第五章中文信息處理(完整版)
【正文】 統(tǒng)兼容等問題，處理的難度更大。 ? 為了用 0、 1代碼串表示漢字，在漢字系統(tǒng)或通信系統(tǒng)之間交換信息，必須給每個(gè)漢字規(guī)定一個(gè)統(tǒng)一的代碼。 四、漢字編碼標(biāo)準(zhǔn) ? 累計(jì)使用頻度不足 %的漢字?jǐn)?shù)量接近 1萬個(gè)。行與列分別用七位二進(jìn)制碼表示，第一字節(jié)表示行，第二字節(jié)表示列。將漢字置于其中，由區(qū)號(hào)與位號(hào)標(biāo)識(shí)出漢字在代碼表中的位置。例如， “ 啊 ” 字的區(qū)位碼是 1601，分別將區(qū)號(hào)和位號(hào)轉(zhuǎn)換成對(duì)應(yīng)的十六進(jìn)制數(shù)得1001H，再加上 2020H就得到 “ 啊 ” 字的國(guó)標(biāo)碼為 3021H。 ? 由國(guó)標(biāo)碼轉(zhuǎn)換為機(jī)內(nèi)碼的規(guī)則是：將十六進(jìn)制的國(guó)標(biāo)碼加上 8080H，就得到對(duì)應(yīng)的機(jī)內(nèi)碼。 漢字編碼的關(guān)系 00 FF 00 FF 00 FF 00 FF 00 FF 00 FF 27484漢字 20902漢字 6763漢字 GB18030－ 2022 GBK－ 95 GB2312－ 80 GB12345－ 90 2個(gè)擴(kuò)充的漢字字符集 GB2312 GBK95 GB180302022 虛線外的漢字，4字節(jié)表示 六、中文信息在計(jì)算機(jī)內(nèi)的表示 ? 在計(jì)算機(jī)內(nèi)表示中文信息的最早在 IBM、富士通、日立等計(jì)算機(jī)生產(chǎn)廠家的計(jì)算機(jī)中開始，但采用的編碼形式互不兼容。其中全拼、智能 ABC、微軟拼音、雙拼、表形碼、鄭碼等都是較常用的輸入法。 ? 一般漢字在計(jì)算機(jī)內(nèi)部的表示都是通過擴(kuò)充編碼長(zhǎng)度實(shí)現(xiàn)的。 機(jī)內(nèi)碼 五、漢字編碼字符集 ? 按照一組無歧義的規(guī)則而定義的漢字字匯的有序集合。在大、中型機(jī)中，多采用三字節(jié)或四字節(jié)代碼作機(jī)內(nèi)碼。因此，區(qū)位碼可以用來作為漢字輸入的編碼。漢字國(guó)標(biāo)碼是將第一字節(jié)和第二字節(jié)連寫而得到的。為了不與西文的 ASCII 碼混淆，在微型機(jī)漢字系統(tǒng)中，國(guó)標(biāo)碼的每個(gè)符號(hào)都用兩個(gè)字節(jié)（十六位）代碼來表示，并作為轉(zhuǎn)換為機(jī)內(nèi)碼或其他漢字處理代碼的依據(jù)。其中一級(jí)漢字 3 755個(gè)，二級(jí)漢字 3 008個(gè)，共計(jì) 6 763個(gè)。 ? 外字處理：動(dòng)態(tài)組字、造字、電子書等。因此，計(jì)算機(jī)必須存儲(chǔ)每個(gè)英文字符、數(shù)碼以及標(biāo)點(diǎn)符號(hào)的 點(diǎn)陣信息 。 二、文字信息處理的 基本問題 ? 英文字符的編碼標(biāo)準(zhǔn)是 ASCII碼，即 美國(guó)信息交換標(biāo)準(zhǔn)代碼 。 – 中文信息處理分為 漢字信息處理 與 漢語信息處理 兩部分 ? 中文信息處理是自然語言信息處理的一個(gè)分支，是一門與計(jì)算機(jī)科學(xué) 、 語言學(xué) 、 數(shù)學(xué) 、 信息學(xué) 、 聲學(xué) 等多種學(xué)科相關(guān)聯(lián)的綜合性學(xué)科。 ? 這一數(shù)碼統(tǒng)稱為 代碼 (code) ? 在計(jì)算機(jī)內(nèi)部處理文字信息時(shí)，就像處理數(shù)據(jù)一樣對(duì)待。鍵盤的譯碼電路按照所擊的鍵產(chǎn)生英文字符的 ASCII碼，輸入到計(jì)算機(jī)的內(nèi)存中。我國(guó)經(jīng)過多年的研究，漢字處理的基本問題已經(jīng)解決。這就是漢字的 交換碼 。為了滿足計(jì)算機(jī)實(shí)際應(yīng)用的需要，
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1