1.2.5 字符的编码

1.西文的编码

目前使用最广泛的西文字符集及其编码是ASCII字符集和ASCII码（American Standard Code for Information Interchange，美国标准信息交换码），它同时也被国际标准化组织（International Organization for Standardization，ISO）批准为ISO 646国际标准。标准ASCII码使用7个二进制位对字符进行编码，基本的ASCII字符集共有128个字符，如表1-2所示，其中有96个可打印字符，包括常用的字母、数字、标点符号等，另外还有32个控制字符。

2.汉字的编码

（1）简体中文的编码。

《信息交换用汉字编码字符集》是由国家标准总局1980年发布的，于1981年5月1日开始实施的一套国家标准，标准号是GB 2312—1980。GB 2312编码适用于汉字处理、汉字通信等系统之间的信息交换，新加坡等地也采用此编码。几乎所有的中文系统和国际化的软件都支持GB 2312。基本集共收入汉字6763个和非汉字图形字符682个。整个字符集分成94个区，每区有94个位。每个区位上只有一个字符，因此可用所在的区和位来对汉字进行编码，称为区位码。把换算成十六进制的区位码加上2020H，就得到国标码。国标码加上8080H，就得到常用的计算机机内码。1995年国家标准总局又颁布了《汉字编码扩展规范》（GBK）。GBK与GB 2312—1980国家标准所对应的内码标准兼容，同时支持ISO/IEC 10646-1和GB 13000—1的全部中、日、韩（CJK）汉字，共计20902字。

（2）繁体中文的编码。

大五码（Big5），又称为五大码，是使用繁体中文地区最常用的计算机汉字字符集标准，共收录13060个中文字，Big5属中文内码（中文码分为中文内码及中文交换码两类）。Big5虽普及于中国的台湾、香港与澳门等繁体中文通行地区，但长期以来只是业界标准。

3.汉字的处理过程

汉字在计算机的输入、内部处理、输出时要使用不同的编码，各种编码之间需进行相互转换，如图1-1所示。

（1）输入码：主要分为数字编码、拼音编码和字形编码。

① 数字编码是用数字串代表一个汉字，国标区位码是这种类型编码的代表。

② 拼音编码是以汉字拼音为基础的输入方法，全拼输入法即是属于这种编码。

③ 字形编码是以汉字的形状为基础的编码，五笔字型即是属于这种编码。

（2）国标码：国标码又称为汉字交换码，用于在计算机之间交换信息。

（3）机内码：机内码是在设备和信息处理系统内部存储、处理、传输汉字用的编码。

（4）字形码：表示汉字字形的字模数据，是汉字的输出形式。有两种表示方法：矢量和点阵表示方式。其中汉字所需的存储容量为：字节数=点阵行数×点阵列数/8，每个点使用1bit（位）存储空间。用于打印的字库称为打印字库，其中的汉字比显示字库多，而且工作时也不像显示字库需调入内存。

4.汉字地址码

汉字地址码是指汉字库中存储汉字字形信息的逻辑地址码。它与汉字内码有着简单的对应关系，以简化内码到地址码的转换。

5.其他汉字内码

（1）HZ码：HZ码是在Internet上广泛使用的一种汉字编码。

（2）ISO 2022 CJK码：ISO 2022是国际标准化组织（ISO）为各种语言字符制定的编码标准。采用两个字节编码，其中汉语编码称ISO 2022 CN，日语、韩语的编码分别称JP、KR。一般将三者合称CJK码。目前CJK码主要在Internet网络中使用。

（3）Unicode码：Unicode码也是一种国际标准编码，采用两个字节编码模式。目前，在网络、Windows系统和很多大型软件中得到应用。