西文字符编码与汉字编码18页PPT
合集下载
ASCII码和汉字编码 - 打印版
一.西文字符编码目前计算机中使用最广泛的西文字符集及其编码是ASCII字符集和ASCII 码，即美国国际信息交换码。
1.标准ASCII字符集共收录了96个可打印字符，32个控制字符，共128个。
其编码规则是：用7位二进制数对每一个字符进行编码，在计算机内部则用字符的ASCII码存储和表示该字符。
而计算机中一般是用1个字节来存储的，每个字节中多出来的最高位一般保持为0。
0 000 0000 ------0……………0 111 1111 ------127常见的ASCII字符要知道:数字字符的ASCII 大写字符的ASCII小写字符的ASCII“0”...48 “A”...65 “a” (97)“1”...49 “B”...66 “b” (98)…………“9”...57 “Z”...90“z” (122)空格字符的ASCII是 32。
2.扩展ASCII码；将标准ASCII最高位置1，得到十进制代码128-255,称为扩展ASCII，可代表扩展的另128个字符。
扩展的ASCII=标准的ASCII+扩展字符集。
二.汉字的编码汉字的特点是数量大、字形复杂、同音字多。
国家标准有一下几个:GB2312:1981年颁布的第一个国家标准，所有字符在计算机内部都采用2个字节来表示，每个字节的最高位规定为1,不支持繁体字。
GBK:1995年版本的，除了收录有GB2312中的所有汉字和符号外，还收录了繁体字在内的大量汉字和符号。
与GB2312向下兼容，即与GB2312相同的字符，其编码也相同。
UCS/Unicode:是国际标准GB18030:与GB2312、GBK保持向下兼容，还扩充了UCS/Unicode中的其它字符Big5:主要在台湾地区使用，支持繁体字。
以下讲解的是GB2312-80汉字编码字汇组成第一部分:字母、数字和各种符号共682个(包括拉丁字母、俄文、日文平假名与片假名、希腊字母、汉语拼音等，统称为GB2312图形符号), 01-09区。
西文字符的编码
通用编码字符集UCS/Unicode
约有6800种语言和文字在使用，需要建立一个多文种（Multilingual）处理环境
在ISO2022基础上，使用代码页号切换不同字符集的方法过于繁琐，且与其他系统不兼容
目标与途径：实现所有字符在同一字符集中统一编码
UCS/Unicode与GB18030汉字编码标准
3)汉字的编码（一）
GB2312-80汉字编码
A.第一部分：字母、数字和各种符号，包括拉丁字母、俄文、日文平假名与片假名、希腊字母、汉语拼音等共682个（统称为GB2312图形符号）
B.第二部分：一级常用汉字，共3755个，按汉语拼音排列
C.第三部分：二级常用字，共3008个，按偏旁部首排列
区位码：GB2312国标字符集构成一个二维平面，它分成94行、94列，行号称为区号，列号称为位号。每一个汉字或符号在码表中都有各自的位置，字符的位置用它所在的区号(行号)及位号(列号)来表示。每个汉字的区号和位号分别用1个字节来表示｛如：“大”字的区号20，位号83，区位码是20 83
用2个字节表示为：00010100 01010011｝
4)国标交换码:
问题：信息通信中，汉字的区位码与通信使用的控制码（00H～1FH）发生冲突。解决方案：为了避免汉字区位码与通信控制码的冲突，ISO2022规定，每个汉字的区号和位号必须分别加上32（20H）得到国标交换码。
5)机内码：
问题：文本中的汉字与西文字符经常是混合在一起使用的，汉字信息如不予以特别的标识，它与单字节的标准ASCII码就会混淆不清。解决方法：把一个汉字看作两个扩展ASCII码，使表示GB2312汉字的两个字节的最高位(b7)都等于“1”。这种高位为l的双字节(16位)汉字编码就称为GB2312汉字的“机内码”，又称内码。（如：“大”字的内码是：10110100 11110011（B4F3））
约有6800种语言和文字在使用，需要建立一个多文种（Multilingual）处理环境
在ISO2022基础上，使用代码页号切换不同字符集的方法过于繁琐，且与其他系统不兼容
目标与途径：实现所有字符在同一字符集中统一编码
UCS/Unicode与GB18030汉字编码标准
3)汉字的编码（一）
GB2312-80汉字编码
A.第一部分：字母、数字和各种符号，包括拉丁字母、俄文、日文平假名与片假名、希腊字母、汉语拼音等共682个（统称为GB2312图形符号）
