 16 * 16點陣字形的字要使用32個字節(16 * 16/8= 32)存儲,24 * 24點陣字形的字要使用72個字節(24 * 24/8=72)存儲。   一般來說,表現漢字時使用的點陣越大,則漢字字形的質量也越好,當然每個漢字點陣所需的存儲量也越大。   5) 漢字地址碼   漢字地址碼是指漢字庫(這裏主要指整字形的點陣式字模庫)中存儲漢字字形信息的邏輯地址。在漢字庫中,字形信息都是按一定順序(大多數按標准漢字交換碼中漢字的排列順序)連續存放在存儲介質上的,所以漢字地址碼也大多是連續有序的,而且與漢字內碼間有著簡單的對應關系,以簡化漢字內碼到漢字地址碼的轉換。 以下是引用片段: */ <!--[if !supportEmptyParas]--> <!--[endif]--> #include "stdafx.h" #include "HZEncode.h" <!--[if !supportEmptyParas]--> <!--[endif]--> #ifdef _DEBUG #define new DEBUG_NEW #undef THIS_FILE static char THIS_FILE[] = __FILE__; #endif #define UNICODE #define _UNICODE ///////////////////////////////////////////////////////////////////////////// // The one and only application object <!--[if !supportEmptyParas]--> <!--[endif]--> CWinApp theApp; <!--[if !supportEmptyParas]--> <!--[endif]--> using namespace std; unsigned short* ptr; char* pszHZ = "啊"; byte BT[] = {0xc4,0xe3,0xBA,0xC3};//「你好」的機內碼 int _tmain(int argc, TCHAR* argv[], TCHAR* envp[]) { int nRetCode = 0; <!--[if !supportEmptyParas]--> <!--[endif]--> // initialize MFC and print and error on failure if (!AfxWinInit(::GetModuleHandle(NULL), NULL, ::GetCommandLine(), 0)) { // TODO: change error code to suit your needs cerr << _T("Fatal Error: MFC initialization failed") << endl; nRetCode = 1; } else { for (int i = 16;i <= 55; i++) { byte Temp[3]; Temp[2] = 0; Temp[0] = i + 0xA0; for (int j = 1;j < 94;j++) { Temp[1] = j + 0xA0; cout << (LPCTSTR) Temp; } cout << endl; } <!--[if !supportEmptyParas]--> <!--[endif]--> } <!--[if !supportEmptyParas]--> <!--[endif]--> system("pause"); return nRetCode; } <!--[if !supportEmptyParas]--> <!--[endif]--> <!--[if !supportEmptyParas]--> <!--[endif]-->
󰈣󰈤
王朝萬家燈火計劃
期待原創作者加盟
 
 
 
>>返回首頁<<
 
 
 
 
 熱帖排行
 
 
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有