【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。
9 a$ ^% _! @0 O$ ]  n3 S( e    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。
: q, D. ~4 q* }4 j9 \# Q2 k4 o    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.
9 {8 ^( R0 t8 G2 m, R
    以上所述编码即国际码

) t5 H) Q# j* r4 s) l    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.
+ E/ l7 _5 g1 p7 m0 |    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。
# k5 N% S8 ]5 Z, j- F! }    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)：
" O4 E6 i" [& ~4 h% k8 _  {
( L, y5 m  H5 m2 e3 Y; |    01-09区        特殊字符区
: ]1 g9 l1 n* ]0 E, q: Z, l    10-55区        一级汉字区
    56-87区        二级汉字区
, v# c6 g* P" }4 ]   
    在汉字字库中：
- m3 [2 G/ g3 x
  A& K; w) A4 c    区码=机内码第一字节-0xA0H
$ ?+ g+ ], M$ c2 l8 [    位码=机内码第二字节-0xA0H
4 i7 i6 m$ U4 x& w6 F
    6.国际码 区位码 机内码 之间的关系:
3 l7 q7 u. R  i7 z: b% G
    机内码=国际码+8080H

    区位码=机内码-0xA0H

! A% x" Z+ V) T, O" k7 c$ \* D    国际码=区位码+2020H
) G. S# P8 A; D. X( D* G. U2 S* l
$ M+ |3 P" X; {5 g; Z* o    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
: R8 m) S( x5 l8 N" Y+ K; d    od -h test
    显示为：
    0000000 c2b3 000a
' U8 T& {. i$ W$ [* z    0000003
   
$ d7 M, z; u1 N2 N# V    区码=b3-a0=13
    位码=c2-a0=22