汉字编码与汉字显示

只看该作者 · 2019-7-23 15:16

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》

只看该作者 · 2019-7-23 15:16

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

只看该作者 · 2019-7-23 15:17

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》

只看该作者 · 2019-7-23 15:17

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

只看该作者 · 2019-7-23 15:17

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：

只看该作者 · 2019-7-23 15:18

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

只看该作者 · 2019-7-23 15:19

四、测试程序

复制

#include <stdio.h>



void ShowOneWord(const char *str);

int GetGBKCode(unsigned char* pBuffer,const char * c);

void ShowWords(const char *str);



/**

  * [url=home.php?mod=space&uid=247401]@brief[/url]  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;

}

只看该作者 · 2019-7-23 15:19

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。

只看该作者 · 2019-7-23 15:20

参考资料：《STM32库开发实战指南》

　　　　　 GB2312简体中文编码表

1万 · 2019-8-13 10:25

非常感谢楼主分享

1万 · 2019-8-13 10:30

非常感谢楼主分享

1万 · 2019-8-13 10:33

非常感谢楼主分享