西文字符的编码.docx
《西文字符的编码.docx》由会员分享,可在线阅读,更多相关《西文字符的编码.docx(11页珍藏版)》请在冰豆网上搜索。
西文字符的编码
西文字符(zìfú)的编码
一、西文字符(zìfú)的编码
1.西文字符集:
由拉丁字母、数字、标点符号及一些(yīxiē)特殊符号组成。
2.字符的编码:
字符集中每一个(yīɡè)字符各有一个代码,即字符的二进制表示,称为该字符的编码。
3.字符(zìfú)代码表:
字符集中不同字符的编码(biānmǎ)互相区别,构成该字符集的代码表。
4.ASCII字符集和ASCII码
1)美国标准信息交换码(AmericanStandardCodeforInformationInterchange):
使用7个二进位对字符进行编码(叫做标准ASCII码),称为ISO-646标准。
2)基本的ASCII字符集共有128个字符,96个可打印字符(常用字母、数字、标点符号等)32个控制字符,特殊字符的ASCII码空格(32)、A(65)、a(97)、0(48)
●数字,字母的ASCII码是连续的,对应大小写字母ASCII码相差32。
●不同类型的ASCII码的十进制数值由小到大:
数字、大写字母、小写字母
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(fúhào),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(tǒngchēng)为GB2312图形符号)
B.第二部分:
一级常用(chánɡyònɡ)汉字,共3755个,按汉语拼音排列(páiliè)
C.第三(dìsān)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2083
用2个字节表示为:
0001010001010011}
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(shǐyòng)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(jiějué)方法:
把一个汉字看作两个扩展ASCII码,使表示(biǎoshì)GB2312汉字的两个(liǎnɡɡè)字节的最高位(b7)都等于(děngyú)“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:
1011010011110011(B4F3))
●汉字编码例
●国标码=区位码+2020H
●机内码=国标码+8080H
●机内码=区位码+A0A0H
例如:
“啊”
区位码:
1601=>1001H0001000000000001
国标码:
3021H<=1001H
+2020H0011000000100001
机内码:
B0A1H<=3021H
+8080H1011000010100001
6)GBK汉字(Hànzì)内码扩充规范
●问题(wèntí):
GB2312-80只有(zhǐyǒu)6763个汉字,使用时功能(gōngnéng)不够。
解决方法:
1995年发布(fābù)GBK,全称为《汉字内码扩展规范》GBK字符集中一共有21003个汉字和883个图形
●GBK字符集中的每个字符都采用双字节表示,总的编码范围为8140-FEFE,首字节在81-FE之间,尾字节在40-FE之间(剔除xx7F一条线不安排字符),总计23940个码位,共收入21886个汉字和图形符号,未使用的区域作为用户自定义区。
●应用:
操作系统(cāozuòxìtǒnɡ)——Windows95以上(yǐshàng)简体中文版,采用GBK代码,并提供(tígōng)了多种输入法和字体
应用软件——Office95以上(yǐshàng)简体中文版本提供GBK码的检索(jiǎnsuǒ)和排序
互联网应用——许多网站的网页使用GBK代码,但目前还不是所有搜索引擎都支持GBK汉字文本的搜索
7)UCS/Unicode与GB18030汉字编码标准
●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
优点:
编码空间极大,能容纳足够多的各种字符集(13亿字符)
缺点(quēdiǎn):
4字节的字符编码(biānmǎ)使存储空间浪费严重
5.文字(wénzì)与文本
1)文本(wénběn)(text):
文字信息(xìnxī)在计算机中的表示形式,组成文本的基本元素是字符,字符在计算机中采用二进制编码表示。
2)文本处理过程
●文本在计算机中的处理过程:
文本的准备(例如汉字的输入),文本编辑,文本处理,文本存储与传输、文本展现等,根据应用的不同,各个处理环节的内容和要求可能有很大的差别。
●文本信息的输入方法
A.人工输入:
通过键盘、手写笔或语音输入方式输入字符
特点:
速度慢、成本高,不适合需处理大批量文字的应用
B.自动输入:
将纸介质上的文本通过识别技术自动转换为文字的编码
特点:
速度快,效率高
C.文字的自动识别分为:
印刷体识别和手写体识别
●文本信息(xìnxī)的输入方法
由于汉字字数很多,无法使每个汉字与西文键盘上的键一一对应,因此必须使用一个(yīɡè)或几个键来表示汉字,这就称为汉字的“键盘输入编码(biānmǎ)”。
好的汉字键盘输入编码方案的特点(tèdiǎn):
