【汉化资料】汉字字模原理

shane007

1.ASCII字符--美国信息交换标准码 （0-127），每个字符用7位二进制数表示，字节首位为0.因此,小于80H(128)的均为ASCII符。英文26个字符用一个字节的7位二进制数足以表示。
    2.以gb2312为例，中文汉字共有约七千字，不能用一个字节表示全部的汉字，因此用两个字节来表示一个汉字，为避免与英文字符有重码，每个字节的最高位置1,作为标志位。
    3.ASCII分为常用字符（可供打印的字符）与非常用字符（回车、EOF等），常用字符从33(0x21H)号到126(0x7EH)号，共94个字符,汉字就在此范围内编码,因此,中国标准编码的编码范围 :0x21H~0x7EH.两个字节可表示的汉字数为：94×94=8836.
* h8 v' U. Y/ f4 X0 W) Q
    以上所述编码即国际码

    4.由于每个字节的第一个位被置 1, 所以要在原编码(国际码)之上加 0x80H（10000000）. 所以汉字的编码范围为 :0xA1H~0xFEH,在PC机中表现为机内码.
! t; O' o: y' U7 f. [! X# _    5.区位码
8 ^- q  x. s) K+ @" M    在PC机中，汉字是以机内码形式存储的，每个汉字用两个字节表示，第一个字节用于表示区码，从0xA1H开始为第一区;第二字节用于表示位码，从0xA1H开始为第一位。
    我们平时所说的汉字区位码,一般用十进制表示，共分94个区，每区94个汉字(位)：

8 H2 u" B9 {1 m( [* C" F    01-09区        特殊字符区
* a' O2 W) R* G/ m    10-55区        一级汉字区
    56-87区        二级汉字区
   
    在汉字字库中：
) ?% k) A6 r3 f: X
    区码=机内码第一字节-0xA0H
    位码=机内码第二字节-0xA0H

) @7 W+ B2 N" a1 [    6.国际码 区位码 机内码 之间的关系:
# P) c( p, B7 E2 r3 i  g
6 m3 J5 R$ b  x! C    机内码=国际码+8080H

    区位码=机内码-0xA0H
4 x/ b  o; ]1 X
$ N- Q( P* D+ z3 O0 c1 L    国际码=区位码+2020H
5 A4 L2 D' {4 D3 ~# J
% ]% l6 O7 ?& u  d    如：“陈”的汉字区位码：1934（16进制为 1322H）
/ Q0 e, K! G; G9 z" w2 ^5 l    在Linux下，用文本编辑器输入"陈",保存为test
8 p& ?1 |  P, M5 k* m3 U. k- |    od -h test
    显示为：
    0000000 c2b3 000a
    0000003
   
1 ^5 ?) U: ]0 f    区码=b3-a0=13
. S0 z; l; `- h    位码=c2-a0=22