同方第5章51文本与文本处理

常用的汉字编码字符集
国家标准GB2312 汉字扩充规范 GBK 国家标准GB18030 台湾地区的标准汉字字符集CNS 11643 (BIG 5，
俗称“大五码”) 日本工业标准汉字字符集JIS X 0208-90 韩国国家标准汉字字符集KSC 5601-87
GB2312汉字编码字符集
字体(宋体、楷体、黑体、仿宋、隶书···)
字符的修饰
字符的形状(字形)：正常、加粗、倾斜、加粗倾斜
字形的修饰：下划线、着重号、上下标、删除线···
字符的颜色
字符的宽度
字符的间距
字符的效果
字符的排列方向
Demo1
设置段落的格式
什么是段落？用“回车”相互隔开的一组文字
第5章 数字媒体及应用
5.1 文本与文本处理 5.2 图像与图形 5.3 数字声音及应用 5.4 数字视频及应用
5.1 文本与文本处理
5.1.1 字符的编码 5.1.2 文本准备 5.1.4 文本编辑、排版与处理 5.1.5 文本的展现 5.1.3 文本的分类与表示
文字处理是计算机应用的基础
计算机应用＝使用计算机进行信息处理
文本检索系统的组成和工作流程:
给出查询要求，如标题是什么、作者是谁、 属于哪一类、所包含的关键词等
提问词可以使用“与”、“或”、“非”等 逻辑运算进行组合
对每一文本生成索引 索引的结构为：索引标识+相应的地址 索引标识可以是文本的标题(主题)、作者 、分类、关键词等
③
①提 ② 匹
索引数据
问
配
④
标 引
汉字在 其扩充中
内）
的汉字)
双字节 双字节 部分双字 (UTF-8
存储和 存储和 节、部分 编码) 1
FF
表示， 表示， 4字节表 字节、2
00
每个字 第1个字 示
字节、3
00
节的最 节的最
字节等
高位均 高位必 为“1” 为“1”
不等长 编码
保持向下兼容
编码
不兼
FF
容！
FF
GB2312 6763 汉字
文本库
由检索软件将查询要求 与索引数据进行匹配， 找出与查询要求相关的 文本的地址；
⑥ 结果分析、排序 ⑤
经过分析后，按照与查询 要求的相关程度（从高到 低排序）返回给用户
系统按地址从文本库中 取出对应的一组文本， 返回给用户
文本在计算机中的处理过程是：
（3）
文本处理
文本准备
（文字与图 表
的输入）
文本编辑
（文本处理软件）
与排版
电子 （文本编辑器）格式化的 文本存储
文本
电子文本 与传输
文本 展现
（文本阅读器）
（1）
（2）
（4）
（5）
5.1.1. 字符在计算机中的表示
字符、字符集及其码表
文字的基本元素是字母和符号，统称为“字符” (character)，它包括：字母、数字、符号等
文本排版(格式化)
目的：使文本清晰、美观、 便于阅读
操作内容：对文本中的字 符、段落乃至整篇文章的 格式进行设计和调整，分 成3个层次：
对字符格式进行设置 对段落格式进行设置 对文档页面进行格式设
置
设置字符的格式
字号(八号 → 初号, 5磅→72磅以上) 1磅相当于1/72英寸
1980年颁布《信息交换用汉字编码字符集·基本 集》——GB2312-1980
GB2312字符集由三个部分构成：
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
位号
1 2 3 ……………… 94 1 字母、数字和各种符号 9
16
一级汉字
…… ……
（3755个）
区
(按汉语拼音排列)
字符集：一组特定字符的集合
不同的字符集包含的字符数目与内容不同，如：
中文字符集、西文字符集、日文字符集等
字符的编码：
字符集中每个字符都使用二进位(code) 表示，称为该字符的 编码
不同的字符其编码各不相同 字符集中所有字符的编码的一览表，称为该字符集的码表
西文字符的编码——ASCII码
悬挂缩进标 记
左缩进标记
首行缩进标记 首行缩进
右缩进标记
右缩进
正文区 左边界
左缩进
正文区 右边界
设置页面的格式
页面格式的设置：
设置纸张大小和页边距 设置每页的行、列数目 设置分栏数目与格式 设置页码 设置页眉和页脚
设置页面的分栏
提高操作效率的若干措施
“所见即所得”（操作效果立即可见，且打印结果与屏 幕所见相同）
文字符号输入计算机的方法
字符信息的输入
人工输入
自动识别输入
键盘输入 联机手写输入
•优点：