易学习、易记忆、效率高(平均(píngjūn)击键次数较少)、重码少、容量大(可输入的汉字字数多)等
✓汉字的输入编码与汉字的内码是不同范畴的概念。
使用不同的输入编码方法向计算机输入的同一个汉字,它们的内码是相同的
数字编码:
使用一串数字来表示汉字的编码方法,例如电报码、区位码等。
缺点:
难以记忆,不易推广
字音编码:
一种基于汉语拼音的编码方法,简单易学,适合于非专业人员。
缺点:
同音字引起的重码多,需增加选择操作
字形编码:
将汉字的字形分解归类而给出的编码方法,重码少、输入速度较快,如五笔字形法和表形码。
缺点:
编码规则不易掌握
形音编码:
吸取了字音编码和字形编码的优点,使编码规则(guīzé)适当简化、重码减少。
缺点:
不易(bùyì)掌握
联机手写汉字识别(shíbié)(笔输入)
使用(shǐyòng)语音输入文本的系统也叫做“听写(tīngxiě)机”或“语音打字机”
印刷体汉字识别(汉字OCR)。
印刷体汉字识别:
将传统纸介质上的文字信息自动输入计算机并转换为数字文本形式的一种技术,也叫做汉字OCR(OpticalCharacterRecognition)。
●脱机手写汉字识别:
手写汉字识别。
联机与脱机(手写汉字识别)的比较容易。
3)使用计算机制作的数字文本,根据用途分为:
简单文本、丰富格式文本和超文本三类。
●简单文本(plaintext):
是由一连串的字符组成的,除了用于表达正文内容的字符(包括汉字)及“回车”、“换行”、“制表”等有限的几个打印(显示)控制字符之外,几乎不包含任何其他格式信息和结构信息。
这种文本通常称为纯文本或ASCII文本,在PC机中的文件后缀名是.txt
特性(tèxìng):
呈现为一种线性结构,以行、字为单位,顺序写作与阅读是最通用的文本文件格式,文件体积小,阅读不受限制,几乎所有的文字处理软件都能识别和处理不能插入图片、表格等,不能建立超链接
●丰富格式(géshi)文本
丰富格式(géshi)文本(richtext、fancytext、formattedtext),RTF格式(géshi),中间(zhōngjiān)格式。
●超文本
A.超文本(hypertext)的阅读方式:
传统的顺序式阅读,通过链接、跳转、导航、回溯等操作实现跳跃式阅读
B.超文本的结构
节点(node)
节点包含的内容
超链(hyperlink)
链源
链宿
●超媒体(Hypermedia):
超文本中的节点不单是文本节点,还包含图形(túxíng)、图像、声音或动画节点,这种基于多媒体信息结点的超文本,有时也称为“超媒体”
●超文本的应用(yìngyòng):
Windows等一些(yīxiē)软件中的“帮助(bāngzhù)”文件(wénjiàn),使用浏览器从Web服务器上下载的网页(html或htm文件),文本编辑与文本处理
●“所见即所得”(WhatYouSeeIsWhatYouGet,简称WYSIWYG):
一方面所有的编辑操作效果立即可以在屏幕上看到,另一方面在屏幕上看到的效果与打印机的输出结果相同。
二、图像与图形
1.图像按生成方法分类
1)从现实世界中通过数字化设备获取的图像,称为:
取样图像(sampledimage)、点阵图像(dotmatriximage)、位图图像(bitmapimage)——简称图像(image)
2)计算机合成(héchéng)的图像(syntheticimage),称为(chēnɡwéi):
矢量图形(vectorgraphics),简称(jiǎnchēng)图形(graphics)
2.图像(túxiànɡ)的数字化
1)图像获取的过程实质上是模拟信号的数字化过程,它的处理(chǔlǐ)步骤:
●扫描
●取样
●分色
●量化
2)图像的表示方法与主要参数,从取样图像的获取过程可以知道,一幅取样图像由M(行)*N(列)个取样点组成,每个取样点是组成取样图像的基本单位,称为像素(pictureelement,简写为pel)。
彩色图像的像素是矢量,它由多个彩色分量组成,黑白图像的像素只有1个亮度值
●图像的属性信息
A.图像大小,也称图像分辨率(包括垂直分辨率和水平分辨率)
B.位平面(píngmiàn)的数目,即矩阵的数目,也就是彩色分量的数目
C.颜色空间的类型(lèixíng),指彩色图像所使用的颜色描述方法,也叫颜色模型。
常用颜色模型:
RGB(红、绿、蓝)、CMYK(青、品红(pǐnhóng)、黄、黑)、HSV(色彩(sècǎi)、饱和度、亮度)、YUV(亮度(liàngdù)、色度)等
D.像素深度,即像素的所有颜色分量的位数之和,它决定了不同颜色(亮度)的最大数目
3)图像的压缩编码
●一幅图像的数据量可按下面的公式进行计算(以字节为单位):
图像数据量=图像水平分辨率×图像垂直分辨率×像素深度/8
●数据压缩类型
A.无损压缩:
压缩以后的数据进行图像还原(也称为解压缩)时,重建的图像与原始图像完全相同
B.有损压缩(yāsuō):
使用压缩后的数据进行图像重建时,重建后的图像与原始图像虽有一定的误差,但不影响人们对图像含义的正确理解。
如变换编码、矢量编码等
●压缩编码方法优劣(yōuliè)的评价
压缩(yāsuō)倍数的大小
重建图像(túxiànɡ)的质量(有损压缩时)
压缩算法的复杂程度
图像的压缩(yāsuō)编码
✓图像压缩编码方法的国际标准和工业标准:
ISO和IEC两个国际机构联合组成了一个专家组(JointPhotographicExpertsGr