计算机等级考试辅导5计算机基础理论部分教程分析.ppt

常用的汉字编码字符集 国家标准GB2312-1980 汉字扩充规范 GBK (已被GB 18030取代) 国家标准GB18030-2005 港澳台使用的汉字编码字符集CNS 11643 (BIG 5，俗称“大五码”) UCS/Unicode多文种大字符集 Unicode的UTF-8 Unicode的UTF-16 一级汉字 （3755个） 二级汉字 （3008个） （扩充使用） 字母、数字和各种符号 ……………… 1 94 2 3 位号 …… …… 1 9 16 55 56 87 94 区 号 (按汉语拼音排列) (按偏旁部首排列) GB2312汉字编码字符集 1980年颁布《信息交换用汉字编码字符集·基本集》——GB2312-1980 GB2312字符集由三个部分构成： 拉丁字母、俄文、日文平假名与片假名、希腊字母、汉语拼音等共682个 共6763个汉字和682个符号，每个汉字和符号都有一个确定位置 GB2312汉字的编码 每一个GB2312汉字使用16位(2个字节)表示 为了与ASCII字符相区别，每个字节的最高位均为“1” 例如： “南”字的代码11001111 （用十六进制表示为C4CF） 1 1 第1字节 第2字节 X X X X X X X X X X X X X X GBK汉字内码扩充规范 GB2312的不足： 汉字字数太少，缺少繁体字,无法满足人名、地名、古籍整理、古典文献研究等应用的需要；与ASCII码不兼容 GBK汉字内码扩充规范（1995）： 在GB2312基础上，增加了1万多汉字(包括繁体字)和符号 共有21003个汉字和883个图形符号，如“計算機”、冃、冄、円、冇等繁体字和生僻字 与GB8312保持向下兼容，也使用双字节表示，第1字节最高位必须为“1”： 1 X 第1字节 第2字节 X X X X X X X X X X X X X X UCS/Unicode多文种大字符集 背景：为了实现全球数以千计的不同语言文字的统一编码 方案：ISO将全球所有文字字母和符号集中在一个字符集中进行统一编码(目前共收集了17x216＝1,114,112 个) ，称为UCS/Unicode UCS/Unicode的编码方案： 先实现部分字符的编码（近11万个字符） 尽量与已有编码标准兼容 包含有中、日、韩统一整理出来的约7万汉字（称CJK汉字） 允许有若干不同的编码方案, 常用的两种是： 单字节：ASCII字符 双字节：拉丁、希腊、阿拉伯，··· 三字节：CJK汉字 四字节：其他 Unicode:UTF-8 单字节可变长编码 应用：Linux，Web网页，电子邮件 双字节： ASCII字符、拉丁、希腊、 阿 拉伯，常用CJK汉字，··· 四字节：非常用CJK汉字 Unicode:UTF-16双字节可变长编码 应用：Windows，Mac，Java，··· GB18030汉字编码标准 背景：无论是Unicode的UTF-8还是UTF-16，其CJK汉字字符集虽然覆盖了我国已使用多年的GB2312和GBK标准中的汉字，但它们的编码并不相同 为了既能与UCS/Unicode编码标准接轨，又能保护我国已有的大量汉字信息资源，我国在2000年和2005年两次发布GB18030汉字编码国家标准。 GB18030实质上是UCS/Unicode字符集的另一种编码方案： 单字节编码（128个）表示ASCII字符 双字节编码（23940个）表示汉字，与GBK（以及GB2312）保持向下兼容，GBK不再使用 四字节编码（约158万个）用于表示 UCS/Unicode中的其他字符 GB18030目前已在我国信息处理产品中强制贯彻执行。 标准名称 GB2312 GBK GB 18030 UCS-2 (Unicode) 字符集 6763个汉字(简体字) 21003个汉字（包括GB2312汉字在内） 近3万汉字 (包括GBK汉字和CJK及其扩充中的汉字) 包含近11万字符，其中的汉字与GB18030相同 编码方法 双字节存储和表示，每个字节的最高位均为“1” 双字节存储和表示，第1个字节的最高位必为“1” 部分双字节、部分4字节表示，双字节表示方案与GBK相同 UTF-8采用单字节可变长编码 UTF-16采用双字节可变长编码 兼容性 编码 不兼容！ 小结：几种汉字编码的对比 编码保持向下兼容