【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。
; f* e' B: K; o0 L* u    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

% Z+ l- `5 o3 |# T, I$ ^, B    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.
6 v; N3 h2 U1 E6 t    5.区位码
4 A3 `7 W* _5 i5 t, S9 J+ h    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)：

    01-09区        特殊字符区
    10-55区        一级汉字区
/ D$ z1 }" R' M2 C. {    56-87区        二级汉字区
# ~; P; Z0 j9 Z   
% ^/ Q# z* y% c4 Q2 Q- ?    在汉字字库中：

5 S1 D8 f. J: Y; t& W! N0 q4 p    区码=机内码第一字节-0xA0H
) k7 r7 L. {: @4 v% G    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:

    机内码=国际码+8080H

) D6 e1 K. _# X3 @0 C6 i    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）
    在Linux下，用文本编辑器输入"陈",保存为test
    od -h test
- O* ?3 P7 h( [& U% }/ H; d% h& t    显示为：
    0000000 c2b3 000a
    0000003
   
    区码=b3-a0=13
- ^0 Z( F! O2 s& A0 O) s) F    位码=c2-a0=22