计算机中文编码《区位码\国标码\机内码》进阶史

历史悠久的泱泱中华，文化博大精深，文字独一无二，且能没有一套属于自己的计算机编码。1980年，为了使每个汉字有一个全国统一的编码，我国颁布了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，也是国内所有汉字系统的统一标准。将一些常用符号及汉字，按区与位的方式编入码表，这套编码便是区位码。

一、区位码

区位码是一个四位的十进制数，高两位为区码(01-94)，低两位为位码(01-94)，由此组成一个94×94的矩阵，每个码值都对应着一个唯一的符号或汉字。如下图示：

图1. 第01区特殊符号

图2. 汉字区位码对照表

说明：‘啊’的区位码为1601，区码为16，位码为01。

图3. 多音字‘腌’

说明：这种编码经过加工整理一律以汉语拼音的字母为序，音节相同的字以使用频率为序，其查找方法与一般汉语字典的汉字拼音音节索引查找法相同。由于它是一种无重码的汉字编码，所以多音字只有一个编码。例如：重庆的“重”和重量的“重”，字同音不同，汉字“重”的编码是按Zhong 音编码。

由图2，图3所示，按拼音音节索引时，编码并不连续，这是因为汉字被分级处理，一级汉字相对更为常用。如下图示：

图4. 区段说明

说明：在某些硬件指标相对偏低的平台上可能依然还在使用着一级码汉字。

二、国标码

汉字区位码定义好后融入计算机，发现少了一些控制符，如回车，换行，退格等，同时ASCII编码中前32个控制码刚好包含了这些，那就借来用用吧！为此，国标码诞生了。为了兼容这些控制码，国标码规定在区码、位码的基础上分别加20H（即32的16进制数）。例如：汉字‘啊’的区位码为1601，则区码为16，位码为01，转换成16进制后，区码为10H，位码为01H，转国标码，则区码10H+20H=30H，位码01H+20H=21H，合成后国标码为3021H；

图5. 国标码

说明：图5为Mac系统中的16点阵中文国标码点阵字库，‘啊’的国标码为3021H。

三、机内码

这里特指汉字机内码，简称“内码”，亦称“变形国标码”，指计算机内部存储，处理加工和传输汉字时所用的由0和1符号组成的代码。

国标码虽说很好地解决了控制字符问题，但随着社会的发展，汉字处理系统想要兼容英文（当时主流就是ASCII），当系统中同时存在ASCII和汉字国标码时，将会产生二义性。例如：有两个字节的内容为30H和21H，它既可表示汉字“啊”的国标码，又可表示ASCII中的“0”和“!”，为此，汉字机内码诞生了。由于ASCII编码范围为00H~7FH，字节最高位皆为‘0’，机内码应对国标码加以适当变换处理，将相应国标码每个字节的最高位置为“1”，即：汉字机内码=汉字国标码+8080H。例如：“啊”字的国标码是3021H，则其汉字机内码为B0A1H=3021H+8080H。

图6. 机内码

说明：图6为按照Windows CP936（内码）编码生成的16Pixel中文点阵字库，只包含了一级码汉字（3755个字符），‘啊’的编码为：B0A1H。

上述所述，不论是区位码，国标码，还是机内码，主要都是针对GB2312-80标准（7K+字符），若按区位码94x94矩阵计算，最大也只能表达94x94=8836个字符，这时有人可能会问，若要支持更多的中文怎么办呢？

这自然难不倒勤劳又机智的“中国人”。看懂下面这张图，就都明白了。

说明：这里主要记录汉字编码，并且第一字节最高位皆为‘1’，也能很好的做到向前兼容。

GB2312-80，字符数 6763 = ①
GBK，字符数 21003 = ①+②+③
GB18030-2000，字符数 27533 = ①+②+③+④
GB18030-2005，字符数 70244 = ①+②+③+④+⑤

想要了解更多，推荐看看这篇文章：“国家标准代码 - 百度百科”。

四、Unicode

Unicode 是为了解决传统字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求，中文只是其中的一部分。由于Unicode编码（针对中文）不连续，只能靠查表方式解决编码转换问题。