B.第二部分：一级常用汉字，共3755个，按汉语拼音排列
C.第三部分：二级常用字，共3008个，按偏旁部首排列
区位码：GB2312国标字符集构成一个二维平面，它分成94行、94列，行号称为区号，列号称为位号。每一个汉字或符号在码表中都有各自的位置，字符的位置用它所在的区号(行号)及位号(列号)来表示。每个汉字的区号和位号分别用1个字节来表示｛如：“大”字的区号20，位号83，区位码是20 83
用2个字节表示为：00010100 01010011｝
4)国标交换码:
问题：信息通信中，汉字的区位码与通信使用的控制码（00H～1FH）发生冲突。解决方案：为了避免汉字区位码与通信控制码的冲突，ISO2022规定，每个汉字的区号和位号必须分别加上32（20H）得到国标交换码。
5)机内码：
问题：文本中的汉字与西文字符经常是混合在一起使用的，汉字信息如不予以特别的标识，它与单字节的标准ASCII码就会混淆不清。解决方法：把一个汉字看作两个扩展ASCII码，使表示GB2312汉字的两个字节的最高位(b7)都等于“1”。这种高位为l的双字节(16位)汉字编码就称为GB2312汉字的“机内码”，又称内码。（如：“大”字的内码是：10110100 11110011（B4F3））
ASCII码和汉字编码
（1）汉字输入
汉字输入 方法 自动识别 汉字输入码
Байду номын сангаас
如手写、语音识别
音码：全拼、双拼、智能ABC等
形码：五笔字型法、郑码输入法
（2）汉字编码
汉字编码（GB2312-80）采用区位码表示汉字。区位码分94个区，每 区94个位，构成94*94个单元的表格。“区号”和“位号”各占一字节（第 一个字节标记区号，第二个字节标记位号），所以一个汉字占2个字节。
字符 ASCII码字符 汉字 二进制编码 8位 16位 查看到的内码 2个十六进制数 4个十六进制数 存储 占1B 占2B
例1. 用UltraEdit软件观察字符内码，结果如下图所示：
则其中内码“32 30”表示的字符为（ B ） （A）2010 （B）20 （C）10 （D）假 例2.用UltraEdit软件观察字符内码，结果如下图所示：
通过内码观察器查看字符内码
Thank you！
ASCII码表由128个代码组成，表示了128个 西文字符，十进制代码从0-127
一个ASCII码字符占一个字节
例如： 字母“t”的ASCII码为116，也就是 0 1110100B， 最高位用“0”填充。
2.汉字编码
汉字与西文字符一样，也是一种字符，在计算机内同样 是以二进制代码表示的。用计算机处理汉字需要解决以下几 个问题： 怎样将汉字输入计算机？ 在计算机内部怎样处理汉字？ 计算机怎样实现汉字信息的输出（显示）？
为了汉字的输出显示和打印，需要描述汉字的字形， 对汉字字形的编码称为汉字的字形码。
归纳——汉字在计算机中的表示
输入法输入 查找对应的区位码 区位码加2020H 转为国际码 国际码加8080H转为 十六进制机内码
字符编码
23
GB码区位示例
01区
78位
24
GB码区位示例（续）
16 区 1 2 3 4 5 6 7 8 9 0 啊 阿 埃 挨 哎 唉 哀 皑 癌 1 蔼 矮 艾 碍 爱 隘 鞍 氨 安 俺 2 按 暗 岸 胺 案 肮 昂 盎 凹 敖 3 熬 翱 袄 傲 奥 懊 澳 芭 捌 扒 4 叭 吧 笆 八 疤 巴 拔 跋 靶 把 5 耙 坝 霸 罢 爸 白 柏 百 摆 佰 6 败 拜 稗 斑 班 搬 扳 般 颁 板 7 版 扮 拌 伴 瓣 半 办 绊 邦 帮 8 梆 榜 膀 绑 棒 磅 蚌 镑 傍 谤 9 苞 胞 包 褒 剥 17 区 1 2 3 4 5 6 7 8 9 0 薄 雹 保 堡 饱 宝 抱 报 暴 1 豹 鲍 爆 杯 碑 悲 卑 北 辈 背 2 贝 钡 倍 狈 备 惫 焙 被 奔 苯 3 本 笨 崩 绷 甭 泵 蹦 迸 逼 鼻 4 比 鄙 笔 彼 碧 蓖 蔽 毕 毙 毖 5 币 庇 痹 闭 敝 弊 必 辟 壁 臂 6 避 陛 鞭 边 编 贬 扁 便 变 卞 7 辨 辩 辫 遍 标 彪 膘 表 鳖 憋 8 别 瘪 彬 斌 濒 滨 宾 摈 兵 冰 9 柄 丙 秉 饼 炳
19
二、计算机中中文字符的表示 汉字交换码
