了解文本媒體的編碼方式培訓(xùn)講義(編輯修改稿)
2025-02-17 15:49 本頁面
【文章內(nèi)容簡(jiǎn)介】 02023 ? 港澳臺(tái)使用的漢字編碼字符集 CNS 11643 (BIG 5，俗稱“大五碼” ) ? UCS/Unicode多文種大字符集 ? Unicode的 UTF8 ? Unicode的 UTF16 ? GB2312漢字編碼 ? GB2312漢字編碼是我國(guó)在 1981年頒布的第一個(gè)國(guó)家標(biāo)準(zhǔn) ? 在該標(biāo)準(zhǔn)中有 3755個(gè)一級(jí)常用漢字（按漢語拼音排列）、 3008個(gè)二級(jí)常用漢字（按偏旁部首排列）和 682個(gè)非漢字字符。 一級(jí)漢字 （ 3755個(gè)） 二級(jí)漢字 （ 3008個(gè)） （擴(kuò)充使用） 字母、數(shù)字和各種符號(hào) ……………… 1 94 2 3 位號(hào) …… …… 1 9 16 55 56 87 94 區(qū) 號(hào) (按漢語拼音排列 ) (按偏旁部首排列 ) 共 6763個(gè)漢字和682個(gè)符號(hào)， 每個(gè)漢字和符號(hào)都有一個(gè)確定位置 拉丁字母、俄文、日文平假名與片假名、希臘字母、漢語拼音等共 682個(gè) ? GB2312漢字編碼 ? GB2312的所有字符分布在一個(gè) 94行 94列的二維平面內(nèi)，行號(hào)稱為區(qū)號(hào)，列號(hào)稱為位號(hào)，各用兩位十進(jìn)制數(shù)表示。 ? 在計(jì)算機(jī)內(nèi)部每個(gè)漢字采用 2個(gè)字節(jié)來表示，并把每個(gè)字節(jié)的最高位均規(guī)定為“ 1”。這種高位均為“ 1”的雙字節(jié)漢字編碼就稱為 GB2312漢字的“機(jī)內(nèi)碼”，又稱為“內(nèi)碼”。 ? 目前 PC機(jī)中 GB2312漢字不論用何種方法錄入，在機(jī)器內(nèi)部都統(tǒng)一用機(jī)內(nèi)碼表示。 ? GB2312漢字的編碼 ? 每一個(gè) GB2312漢字使用 16位 (2個(gè)字節(jié) )表示 ? 為了與 ASCII字符相區(qū)別，每個(gè)字節(jié)的最高位均為“ 1” ? 例如： “南”字的代碼是 11000100 11001111 （用十六進(jìn)制表示為 C4CF） 1 1 第 1字節(jié) 第 2字節(jié) X X X X X X X X X X X X X X ? 漢字編碼對(duì)照表 ? 由于 GB2312編碼只有 6763個(gè)漢字，且均為簡(jiǎn)體字，在實(shí)際應(yīng)用中經(jīng)常不夠使用，所以我國(guó)又陸續(xù)發(fā)布了其它一些漢字編碼標(biāo)準(zhǔn)，它們之間的關(guān)系如表所示。 GB2312 GBK GB180302023 Unicode 漢字?jǐn)?shù)目 6763個(gè)漢字 （簡(jiǎn)體字） 21003個(gè)漢字 （簡(jiǎn)、繁體均有） 70244個(gè)漢字 （包括中、日、韓統(tǒng)一漢字） 70217個(gè)漢字 (國(guó)際標(biāo)準(zhǔn) ) 字節(jié)數(shù) 雙字節(jié)存儲(chǔ)和表示，每個(gè)字節(jié)的最高位均為 “1” 雙字節(jié)存儲(chǔ)和表示，第 1個(gè)字節(jié)的最高位必為 “1” 部分雙字節(jié)、部分 4字節(jié)表示 變字節(jié)編碼 兼容性 只與 GB18030編碼兼容 ? GBK漢字內(nèi)碼擴(kuò)充規(guī)范 ? GB2312的不足： ? 漢字字?jǐn)?shù)太少，缺少繁體字 ,無法滿足人名、地名、古籍整理、古典文獻(xiàn)研究等應(yīng)用的需要；與 ASCII碼不兼容 ? GBK漢字內(nèi)碼擴(kuò)充規(guī)范（ 1995）： ? 在 GB2312基礎(chǔ)上，增加了 1萬多漢字 (包括繁體字 )和符號(hào) ? 共有 21003個(gè)漢字和 883個(gè)圖形符號(hào)，如“ 計(jì) 算 機(jī) ”、冃 、 冄 、 円 、 冇 等繁體字和生僻字 ? 與 GB8312保持向下兼容，也使用雙字節(jié)表示，第 1字節(jié)最高位必須為“ 1”： 1 X 第 1字節(jié) 第 2字節(jié) X X X X X X X X X X X X X X ? UCS/Unicode多文種大字符集 ? 背景：為了實(shí)現(xiàn)全球數(shù)以千計(jì)的不同語言文字的統(tǒng)一編碼 ? 方案： ISO將全球所有文字字母和符號(hào)集中在一個(gè)字符集中進(jìn)行統(tǒng)一編碼 (目前共收集了 17x216＝ 1,114,112 個(gè) ) ，稱為UCS/Unicode ? UCS/Unicode的編碼方案： ? 先實(shí)現(xiàn)部分字符的編碼（近 11萬個(gè)字符） ? 盡量與已有編碼標(biāo)準(zhǔn)兼容 ? 包含有中、日、韓統(tǒng)一整理出來的約 7萬漢字（稱 CJK漢字） ? 允許有若干不同的編碼方案 , 常用的兩種是： 單字節(jié)： ASCII字符 雙字節(jié)：拉丁、希臘、阿拉伯， 三字節(jié)： CJK漢字 四字節(jié)：其他 Unicode:UTF8 單字節(jié)可變長(zhǎng)編碼 應(yīng)用： Linux， Web網(wǎng)頁，電子郵件 雙字節(jié)： ASCII字符、拉丁、希臘、 阿 拉伯，常用 CJK漢字， 四字節(jié)：非常用 CJK漢字 Unicode:UTF16雙字節(jié)可變長(zhǎng)編碼 應(yīng)用： Windows， Mac， Java， ? GB18030漢字編碼標(biāo)準(zhǔn) ? 背景：無論是 Unicode的 UTF8還是 UTF16，其 CJK漢字字符集雖然覆蓋了我國(guó)已使用多年的 GB2312和 GBK標(biāo)準(zhǔn)中的漢字，但它們的 編碼并不相同 ? 為了既能與 UCS/Unicode編碼標(biāo)準(zhǔn)接軌，又能保護(hù)我國(guó)已有的大量漢字信息資源，我國(guó)在 2023年和 2023年兩次發(fā)布GB18
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1