【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.

    以上所述编码即国际码
+ J$ M0 z( {4 [8 u( [
+ A& O" C+ I: D" i" `% y1 r    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.
/ D7 K% k/ x7 k3 J# `* }5 O    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。
# m3 u- F. U8 V* ?6 ~    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)：

; ^" |! S# F" B9 X3 B2 g7 D) H    01-09区        特殊字符区
, A4 x  X! @* H) c- _4 }    10-55区        一级汉字区
2 d; E2 u* \0 E. f    56-87区        二级汉字区
   
: D! S1 r" u' @9 S1 s$ z( `    在汉字字库中：
$ T1 _$ G* m& [& _4 d
    区码=机内码第一字节-0xA0H
+ n% Y# @7 O2 n    位码=机内码第二字节-0xA0H

9 ~2 p( F6 X) b# K5 B    6.国际码 区位码 机内码 之间的关系:

: L, ^% t/ N3 l9 A    机内码=国际码+8080H

    区位码=机内码-0xA0H

    国际码=区位码+2020H

    如：“陈”的汉字区位码：1934（16进制为 1322H）
. n! z% F" G: H3 Z( i5 N9 W9 y    在Linux下，用文本编辑器输入"陈",保存为test
    od -h test
3 W# Z6 c* P; R6 k: O2 b& ?    显示为：
, ~' y' o$ n! j) Q  w( H% M    0000000 c2b3 000a
2 c2 \3 c% N) O    0000003
3 f0 [) D2 Q, h- S   
    区码=b3-a0=13
    位码=c2-a0=22