国家标准将每个汉字和图形符号的两个字节分 别用两位的十进制编码（不足补０），前字节的编 码称为区码，后字节的编码称为位码，排列在一个 94行94列的二维代码表中，形成区位码表。 如“保”字在二维代码表中处于17区第03位 ，区位码即为1703D 。 把区位码按一定的规则转换成的二进制代码叫 做信息交换码（简称国标码）。
字 符 编 码
1
提
纲
一 计算机中字符的表示（ASCII码） 二 计算机中中文字符的表示
2
概 述
汉字编码PPT课件
7位——国际通用
3
第3页/共24页
1.2.5 字符的编码
❖ 1.西文字符的编码 ASCII码对128个字符进行了编码，这其中包括大小写英文 字母、阿拉伯数字、标点符号以及控制字符等特殊字符。 ASCII码中共有34个非图形字符（控制字符），94个可打印 字符（图形字符）。 读表1-6可知，每个符号的ASCII编码为：高3位+低4位。
22
第22页/共24页
1.2.5 字符的编码
作业
P38 选择题 14、15、16
23
第23页/共24页
谢谢您的观看！
第24页/共24页
4
第4页/共24页
1.2.5 字符的编码
❖ 1.西文字符的编码 “a”字符加
“A”字符编码为1000001（65），BCDE…依次增加 “0”数字字符编码为0110000（48），1234依次增加 ￭计 算 机 内 部 用 一 个 字 节 （ 8 个 二 进 制 位 ） 存 放 一 个 7 位 ASCII码，最高位置为0。
1.2.5 字符的编码
重点：汉字编码类型及编码方式 难点：ASCII码
1
第1页/共24页
1.2.5 字符的编码
字符
西文字符 中文字符
字母、数字、 各种符号
2
第2页/共24页
1.2.5 字符的编码
❖ 1.西文字符的编码 ￭ 计算机中的数据都是用二进制编码表示的，用以表示 字符的二进制编码称为字符编码。 ￭ 而，计算机最常用的就是ASCII。 ￭ 美国信息交换标准码ASCII，7位码（128个字符） 扩展码ASCII，8位码（256个字符）
12
第12页/共24页
1.2.5 字符的编码
❖ 3.汉字的处理过程 ￭ 汉字内码：是为在计算机内部对汉字进行存储、处理 的汉字编码。 ￭ 不同汉字系统使用的机内码可能不同。汉字内码的形 式有多种。 ￭ 对应国标码，一个汉字的内码用2个字节存储，每个汉 字的最高位置“1”作为汉字内码的标识。
3
第3页/共24页
1.2.5 字符的编码
❖ 1.西文字符的编码 ASCII码对128个字符进行了编码，这其中包括大小写英文 字母、阿拉伯数字、标点符号以及控制字符等特殊字符。 ASCII码中共有34个非图形字符（控制字符），94个可打印 字符（图形字符）。 读表1-6可知，每个符号的ASCII编码为：高3位+低4位。
22
第22页/共24页
1.2.5 字符的编码
作业
P38 选择题 14、15、16
23
第23页/共24页
谢谢您的观看！
第24页/共24页
4
第4页/共24页
1.2.5 字符的编码
❖ 1.西文字符的编码 “a”字符加
“A”字符编码为1000001（65），BCDE…依次增加 “0”数字字符编码为0110000（48），1234依次增加 ￭计 算 机 内 部 用 一 个 字 节 （ 8 个 二 进 制 位 ） 存 放 一 个 7 位 ASCII码，最高位置为0。
1.2.5 字符的编码
重点：汉字编码类型及编码方式 难点：ASCII码
1
第1页/共24页
1.2.5 字符的编码
字符
西文字符 中文字符
字母、数字、 各种符号
2
第2页/共24页
1.2.5 字符的编码
❖ 1.西文字符的编码 ￭ 计算机中的数据都是用二进制编码表示的，用以表示 字符的二进制编码称为字符编码。 ￭ 而，计算机最常用的就是ASCII。 ￭ 美国信息交换标准码ASCII，7位码（128个字符） 扩展码ASCII，8位码（256个字符）
12
第12页/共24页
1.2.5 字符的编码
❖ 3.汉字的处理过程 ￭ 汉字内码：是为在计算机内部对汉字进行存储、处理 的汉字编码。 ￭ 不同汉字系统使用的机内码可能不同。汉字内码的形 式有多种。 ￭ 对应国标码，一个汉字的内码用2个字节存储，每个汉 字的最高位置“1”作为汉字内码的标识。
汉字编码课件.ppt
94:美标中形象码的总数,33--126 汉字区、位码各加上32，就会与美标形象码的
范围重合,称为该字的“国标码”,与其相对应 的两个美标符号，为该字的“国标符” 如何区分国标符与美标符：国标码的两个数字 各加上128，称“准国标”或“机内码” 机内码=（区位码）H + 8080H +2020H
..