–自然，流畅 –小型化，适合移动计算
•不足：
–识别速度和正确性还需提高 –书写要求还要降低
文字符号输入计算机的方法
字符信息的输入
人工输入
自动识别输入
键盘输入 联机手写输入 语音输入
•优点： •自然，方便，适合移动计算
适合于非专 择操作，不会汉语
微软拼音输 业人员
拼音或不知道读音
入
时无法使用
字形 把汉字的部件或笔 五笔字形 重码少、输 缺乏统一的规范，
编码 画作为码元，按照 表形码
入速度较快，编码规则不易掌握
汉字结构及其切分 郑码
适合于专业
规则作为编码依据，
录入员、打
确定每个汉字的输
字员使用
入代码
音形 采用字音及字形两 粤音输入法 同上
FF
GBK 20902 汉字
FF
GB18030
27484
汉字
例: IE浏览网页时文字编码的选择
5.1.2. 文本准备
——文稿如何输入计算机
文字符号输入计算机的方法
字符信息的输入
人工输入
自动识别输入
键盘输入
(1)数字编码, 如电报码、区位码等, (2)字音编码, 如智能ABC等 (3)字形编码，如五笔字形和表形码等, (4)形音编码 发展趋势：基于统计和学习功能的以词语(短语)或句子作为输入单 位的输入方法
西文是表音文字(拼音文字)，它由拉丁字母、数字、标点符 号以及一些特殊符号所组成
美国标准信息交换码(American Standard Code for Information Interchange, 简称ASCII码)：
ASCII字符集包含96个可打印字符和32个控制字符 采用7个二进位进行编码 计算机中使用1个字节存储1个ASCII 字符
编码效率不高: (6763+682)/65536 与ASCII码不兼容
几种汉字编码的对比 00 00
GB23 GBK GB180 UCS-2
12
30
(Unico de)
6763个 21003个 27 000多 2万多汉
FF
汉字(简 汉字
汉字(包括 字
体字) （包括 GBK汉字
00
00
GB2312 和CJK及
文字 数值
信息的形态有多种 语言
音乐 图像 ···
其中，文字信息的处理是各种计算机应用的基础
传统的文字处理过程
写作
编辑
排版
印刷 发行
计算机文字处理过程
文字信息在计算机中称为“文本”（text），文本是计算机中最 常用的一种数字媒体
文本由一系列 “字符”（character）组成，每个字符均使用二 进制编码表示
编码 (或形
种属性作为码元的
音编码)汉字编码输入方法
同时要掌握音、形 两种取码方法或规 则，对普通用户比 较困难
5.1.4 文本的编辑与排版
复习：使用Word的操作流程
创建新文档或打开老文档
文稿输入
输入中西文字、符号 和图表
编辑
进行增、删、改操作，保 证文本的正确性
排版
满足清晰、美观、便 于使用等要求
号 55 56
二级汉字
（3008个）
87
(按偏旁部首排列) （扩充使用）
94
共6763个汉字和 682个符号，每个 汉字或符号都有一 个确定位置，该位 置的区号和位号就 是这个汉字的“区 位码”
GB2312汉字的编码
每一个GB2312汉字使用16位(2个字节)表示
每个字节的最高位均为“1”
例：Word 2003的文本处理功能
英文拼写检查和英语同义词检查 字数统计 自动编写摘要 中文简繁体转换和术语转换 中英词语翻译 语法和格式检查 语音识别（口授命令和听写） 文档保护(防止打开或修改文档)
关于文本检索
将文本按一定的方式进行组织、储存、管理，并根据用 户的要求查找到所需要的文本，称为“文本检索”
易学习、易记忆 效率高(平均击键次数较少) 重码少 容量大(可输入的汉字字数多)
汉字键盘输入方法的比较
类型 原理
举例
优点
缺点
数字 使用一串数字来表 电报码
编码 示汉字
区位码
仅使用10个 难记忆 数字键
字音 把汉语的拼音作为 智能ABC 简单易学， 重码多，需增加选
编码 汉字的输入编码 紫光
撤销(undo)和恢复(redo)操作 格式刷 多种视图(大纲视图与大纲编辑) 自动更正、自动套用格式、自动编号、自动图文集 ······ 自动保存功能和自动备份功能 样式、模板和向导(wizard)功能 宏操作（Macro）
文本处理初步
什么是文本处理?
使用计算机对文本中的字、词、短语、句子、篇章进行识别、转换、分析、理 解、压缩、加密和检索等有关的处理