【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.
5 `: Z5 o6 L& B/ `
    以上所述编码即国际码
) `3 W0 C( B# L' M7 p& v+ E" f6 I' k
1 C( k! f' H9 |) y    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
6 q7 Q* M: q' z# a3 L* Q- W7 I    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。
0 ^7 E1 q% R" C% L2 j! H& ]    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
    56-87区        二级汉字区
   
" _8 g  W/ M. T  h7 w) f5 Y) U  }    在汉字字库中：
$ I( w8 P8 P- d
    区码=机内码第一字节-0xA0H
" O4 t& m# d& i    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:

/ t2 t- q4 j+ @+ ^: ^0 ?    机内码=国际码+8080H
: @; n, J" P6 c1 Y" T4 G
! H  P' ~  }% [- C    区位码=机内码-0xA0H
: L  V& e) }8 ?4 t2 ^
    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
# P# }& O& C2 l/ M    od -h test
  s1 m% U$ O9 r    显示为：
    0000000 c2b3 000a
    0000003
# W6 u# O* }, N2 N5 ?" @   
    区码=b3-a0=13
    位码=c2-a0=22