第五章中文信息處理(編輯修改稿)
2024-08-28 13:12 本頁面
【文章內(nèi)容簡介】 文本校對、機器翻譯、自然語言理解、中文人機界面、語義網(wǎng)、電子字典、電腦輔助翻譯等 ? 中文化：軟件的國際化（ internationalization）和本土化（ localization）。 ? 中文編程：目前有兩種發(fā)展，一種是英文 coding直接翻譯，以降低開發(fā)人員的語言學習成本；一種是根據(jù)中文特點，發(fā)展出融合中國人思維模式的新的計算機語言。 ? 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，必須給每個漢字規(guī)定一個統(tǒng)一的代碼。這就是漢字的 交換碼 。 ? 1981年 5月，我國國家標準總局頒布 《 信息交換用漢字編碼字符集 》(GB 231280)，作為漢字交換碼編碼的國家標準，簡稱國家標準漢字編碼，或 國標碼 。 ? 收進該標準的字符共有 7 445個。其中一級漢字 3 755個，二級漢字 3 008個，共計 6 763個。一、二級漢字約占近代文獻漢字累計使用頻度的 %。 ? 為便于查找，一級漢字按漢語拼音順序排列；二級漢字一般不易熟記它們的發(fā)音，故按部首和筆畫排列。另外還包括常用符號、序號、GB 1988圖形字符集、日文假名、希臘字母、俄文字母、漢語拼音、注音字符、制表符號等。 四、漢字編碼標準 ? 累計使用頻度不足 %的漢字數(shù)量接近 1萬個。為了滿足計算機實際應(yīng)用的需要，我國在 GB 231280的基礎(chǔ)上擴大收字的范圍，制定了“ 漢字內(nèi)碼規(guī)范 ” GBK，包含了 20 902個漢字，又稱為擴展的國標碼。在 Windows 95/98和其后的 Windows 2022中，裝入了 GBK的全部漢字和符合 GBK和 GB 231280的輸入法。 ? 由于漢字的字符多，一個字節(jié)八位二進制代碼不足以表示所有的常用的漢字。為了不與西文的 ASCII 碼混淆，在微型機漢字系統(tǒng)中，國標碼的每個符號都用兩個字節(jié)（十六位）代碼來表示，并作為轉(zhuǎn)換為機內(nèi)碼或其他漢字處理代碼的依據(jù)。 漢字編碼標準 ? 漢字國標碼就是 GB 231280為漢字規(guī)定的代碼，也稱為交換碼。 ? 國標碼是漢字編碼的國家標準。在 GB 231280代碼表中，縱向分為0~93，共 94行；橫向也是 0~93，共 94列。行與列分別用七位二進制碼表示，第一字節(jié)表示行，第二字節(jié)表示列。其值都從 0100001到1111110。這正是 ASCII 碼的可打印字符的編碼。其范圍為十六進制的 21~7E。漢字國標碼是將第一字節(jié)和第二字節(jié)連寫而得到的。由于二進制形式太長，通常用十六進制表示。 ? 例如： ? 漢字 第一字節(jié) 第二字節(jié) 十六進制 區(qū)位碼 ? 啊 0110000 0100001 3021 1601 ? 保 0110001 0100011 3123 1703 ? 播 0110010 0100101 3225 1805 國標碼 ? 國標碼還可以表示成區(qū)位碼的形式。在 GB231280代碼表中，將行號稱為區(qū)號，列號稱為位號，分別有 94個區(qū)和94個位。將漢字置于其中
研究報告相關(guān)推薦
鄂ICP備17016276號-1