【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.
8 B& U6 O4 l3 s8 H- w
    以上所述编码即国际码
7 J, U. K; m0 [" M
    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.
7 k5 v8 I' i7 d8 X" C: [    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。
' X# W! C8 D3 @. o; |# I    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)：
+ {8 @2 A( i0 H% `7 w5 S' n
$ `& I! d8 ^  G0 A/ F0 @8 h7 Q    01-09区        特殊字符区
" J5 I, y  S$ @' W    10-55区        一级汉字区
- j5 `+ K9 g( d% Z* A# \    56-87区        二级汉字区
) Y8 K# R* j4 D2 G8 n( j   
    在汉字字库中：
4 w4 [7 t2 ?8 ~7 H! m: r3 I# o& X/ D
3 s% L% E7 v) h. O- h3 [; g    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:
' q% l: }  F. T, J" p
$ k. o0 [! x/ o# f4 P    机内码=国际码+8080H

    区位码=机内码-0xA0H
" _7 S! k2 M; X
( i" u4 k! k. v( `  c" @. L' e    国际码=区位码+2020H

    如：“陈”的汉字区位码：1934（16进制为 1322H）
, Y+ p2 L- D' ]8 L    在Linux下，用文本编辑器输入"陈",保存为test
    od -h test
    显示为：
$ R' W1 P; u! s' r; _- F; q7 ?& l    0000000 c2b3 000a
    0000003
. A3 n0 ?; I$ A) i- Q- N   
    区码=b3-a0=13
    位码=c2-a0=22