图7. Unicode

说明：‘啊’的Unicode码值为 554AH。

五、总结

图解
编码转换

区位码、国标码、机内码之间递进式转换，都在这张表里了。

随着社会发展不断更新迭代，区位码、国标码在应用场景上已慢慢淡出了用户视野，现在最常用的则是内码，Unicode。

说了这么多，想想，若没有这些先辈们的坚持与努力，可能我们今天还在用ASCII计算机呢！

感恩所有为中文编码默默奉献的人！

参考文献：

汉字区位码对照表.pdf
百度百科
知乎

计算机中文编码《区位码\国标码\机内码》进阶史相关推荐

大学计算机的区位码国标码机内码,[计算机]汉字区位码\国标码\机内码之间的换算...
该楼层疑似违规已被系统折叠隐藏此楼查看此楼国标与机内码的转换国标码并不等于区位码,它是由区位码稍作转换得到,其转换方法为:先将十进制区码和位码转换为十六进制的区码和位码,;这样就得了一个与国标码 ...
台式计算机国标码,在计算机中，国标码是属于什么码？
满意答案 canrc258 推荐于 2016.08.02 采纳率:44% 等级:12 已帮助:10278人 1．汉字信息的编码知识 ⑴国标码:是指我国1981年公布的"中华人民共和国国 ...
区位码国际码机内码转换
1.机内码与区位码机内码高位字节=(区号)H+A0H 机内码低位字节=(位号)H+A0H 2.国标码与区位码国标码高位字节=(区号)H+20H 国标码低位字节=(位号)H+20H 3.区位码用两个 ...
计算机汉字编码国标码,[计算机]汉字区位码\国标码\机内码之间的换算
该楼层疑似违规已被系统折叠隐藏此楼查看此楼国标与机内码的转换国标码并不等于区位码,它是由区位码稍作转换得到,其转换方法为:先将十进制区码和位码转换为十六进制的区码和位码,;这样就得了一个与国标码 ...
汉字区位码\国标码\机内码之间的换算
区位码.国标码与机内码的转换方法: (1)区位码先转换成十六进制数表示 (2)(区位码的十六进制表示)+2020H＝国标码:(两位两位相加) (3)国标码+8080H＝机内码 (两位两位相加) 举例: ...
用计算机国标码转机内码,区位码2850怎么转换成国标码和机内码
2014-09-21 回答 1.机内码与区位码机内码高位字节=(区号)H+A0H 机内码低位字节=(位号)H+A0H 2.国标码与区位码国标码高位字节=(区号)H+20H 国标码低位字节=(位号) ...
Educoder计算机数据表示实验(HUST)第1关：汉字国标码转区位码实验
首先我们需要找到汉字国标码转区位码的软件. 这个资源可以从我上传的资源那里看到. 假如我们输入一下数字,那么我们可以得到转换的结果,即机内码. 然后我们再返回到原始电路: 我们需要对电路进行这样的连接 ...
自己动手画CPU《计算机组织与结构实验》之计算机数据表示第1关：汉字国标码转区位码实验超详细教学
首先给加法器接上一个常量再更改常量数据位宽为16位因为区位码=国标码+2020H 所以区位码=国标码-2020H 加法器需要使用补码计算即区位码=[国标码]补+[-2020H]补计算得到 ...
信息编码--区位码，国标码，内码
计算机内的信息编码西文字符编码西文就是英文,数字,英文标点等等,每个ASCII码以一个字节(Byte)储存,国际通用的7位码用7位二进制数表示一个字符的编码,其编码范围是00000000-0111 ...
汉字国标码转区位码的实验（ EduCoder实验一）
汉字国标码转区位码的实验一.基础内容二.EduCoder(实验一:汉字国标码转区位码) 一.基础内容区位码是啥? 定义:一个四位的十进制数,区和位构成唯一的二维数组区号:2位,位号 ...

计算机中文编码《区位码\国标码\机内码》进阶史

计算机中文编码《区位码\国标码\机内码》进阶史相关推荐

最新文章

热门文章