【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。
$ q, `2 i7 `& X; Z    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。
# _! }( w  h6 b; d1 ]/ X    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.
' d+ g, i. H' T, i
: S& O' a* f0 Q* E0 v% o- P6 h    以上所述编码即国际码
4 b" {$ Z( \4 c/ x- N% ^
& U) b9 `, ?. p    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.
/ A( J/ [2 L; y$ C3 Y; M$ @    5.区位码
  u1 T) y7 l; |- X    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 B, c+ W4 c  L& A1 B3 B0 T1 h3 [    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)：

$ ~6 R8 S8 c; X* M) b# B    01-09区        特殊字符区
2 {3 ]9 ?/ L( V: i  r# W3 M, P    10-55区        一级汉字区
    56-87区        二级汉字区
7 D: R. Y$ I9 n8 p& Y& T   
    在汉字字库中：
! b8 P8 S0 _) z1 b3 O. M# Z# ]4 ^
    区码=机内码第一字节-0xA0H
    位码=机内码第二字节-0xA0H
4 Y" q6 g) Y  c( f1 P# g
    6.国际码 区位码 机内码 之间的关系:
. N- S: c% r& }
    机内码=国际码+8080H

0 B+ e) h0 ~' ?. n    区位码=机内码-0xA0H
/ c  _. ^3 q9 K6 f6 C2 }( h5 Y
/ {* f# Y6 T0 |' i* _    国际码=区位码+2020H
. a3 R6 \4 B( Y
    如：“陈”的汉字区位码：1934（16进制为 1322H）
: V( R6 Q5 a2 e$ T7 s    在Linux下，用文本编辑器输入"陈",保存为test
    od -h test
$ |# `- O6 _) V  _8 R( D    显示为：
2 j" P, I3 B. D! A/ C: `+ ^( L    0000000 c2b3 000a
& D2 G" n: X; E( W& Y- _! R    0000003
   
    区码=b3-a0=13
0 J9 n' E& v) S5 G% ~    位码=c2-a0=22