汉字编码

参考博客：https://blog.csdn.net/yjier/article/details/6237697

参考博客：https://blog.csdn.net/mozha_666/article/details/79032751

 

GB2312区位码

GB2312对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。

01-09区为特殊符号。          
16-55区为一级汉字，按拼音排序。           
56-87区为二级汉字，按部首/笔画排序。          
10-15区及88-94区则未有编码。

每个汉字及符号以两个字节来表示 ，高低字节各加上0xA0即可得到机内码输出汉子字库；

 

python:

file = open("chineseCharacter.txt", "w")
for i in range(95):
    for j in range(95):
        first = i+0xA0
        two = j+0xA0
        file.write(chr(first)+chr(two))
        if j%10 == 0:
            file.write('\n')
    file.write('\n')
file.close()

 

国标码
对这些编号进行编码的结果就得到“国家标准代码”，简称为“国标码”，也称“汉字交换码”
国标码由两个字节组成，其高字节和低字节的最高位都为0，与7位标准ASCII码类似。
区位码 -> 国标码：将十进制表示的区码和位码转换为十六进制表示的区码和位码，再将这个代码的高字节（第一个字节）和低字节（第二个字节）分别加上20H（100000B），就得到国标码。每个字节加20H的原因是为了避开ASCII码表的32个控制字符。

内码
为了解决ASCII码和国标码在同事使用时产生的二义性，讲国标码的高字节和低字节的最高位b7都变成1，或者说每个字节都加上0x80，这样得到的代码被称为机内码，常被简写成“内码”