一、汉字区位码、国标码和机内码

1、区位码

  为了使每一个汉字有一个全国统一的代码,1980年,我国颁布了第一个汉字编码的国家标准: GB2312-80《信息交换用汉字编码字符集》基本集,这个字符集是我国中文信息处理技术的发展基础,也是目前国内所有汉字系统的统一标准。

   所有的国标汉字与符号组成一个94×94的矩阵。在此方阵中,每一行称为一个"区",每一列称为一个"位",因此,这个方阵实际上组成了一个有94个区(区号分别为0 1到94)、每个区内有94个位(位号分别为01到94)的汉字字符集。一个汉字所在的区号和位号简单地组合在一起就构成了该汉字的"区位码"。在汉字的区位码中,高两位为区号,低两位为位号。

  在区位码中,01-09区为682个特殊字符,16~87区为汉字区,包含6763个汉字 。其中16-55区为一级汉字(3755个最常用的汉字,按拼音字母的次序排列),56-87区为二级汉字(3008个汉字,按部首次序排列)。

    需要注意的是:区位码通常都是用十进制表示的,例如“诚”字的区位码为1947,也就说它位于19区第47个字符。

                                 摘自:《汉字区位码

  2、国标码

国家标准代码,简称国标码,是中华人民共和国的中文常用汉字编码集。国家标准强制标准冠以“GB”。

现时中华人民共和国官方强制使用GB 18030标准,但较旧的计算机仍然使用GB 2312。
 
国标码 = 区位码(16进制化--区码和位码分别进行16进制转化)+2020H

3、机内码

  计算机只识别由0、1组成的代码,ASCII码是英文信息处理的标准编码,汉字信息处理也必须有一个统一的标准编码。 汉字交换码(国标码)主要用于汉字信息交换,我国国家标准局于1981年5月颁布了《信息交换用汉字编码字符集——基本集》,代号为GB2312-80,共对6763个汉字和682个图形字符进行了编码。

  其编码原则为:汉字用两个字节表示,原则上,两个字节可以表示 256×256=65536 种不同的符号,作为汉字编码表示的基础是可行的。但考虑到汉字编码与其它国际通用编码,如ASCII 西文字符编码的关系,我国国家标准局采用了加以修正的两字节汉字编码方案,只用了两个字节的低7位。这个方案可以容纳128×128=16384 种不同的汉字,但为了与标准ASCII码兼容,每个字节中都不能再用32个控制功能码和码值为32的空格以及127的操作码。所以每个字节只能有94个编码。这样,双七位实际能够表示的字数是:94×94=8836个。

机内码 = 国标码 + 8080H
机内码 = 区位码(16进制化--区码和位码分别进行16进制转化) + a0a0H

                                   摘自:《机内码

4、相互转换

  • 内码转换为区位码

         区位码:   区码=内码高字节-0xa0

                       位码=内码低字节-0xa0

         例如:“国”内码为:0xb9,0xfa

       16进制表示的区位码:0x19,0x5a

                  其区位码(默认为10进制):2590

  • 区位码转换为内码

        内码:  内码高字节=区码+0xa0

                  内码低字节=位码+0xa0

         例如:“海”区位码为:2603

       16进制表示的区位码:0x1a,0x03

           其内码(默认为16进制):0xba,0xa3

二、字模

  汉字在显示的时候,是以点阵的形式显示出来的,常见到的有16*16点阵、24*24点阵、32*32点阵。比如说“啊”的16*16点阵字模如下,共256Bits,占用32 Bytes:

0x00,0x00,0xf7,0x7e,0x95,0x04,0x95,0x04,0x96,0x74,0x96,0x54,0x95,0x54,0x95,0x54,
0x95,0x54,0xf5,0x54,0x97,0x74,0x04,0x04,0x04,0x04,0x05,0x04,0x04,0x14,0x04,0x08

