第四章 汉字信息处理基础知识

第四章 汉字信息处理基础知识

要用计算机来处理文字，就必须解决如何把文字输入计算机并在计算机中存储、加工，以及进行适当处理后再输出的问题。计算机的文字信息处理过程见P77的图 4.1

4.1.2 汉字编码标准

ASCII 码是英文字符的编码标准。

国标码(也称汉字的交换码)，是用0、1代码串表示汉字，在汉字系统和通信系统之间交换信息用的汉字编码标准，全称为《信息交换用汉字编码字符集》（GB 2312—80），共有字符7445个，分为两级，一级为3755个，按汉语拼音的顺序排列，二级3008个，按部首和笔画排列。扩展国标码（GBK）是在国标码的基础上加大了收字范围，有20902个汉字。Windows 中装入了GBK 的全部汉字和符合GBK和GB2317—80的输入法。

1、国标码（GB 2312—80）表由94行（0-93）和94列（0-93）构成，行和列分别用7位二进制码表示（即双七位二进制表示法），第一个七位（第一字节）表示行号，第二字节表示列号，行号和列号共同定义一个字符，常用十六进制表示。见P78 图4.2

2、区位码：国标码可表示成区位码的形式。将行号称为区号，列号称为位号，有94个区和94个位，区、位号均用十进制数表示。故可以用4位十进制数表示一个汉字。

  区位码转换为国标码的规则为：十进制的区号和位号分别转换成十六进制数＋2020H

区位码也是一种汉字输入法（具有唯一性）。

3、机内码：计算机内部的汉字代码，不同的计算机系统中使用的机内码是不同的。在微型机中多采用两字节代码作为机内码。

国标码转换为机内码的规则为：十六进制国标码＋8080H ，即：置国标码的两个字节的最高位为１即可。

4.1.3 汉字输入法

汉字输入可分为整字、字素和编码三大类。

①大键盘整字输入：采用一字一键的输入方法。在专业系统（如电子照排）等某些特定的场合使用。

②字素输入：直接利用ASCII码标准键盘，把字素刻在键帽上，将汉字分解后按一般的笔顺键入。如五笔画。

③编码输入法：按照汉字的语音、字形等特征用ASCII码字符给汉字编码，从标准键盘上输入汉字。是用得最普遍的一种。流行的有拼音码、自然码、表形码、五笔字型码、首尾码、国标区位码、仓颉码和电报码等十几种。

音码：以语音特征来编码的方案（适合一般用户）；形码：以字型特征来编码的方案（适合专业录入人员）；音型混合码：两者兼具的编码方案。

4.1.4 汉字字模库

汉字输出方式主要有两种：显示和打印。     汉字显示原理见P81图4.4。

在计算机中通常用点阵来描述。即把汉字看成一个用一组二进制数表示的二维图形，“1”是有点，“0”是无点。若干个代码串就表示整个汉字的点阵信息。

字模（字形码）：一个汉字点阵信息的二进制代码串称为汉字的字模。

字模库（简称字库）：所有汉字和各种符号的点阵信息就组成汉字的字库。

软字库：存放在软盘或硬盘上的字库。

硬字库（也称汉卡）：存放在可擦除只读存储器(EPROM)或只读存储器（Mask—ROM）中。

小结：英文字符存储在计算机中，采用标准为ASCII码，每个英文字符占用1个字符节

汉字存储在计算机中，采用标准为国标码，机器内部存放的是机内码，每个汉字占2个字节。

汉字或英文字符的输出，用汉字的字形码（即字模）

例：如果使用16╳16点阵的汉字库，8000个汉字用多少个字节来存放？

一个汉字用16╳16/8=32B来存放，8000个汉字用8000╳16╳16/8=256000个字节来存放。

掌握P80表4.1，对汉字点阵类型每个汉字所占用字节数的计算方法。

4.1.5汉字显示输出 及4.1.6汉字打印输出在P81，了解

4．2   微机汉字汉字信息处理系统的构成和使用（主要掌握下面两大点即可）

1、启动汉字输入系统：鼠标单击任务栏右下角的输入法按钮“En”，然后在弹出的菜单上选择所需的输入法。

2、输入法间的切换：1）中英文切换：      <Ctrl>+<Space>（空格键）。

                   2）中文输入法切换：  <Ctrl>+<Shift>（有的机器是Alt+Shift）

                   3）全角与半角切换：  <Shift>+<Space>

4）中英文标点符号切换：<Ctrl>+ <.> 

其它内容自己看看，了解即可。