中文信息的机内表示

汉字字符集与编码   1 d/ K1 b& v, S" m& M. y
1981年，国家制定(GB2312-80)国家标准，其中有6763个汉字和682个非汉字字符，其字符及编码称为国标码又叫国际交换码。
8 U0 }  |+ X' J$ }+ j# H% LGB2312字符集的构成： ) S2 H. a1 v+ d
一级常用汉字3755个，按汉语拼音排列 * w: Y0 s5 h' d' F2 m2 s
二级常用汉字3008个，按偏旁部首排列
  t- O6 N+ W  J4 Z$ D非汉字字符682个   ; k4 g! k, ?2 F8 O
GB2312构成两维平面（区位码），94*94，行号为区号，列号为位号，各占一个字节，取其7位表示。 6 g% U# ^* L# H' M$ S5 I. b7 A
例：“大”的区号是20，位号是83，则其区位码为： 2083。（00010100 01010011 ） 区位码 32=国标码； 00110100 01110011  ' ^2 h! w; B' {1 E* V8 y* g* y- v
汉字以双字节表示，各字节的最高位为1的汉字编码叫“机内码”，或“内码”。
6 q) q2 d9 N0 Y$ T# {6 y$ U例：“大”的区号是20，位号是83，则其机内码为： 10110100 11110011   
6 p; P6 y: S7 B/ [/ J% K1 B- z. T) T8 f3 m1 x7 U3 r& b, ~3 Q. \0 f4 E

( K0 v( U# F$ T$ _( D" G2 N+ p2 h汉字字符集与编码
' z8 Y0 [/ J& ~$ k! s" G, e3 r汉字的区位码和国际码是唯一的，而内码的表示方法可以不同。
  ^9 c2 T9 Z2 o/ s4 |" {1 \BIG5--台湾，420个图形符号，13070个汉字，繁体。 / J& _" P. ?/ k- x: t+ U  V- ~6 y1 i
ISO/IEC 10646，即UCS（国际），中国标准为GB13000，其编码空间大，缺点是效率低；其简化方案为UCS-2，Unicode编码，长度为16位，CJK编码为此方案的大中国区的统一编码。
5 [! Y, h7 k9 w# n, L5 P+ HWindows支持Unicode编码，但其空间仍不足，且与ASCII不兼容。
, ]2 U  J; d* q- L; }1 Q新的编码为GBK：与GB2312-80完全兼容，支持GB13000的CJK汉字和BIG5中的非汉字符号。  & p2 k3 A: w8 {' s5 ~# M4 V4 Y

9 v* K, J) y  D+ M0 E7 X( O  t, R1 g& D& R
- L/ C% _3 h! m* e
0 C  K- y3 V6 P, o) p

6 d* c0 W! m! p* H汉字输入的方法：$ Z' v* {2 G% {: m
手写汉字联机识别、扫描输入识别、键盘输入。
7 G; ]- e. r2 E- t
  c2 M& l7 y8 f6 ?输入编码的要求：
4 i  w  z2 n3 ~  x" [+ ?8 N易学、易记、效率高、重码少、容量大。
- O# V) T& t" }5 Q5 g" D( s& Y4 P( _( m- E' q- h& l8 w
输入编码的分类：
  Q+ o% @& D/ ]数字编码（如：区位码、电报码，难记）' A! q8 U. i  A! O+ v, s9 M( y6 L

, L) ]/ E3 [7 A
6 W+ c# A3 {* R' {, u- q字音编码（简单，但重码多）
+ Q- L% C' W' h+ }- e( t) }" ~' j

* d" _/ a7 p/ v" u- V形音编码（规则简单、重码少，学习不易）
1 {/ r. t) I6 H( H3 q
: m3 Q5 ^1 {, q6 b7 y注意：汉字输入编码、内码和交换码概念不同，同一个汉字无论以什么方法输入，其内码是一样的、交换码也是一样的，但其可以用不同的输入编码方法输入计算机。   
6 e' h- L$ a2 y6 o- y& j6 l汉字的输出  
1 Q# j6 ^# X- [2 Y9 P字库(font)：汉字字符的形状描述信息集合，不同的字体对应不同的字库。在输出每一个汉字的时候，计算机都要先到字库中去找到它的字形描述信息，然后把字形信息送输出。 字形描述方法：点阵字形（“1”表示对应位置是黑点、“0”表示是空白）和轮廓字形（用曲线描述，精度高、字形可变，如：Windows中的TrueType）。