【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。
7 Z; {5 {. }7 l5 Q    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.
  [6 r) z' W( G0 T4 k3 x5 c
    以上所述编码即国际码
) o8 e4 o  b+ u% B4 c( a+ n9 {+ Z
* z- o3 v- ^9 T8 h5 Y  f8 u) ?% w    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
& J7 Q: H. Y7 b$ Y9 \    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。
; |' ?" R$ `0 C& |; A    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)：
- z1 i8 c0 l5 Y0 R7 l( E) q. ?$ u- G
    01-09区        特殊字符区
    10-55区        一级汉字区
" a5 Q" }2 r" S' W( G  H    56-87区        二级汉字区
   
    在汉字字库中：
6 E0 \8 e2 h! S- ?2 l( Q( U) i
' E% V1 z  O, g    区码=机内码第一字节-0xA0H
    位码=机内码第二字节-0xA0H
4 @$ H( s+ P8 z$ T- L  ^5 ~
' M- d8 _8 ^4 l- w    6.国际码 区位码 机内码 之间的关系:

    机内码=国际码+8080H

3 r( `: F! u1 |- _6 b    区位码=机内码-0xA0H
5 |: H( X5 T: E' `% n) Z
    国际码=区位码+2020H
+ I: }. Z: @: b: S. e* W, L
    如：“陈”的汉字区位码：1934（16进制为 1322H）
* ], Q3 M+ y6 R* d6 K: d    在Linux下，用文本编辑器输入"陈",保存为test
! t# t0 }$ T+ Q  s    od -h test
    显示为：
    0000000 c2b3 000a
    0000003
   
    区码=b3-a0=13
    位码=c2-a0=22