全国计算机应用基础知识：汉字、字符编码.pdf

全国计算机应⽤基础知识：汉字、字符编码 　　（1）计算机中的信息单位 　　计算机中对信息表⽰的单位有位、字、字长及字节等，它们是⽤来表⽰信息量的⼤⼩的基本概念。 　　 位：计算机中数据存储的最⼩单位是⼀个⼆进制位，简称位，英⽂为bit，⾳译为⽐特，可⽤⼩写字母b表⽰。 　　 字节：⼋位⼆进制位称为⼀个字节，英⽂为Byte，可⽤⼤写字母B表⽰，是计算机存储的基本单位。⼀个字节的⼋位⼆进制数，其位编号⾃ 左⾄右为b7、b6、b5、b4、b3、b2、b1、b0。在计算机中，往往⽤字节数来表⽰存储容量，容量可以以KB、MB、GB、TB为单位，它们相互之 间的转换关系如下： 　　1KB=210B=1024B 　　1MB=210KB=1024KB 　　1GB=210MB=1024MB 　　1TB=210GB=1024GB 　　 字：计算机在存储、传送或操作时，作为⼀个整体单位进⾏操作的⼀组⼆进制，称为⼀个计算机字，简称字。 　　 字长：每个字所包含的位数称为字长。由于字长是计算机⼀次可处理的⼆进制数的位数，因此它与计算机处理数据的速率有关，是衡量计 算机性能的⼀个重要因素。 　　（2）字符的编码。 　　 ASCII码。 　　计算机只能识别⼆进制数，因此计算机中的数字、字母、符号也必须⽤⼆进制进⾏编码。编码⽅法有多种，微型机中普遍采⽤的是ASCII码 （美国标准信息交换码），ASCII码现已被国际标准化组织（ISO）接收为国际标准，称为ISO-646。ASCII码有7位版本和8位版本两种，国际上通 ⽤的ASCII码是7位版本。7位版本的ASCII码包含10个阿拉伯数字、52个英⽂⼤⼩写字母、32个标点符号和运算符及34个控制码，共128个字符， 所以可⽤7位⼆进制数表⽰。7位ASCII码字符如下图所⽰： 　　要确定⼀个数字、字母、符号或控制字符的ASCII码，可在表中先找出它的位置，然后确定它所对应的⼗进制值或⼆进制值。例如⼩写字 母"a"的ASCII码其⼗进制值是97，⼆进制值是1100001B（B表⽰⼆进制数），若转换成⼗六进制，其值是61H（H表⽰⼗六进制数）。从表中可以 看出，数字0～9的ASCII码是30H～39H（后缀H表⽰是⼗六进制数），⼤写字母A～Z的ASCII码是41H～5AH，⼩写字母a～z的ASCII码是61H～ 7AH。字符⼤⼩的⽐较就是看它的ASCII码值的⼤⼩。 　　表中，NUL、BEL、LF、FF、CR、DEL等是控制字符，NUL表⽰空，BEL是告警符，BS是退格符，LF是换⾏符，FF是换页符，CR是回车 符，SP是空格符，DEL是删除符。 　　 BCD码。 　　⽤计算机处理数字时，要进⾏⼆进制与⼗进制的相互转换，这就要⽤⼆进制对⼗进制数进⾏编码，BCD（Binary Coded Decimal）码是⼆进 制编码的⼗进制数。最常⽤的BCD码就是8421BCD码， 　　它是⽤4位⼆进制数为⼀组表⽰⼀个⼗进制数字，4位⼆进制数从左到右其位权依次为8、4、2、1，它可以组合成16种状态，对0～9这10个数 字的编码只取0000～1001这前10种状态，其余6种状态不⽤。为了能对⼀个多位⼗进制数进⾏编码，需要有和⼗进制数的位数⼀样多的4位⼆进制 组，按顺序分别进⾏编码。表1-4表⽰8421BCD码与⼗进制数的对应关系。 　　表1-4 BCD码与⼗进制数的对应关系 　　 Unicode编码 　　ASCII码提供了128个字符，扩展的ASC码提供了256个字符，但⽤来表⽰世界各国的⽂字编码还显得不够，还需要表⽰更多的字符和意义，因 此⼜出现了Unicode编码。 　　Unicode是⼀种16位的编码，能够表⽰65000多个字符或符号。⽬前世界上的各种语⾔⼀般所使⽤的字母或符号在34000个左右，所以 Unicode编码可以⽤于任何⼀种语⾔。Unicode编码与现在流⾏的ASCII码完全兼容，⼆者的前256个符号是⼀样的。 　　（3）汉字的编码 　　汉字是⼀种象形⽂字，字数极多（现代汉字中仅常⽤字就有六七千个，总字数⾼达5万个以上），且字形复杂，每⼀个汉字都有"⾳、形、 义"三要素，同⾳字、异体字也很多，这些都给汉字的计算机处理带来了很⼤的困难。要在计算机中处理汉字，必须解决以下⼏个问题：⾸先，是 汉字的输⼊，即如何把结构复杂的.⽅块汉字输⼊到计算机中去，这是汉字处理的关键；其次，汉字在计算机内如何表⽰和存储，如何与西⽂兼 容；最后，如何将汉字的处理结果从计算机内输出。为此，必须将汉字代码化， 　　即对汉字进⾏编码。对应于上述汉字处理过程中的输⼊、内部处理及输出这3个主要环节，每⼀个汉字的编码都包括输⼊码、交换码、内部码 和字形码。在计算机的汉字信息处理系统中，处理汉字时要进⾏如下的代码转换：输⼊码 交换码 内部码 字形码。