【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.

    以上所述编码即国际码
5 p0 b% @* v. K
9 {. o; ]; O7 o/ |5 @( Q+ I    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.
    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。
. X7 H: J5 g- z) V' _  [    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
& h4 a8 q" }& j, b/ B$ I8 L2 v  @( \    10-55区        一级汉字区
4 T7 p) M9 R* F; k: C    56-87区        二级汉字区
, F& z2 j- u) Y) D( H   
    在汉字字库中：

) a- w$ A0 ?+ \! B, [, T2 j    区码=机内码第一字节-0xA0H
; f2 n& X. R4 v7 R    位码=机内码第二字节-0xA0H

6 I* Z7 E' G! b" `' G    6.国际码 区位码 机内码 之间的关系:

    机内码=国际码+8080H

    区位码=机内码-0xA0H

3 G) l- y; ?) ^6 M, V/ \4 V1 v    国际码=区位码+2020H

    如：“陈”的汉字区位码：1934（16进制为 1322H）
' d& \/ a2 o3 g, K. ?# A    在Linux下，用文本编辑器输入"陈",保存为test
    od -h test
    显示为：
    0000000 c2b3 000a
7 G5 ?4 ^& t6 K$ i, U) n2 v    0000003
   
    区码=b3-a0=13
: w# E& [3 _" Y" ~( {    位码=c2-a0=22