15
BIG5码
针对繁体汉字的编码，在台湾、香港的 电脑系统中得到普遍应用
非汉字
一级汉字 二级汉字
第一字节 A1~A2 A3 C6 C7~C8 A4~C5 C6 C9~F8 81~A0
第二字节 40~7E/A1~FE 40~7E/A1~E0
A1~FE 40~7E/A1~FE 40~7E/A1~FE
每一组包含256个平面(plane)，每一个平面包 含256行(row)，每一行包含256个字位(cell)， 又称为“列”,plane、row、cell的值范围都 是从00到FF全编码
整个编码字符集的每个字符都是由4个八位序 列表示,(按照组八位、面八位、行八位、列八 位的顺序)
可编码空间为：128X256X256X256=32KX64K
..
27
UTF-8
为满足面向字节、基于ASCII码系统的需要而 制定(主要用于数据传输、互联网)
用最多达4个字节的序列来表示每个字符，为 有效分析字符串，用第一个字节指明某个多字 节序列中的字节数
通常用于数据交换
Unicode 范围
Unicode 编码点和 UTF-8 编码字符之间的关系 UTF-8 编码的字节
的变形显现形式、特殊字符等均放在此区
..
23
ISO/IEC 10646空间分配现状
范围重合,称为该字的“国标码”,与其相对应 的两个美标符号，为该字的“国标符” 如何区分国标符与美标符：国标码的两个数字 各加上128，称“准国标”或“机内码” 机内码=（区位码）H + 8080H +2020H
..
15
BIG5码
针对繁体汉字的编码，在台湾、香港的 电脑系统中得到普遍应用
非汉字
一级汉字 二级汉字
第一字节 A1~A2 A3 C6 C7~C8 A4~C5 C6 C9~F8 81~A0
第二字节 40~7E/A1~FE 40~7E/A1~E0
A1~FE 40~7E/A1~FE 40~7E/A1~FE
每一组包含256个平面(plane)，每一个平面包 含256行(row)，每一行包含256个字位(cell)， 又称为“列”,plane、row、cell的值范围都 是从00到FF全编码
整个编码字符集的每个字符都是由4个八位序 列表示,(按照组八位、面八位、行八位、列八 位的顺序)
可编码空间为：128X256X256X256=32KX64K
..
27
UTF-8
为满足面向字节、基于ASCII码系统的需要而 制定(主要用于数据传输、互联网)
用最多达4个字节的序列来表示每个字符，为 有效分析字符串，用第一个字节指明某个多字 节序列中的字节数
通常用于数据交换
Unicode 范围
Unicode 编码点和 UTF-8 编码字符之间的关系 UTF-8 编码的字节
的变形显现形式、特殊字符等均放在此区
..
