【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。
# L2 k9 b# H( ^    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 f& `$ n8 a- V8 t+ T3 L2 Z; h2 C& Z    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.

' e- _/ J$ a2 ~0 P    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.
    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。
: [  }6 V; N6 G% Y4 u0 }    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)：

( ~5 Q% U: O7 w% l    01-09区        特殊字符区
& k/ n* P, z1 q2 [, W    10-55区        一级汉字区
% z% I0 v8 a- c7 K6 S0 B    56-87区        二级汉字区
   
    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:

+ ?8 V: D- e: m+ Y  p0 l9 S0 S    机内码=国际码+8080H

' T, U" i/ Q: a    区位码=机内码-0xA0H
, u" V6 x( a3 ^: u" n- h) D
    国际码=区位码+2020H

    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
* M/ K$ t$ |" B  O# j    显示为：
; X3 y' ]8 r" l    0000000 c2b3 000a
# C" Z. g; b$ u* E& f1 y    0000003
5 X4 A6 @2 ~9 F   
# N, h. t2 j5 G' m7 T* y    区码=b3-a0=13
    位码=c2-a0=22