【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。
+ m- i0 J: u0 F  m7 Q7 R3 y. s6 @    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。
+ E3 g4 U- e4 R, J    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.
. l0 ?* l8 |0 g5 e
" V5 j$ Q, u, D0 S- M    以上所述编码即国际码
# {! }$ X! F: ?- G' d; u2 p9 t( P( [# W
7 ~7 h4 t0 k. d* m4 ^4 `    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.
    5.区位码
    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 q4 k3 e* E( d0 t: S    01-09区        特殊字符区
0 ?- z4 c1 l- X) G- T/ q    10-55区        一级汉字区
2 s$ y. P8 |! I    56-87区        二级汉字区
   
7 C1 F2 |: g7 X2 J+ K    在汉字字库中：

    区码=机内码第一字节-0xA0H
    位码=机内码第二字节-0xA0H

    6.国际码 区位码 机内码 之间的关系:
5 {- ]5 I9 `$ O& ?  a# x
    机内码=国际码+8080H

4 }1 a5 _3 I3 ~7 t2 S' h. a    区位码=机内码-0xA0H
3 c5 _# O: O* J/ w" ]: }
    国际码=区位码+2020H

0 R+ O6 P' V, S. q4 C( ?: s. t    如：“陈”的汉字区位码：1934（16进制为 1322H）
    在Linux下，用文本编辑器输入"陈",保存为test
    od -h test
    显示为：
    0000000 c2b3 000a
2 j# N" `6 u: s& _/ \4 W* K    0000003
   
    区码=b3-a0=13
    位码=c2-a0=22