23
ISO/IEC 10646空间分配现状
信息的编码PPT课件
学情分析
本节是信息技术必修部分的第二课，刚从初中升入的高一新生，他们的信息技术基础不一、对信息技术的理解程度也不同。所以，必须增加学生感兴趣的、具有可操作性的、易接受的实例，让学生尽可能多地参与实例分析，从而提高学生学习这一门学科的兴趣。
教学目标
过程与方法
知识与能力
情感态度价值观
教学目标
知识目标
教师说明此实验的目的；再简单介绍并演示UltraEdit工具软件的基本使用方法。
1
2
3
4
给学生时间，让学生自己编辑修改字符，以观察内码的变化。（提示学生：相互之间可以讨论，可以输入自己喜欢的一句名言警句或最喜欢的一首歌曲中的某句歌词。）
教师指导学生启动记事本(新建文本文档)，输入“科普知识ABC”，并保存这个文件，文件名为“lx.txt”。
重新认识十进制，并能进行知识迁移，对二进制与十六进 制能进行初步的理解；
了解ASCII字符编码和汉字编码 ；
能力目标
培养学生用计算机处理信息的能力 ；
பைடு நூலகம்
培养学生的探究能力、合作能力；
培养学生的已有知识的应用能力及知识的转化能力。
情感目标
培养学生逻辑思维能力、动手操作能力 ；
培养学生合作学习和主动获取信息的愿望及意识 ；
字符编码：ASCII码 ； 目前常见的几种汉字编码;
初步了解信息编码中的二进制代码的特征 ；
二进制、十六进制相关内容的理解。
教学重点
教学难点
教学重点与难点
教师教法
讲解法
指导法
评价法
教学策略与手段
自主学习
讨论法
学生学法
合作探究法
1、教师的教学准备： UltraEdit工具软件、Excel工程函数 一张机读卡 2、教学环境 多媒体网络教室、极域教学控制系统 3、学生的教学准备 打开资源管理器、浏览教学网站
字符、编码、Unicode杂谈PPT课件
/versions/Unicode6.0.0/ 主要新增区块
.
15
0840..085F 1BC0..1BFF AB00..AB2F 11000..1107F 16800..16A3F 1B000..1B0FF 1F0A0..1F0FF
1F300..1F5FF
.
12
主要日文编码标准
ShiftJIS
Shift_JIS是一个日本电脑系统常用的编码表。它能容纳 全角及半角拉丁字母、平假名、片假名、符号及日语汉 字。
它被命名为Shift_JIS的原因，是它在放置全角字符时， 要避开原本在0xA1-0xDF放置的半角假名字符。
在微软及IBM的日语电脑系统中，即使用了这个编码表。 这个编码表称为CP932。
.
11
主要的中文编码标准
GB 13000.1-93
等同于Unicode 1.1标准 GBK收录了GB13000.1-93全部字符但是编码方式不同。
GB 18030-2005
目前最新的字符集 全面兼容GBK 和UTF-8相同采用多字节编码。 更新至 Unicode 4.1标准（2000年标准兼容Unicode3.0）
JIS-X0201 & JIS-X 0208
.
13
Unicode
志在一统全球语言文字编码 官网 最新标准Unicode
现行6.2 准备中
标准目的在于为每一个可用的字符设置一个唯一编号， 没有涉及任何编码方式，字长等。
.
14
Unicode 6.x
早在5.x 版本，Unicode已经开始使用超过 0xFFFF的值 为字符进行编码
.
19
IVS
http://xawiki:8080/display/IMWIN7X/SRS_NewFormatKeywor d_IVS_Knowledge
.
15
0840..085F 1BC0..1BFF AB00..AB2F 11000..1107F 16800..16A3F 1B000..1B0FF 1F0A0..1F0FF
1F300..1F5FF
.
12
主要日文编码标准
ShiftJIS
Shift_JIS是一个日本电脑系统常用的编码表。它能容纳 全角及半角拉丁字母、平假名、片假名、符号及日语汉 字。
它被命名为Shift_JIS的原因，是它在放置全角字符时， 要避开原本在0xA1-0xDF放置的半角假名字符。
在微软及IBM的日语电脑系统中，即使用了这个编码表。 这个编码表称为CP932。
.
11
主要的中文编码标准
GB 13000.1-93
等同于Unicode 1.1标准 GBK收录了GB13000.1-93全部字符但是编码方式不同。
GB 18030-2005
目前最新的字符集 全面兼容GBK 和UTF-8相同采用多字节编码。 更新至 Unicode 4.1标准（2000年标准兼容Unicode3.0）
JIS-X0201 & JIS-X 0208
.
13
Unicode
志在一统全球语言文字编码 官网 最新标准Unicode
现行6.2 准备中
标准目的在于为每一个可用的字符设置一个唯一编号， 没有涉及任何编码方式，字长等。
.
14
Unicode 6.x
早在5.x 版本，Unicode已经开始使用超过 0xFFFF的值 为字符进行编码
.
19
IVS
http://xawiki:8080/display/IMWIN7X/SRS_NewFormatKeywor d_IVS_Knowledge