【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.
/ n, }* w  ~7 U4 u' }! T
    以上所述编码即国际码
& k& P& x; M8 O; T( J4 p. B
    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.
0 |) }$ b/ ^' L6 L& p, o/ _    5.区位码
2 P6 c* k1 o8 @1 _    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
& P- z. F2 `% k: z% A& w: ^& @    10-55区        一级汉字区
    56-87区        二级汉字区
   
+ k; L" l0 C" R  I3 t: C0 ^  V, M2 }    在汉字字库中：
. o; O6 f2 q% f, ?" S: G
    区码=机内码第一字节-0xA0H
    位码=机内码第二字节-0xA0H
; h6 X/ w) K9 i$ X! S! l" y
6 e# D0 y" t" T! R8 B9 X! ?    6.国际码 区位码 机内码 之间的关系:

, w$ K! s0 z1 X/ A7 S' J    机内码=国际码+8080H
! |, s) a6 P5 ]/ {+ f
    区位码=机内码-0xA0H

0 B4 B$ V4 p$ G# r, w7 l, L    国际码=区位码+2020H
, a" ~$ w& f7 y; C6 ~7 H0 c' k) ]* W
# j) ^2 h4 {, I5 O* ^" B* U2 m    如：“陈”的汉字区位码：1934（16进制为 1322H）
% e$ O) R  H" N( Q5 m    在Linux下，用文本编辑器输入"陈",保存为test
7 o% q/ T1 N* }8 z    od -h test
    显示为：
- {: o0 d2 s2 T1 K( I    0000000 c2b3 000a
" v& _5 ]; |# O" V* H& N    0000003
) t/ G+ j# G# i% i   
' t( {9 P! |$ z- y    区码=b3-a0=13
    位码=c2-a0=22