【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.

- E9 x4 t( P2 N9 m    以上所述编码即国际码

    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.
( J& }# Q5 G; e* ^) V% e    5.区位码
0 S' ], z& ?: @    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
  [/ ^+ G9 |5 U0 P    10-55区        一级汉字区
    56-87区        二级汉字区
0 t! d/ d1 i* V! p1 \4 A   
    在汉字字库中：

    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:
6 h) H+ C) v$ J# d: A- G
8 L7 X8 D( I3 ?    机内码=国际码+8080H
  U' d/ G2 ?$ l
    区位码=机内码-0xA0H

' q, n9 l9 c# O3 @% I9 `6 F+ K* H    国际码=区位码+2020H

  r' F# D8 K6 o1 O1 j5 E    如：“陈”的汉字区位码：1934（16进制为 1322H）
7 ?# k3 N' ]6 z0 K. U$ v; M' w    在Linux下，用文本编辑器输入"陈",保存为test
! T' C$ x+ U( m( R1 b    od -h test
. P% {2 i& f9 l    显示为：
4 u0 F7 {0 |2 Q, ~0 l    0000000 c2b3 000a
! U7 c1 R. C7 G1 ]1 y1 u1 e! d$ S( {* i    0000003
   
    区码=b3-a0=13
/ j8 M* L( D4 V' o  r    位码=c2-a0=22