  字模显示的时候,以两个字节表示一行像素点,16行就构成了一个完整的字模。屏幕在显示的时候,1显示为亮色,0显示为背景色,这样就能把字体显示出来。用C测试程序,把1的地方显示为“*”,0的地方显示为空,效果如下:

三、字库

  字库,就是所有汉字字模的集合。显然,在编排这些字模的时候需要一定的顺序(规则),而这个规则就是“机内码”。根据机内码的汉字布局,将对应的汉字字模进行整合,形成字库文件。在使用的时候,应用程序根据汉字的机内码,从字库中找到对应的存储位置,取出字模,进行显示。机内码就是汉字在字库中的索引。

  在区位码中,01-09区为682个特殊字符,16~87区为汉字区,有效汉字6768个。在制作字库的时候把特殊字符删除,只使用有效汉字区。也就是说我们从第16区的第1位开始进行字模收集,当第16区收集结束,紧接着收集第17区,直到第87区编排结束。总共收集6768个汉字,占用空间216576 Bytes。

☆ 机内码与字库偏移量的关系

  偏移量 = ((机内码高字节-0xb0)*94+机内码低字节-0xa1)*32

四、测试程序

#include <stdio.h>

void ShowOneWord(const char *str);
int GetGBKCode(unsigned char* pBuffer,const char * c);
void ShowWords(const char *str);

/**
  * @brief  main function
  * @param  Nove
  * @retval Nove
  */
int main(void){
    ShowWords("测试汉字显示");
    return 0;
}

/**
  * @brief  Show  multiple Chinese Words
  * @param  str       : point to Chinese location code
  * @retval Nove
  */
void ShowWords(const char *str){
    if(NULL == str)    return;
    while(*str != 0){
        ShowOneWord(str);
        str += 2;
    }
}

/**
  * @brief  Show one Chinese Word
  * @param  str       : point to Chinese location code
  * @retval Nove
  */
void ShowOneWord(const char *str){
    unsigned char buffer[32];
    int i,j;
    unsigned char k;

    GetGBKCode(buffer,str);
    for(i=0;i<16;i++){
        for(j=0;j<8;j++){
            k = buffer[2*i] << j;
            if(k & 0x80){
                printf("*");
            }
            else{
                printf(" ");
            }
        }
        for(j=0;j<8;j++){
            k = buffer[2*i+1] << j;
            if(k & 0x80){
                printf("*");
            }
            else{
                printf(" ");
            }
        }
        printf("\n");
    }
    printf("\n\n");
}

/**
  * @brief  Get type matrix from HZLIB.bin based on Chinese location code
  * @param  pBuffer: point to 32 bytes type matrix buffer
  *         c       : point to Chinese location code
  * @retval 0(success)  -1(fail)
  */
int GetGBKCode(unsigned char* pBuffer,const char * c){
    unsigned char High8bit,Low8bit;
    unsigned int pos;
    FILE * fp;

    High8bit=*c;
    Low8bit=*(c+1);

    pos = ((High8bit-0xa0-16)*94+Low8bit-0xa0-1)*2*16;
                                        //get type matrix location

    fp =fopen("HZLIB.bin","r");            //open type matrix file

    if (fp != NULL)
    {
        fseek (fp,pos,SEEK_SET);        //set read start point
        fread(pBuffer,1,32,fp);            //read 32 bytes
        fclose(fp);
        return 0;
    }
    else
        return -1;
}
View Code

五、注意

1、汉字在程序中是以机内码进行表示,英文字符则是ASCII,汉字的机内码占两个字节

2、汉字表示的时候,以双引号括起来代表一个字符串,只有一个汉字的字符串,实际占用3个字节的存储空间。

 

附eclipse测试代码: Chinese_Test.zip

参考资料:《STM32库开发实战指南》

      GB2312简体中文编码表

posted on 2014-07-15 20:00  amanlikethis  阅读(7906)  评论(0编辑  收藏  举报