汉字在字库中的偏移地址计算

### 汉字在字库中的偏移地址计算 #### GB2312 字库 GB2312（国家标准信息交换用汉字编码）是一种早期的汉字编码标准，主要用于中国大陆地区，收录了7445个图形字符，其中包括6763个汉字，以及符号、字母、日文假名等。此标准自1980年发布以来，在计算机系统中被广泛采用，直到GB18030、UTF-8等新标准出现后逐渐被取代。 **编码规则**： - GB2312规定所有字符均采用双字节表示，每个字节采用七位编码。 - 第一个字节被称为“高字节”（GBKH），第二个字节被称为“低字节”（GBKL）。 - 编码范围：高字节0xA1～0xFE，低字节0xA1～0xFE。 - 汉字编码范围从0xB0A1到0xF7FE。 **分区规则**： - GB2312将代码表分为94个区（每个区94个位置），每个区对应一个高字节。 - 01～09区为符号、数字区。 - 16～87区为汉字区，其中： - 一级汉字3755个，位于16～55区，按汉语拼音字母/笔形顺序排列。 - 二级汉字3008个，位于56～87区，按部首/笔画顺序排列。 - 10～15区、88～94区为预留区。 **偏移地址计算**： - 假设汉字字体大小为`size`（例如16像素），那么某个汉字的偏移地址计算公式为： - `offset = ((GBKH - 0xA1) * 94 + (GBKL - 0xA1)) * (size * 2)` #### GBK 字库 GBK（又称CP936）是中国大陆的一种扩展编码标准，旨在兼容GB2312，并增加了对繁体字的支持，收录汉字总数超过2万个。 **编码规则**： - GBK编码同样采用双字节表示，但增加了更多的编码空间。 - 高字节范围依然是0x81～0xFE，低字节范围分为0x40～0x7E和0x80～0xFE。 - 总共126个区（0xFE～0x81+1），每个区190个汉字。 - 总汉字数为126 × 190 = 23940个汉字。 **偏移地址计算**： - 当GBK低字节小于0x7F时： - `offset = ((GBKH - 0x81) * 190 + (GBKL - 0x40)) * (size * 2)` - 当GBK低字节大于等于0x80时： - `offset = ((GBKH - 0x81) * 190 + (GBKL - 0x41)) * (size * 2)` #### 解码过程 **GBK字库解码**： ```c qh = *code; // 高字节 ql = *(++code); // 低字节 if (ql < 0x7F) { ql -= 0x40; } else { ql -= 0x41; } qh -= 0x81; foffset = ((unsigned long)190 * qh + ql) * (size * 2); ``` **GB2312字库解码**： ```c qh = *code; // 高字节 ql = *(++code); // 低字节 ql -= 0xA1; qh -= 0xA1; foffset = ((unsigned long)94 * qh + ql) * (size * 2); ``` ### 小结 通过上述分析可以看出，无论是GB2312还是GBK字库，它们都采用了双字节编码，并且都有特定的分区规则来组织字符。不同之处在于GBK增加了对繁体字的支持，同时扩展了编码空间，能够表示更多的字符。在实际应用中，了解这些编码标准及其计算方法对于处理中文字符至关重要，尤其是在开发支持中文显示的应用程序或系统时。