[计算机软件及应用]第五章 数字媒体及应用n.ppt

应天职业技术学院校级精品课程 第五章 数字媒体及应用 第五章 数字媒体及应用 5.1 文本与文本处理 5.2 图像与图形 5.3 数字声音及应用 5.4 数字视频及应用 5.1 文本与文本处理 文字信息在计算机中称为“文本”（text），文本是计算机中最常用的一种数字媒体 文本由一系列 “字符”（character）组成，每个字符均使用二进制编码表示 文本在计算机中的处理过程是： 5.1 文本与文本处理 5.1.1 字符的编码 5.1.2 文本准备 5.1.3 文本的分类与表示 5.1.4 文本编辑、排版与处理 5.1.5 文本的展现 5.1.1 字符的编码 字符采用二进位编码方式 西文字符的编码标准 汉字字符的编码标准 西文字符的编码 西文由拉丁字母、数字、标点符号及一些特殊符号所组成 西文字符集中每个字符各有一个代码，构成该字符集的代码表简称码表 西文字符的编码—ASCII码（美国标准信息交换码） ASCII字符集包含96个可打印字符和32个控制字符 采用7个二进位进行编码 计算机中使用1个字节存储1个ASCII 字符（最高位为0） 存在问题：空间太小，不够使用 解决方法：扩充ASCII码 标准ASCII字符集及其码表 ASCII码 认识部分ASCII码字符对应的十六进制、十进制数值 汉字字符的编码 中文文本的基本组成单位是汉字 汉字的特点：数量大，字形复杂，同音字多，异体字多 汉字编码的问题： 确定收入多少字、哪些字？ 汉字在字符集中的排序方式 确定使用的代码结构和代码空间 汉字字符的编码 国家标准GB2312 汉字扩充规范 GBK 国家标准GB18030 台湾地区的标准汉字字符集BIG 5,俗称“大五码” 国际标准UCS/Unicode GB2312汉字编码 1980年颁布GB2312-1980 GB2312字符集由三个部分构成： GB2312汉字编码 区位码、国标码、机内码的换算 例：位于20行83列的汉字，其国标码和机内码分别为多少 总结：区位码（H）+2020=国标码（H） 国标码（H）+8080=机内码（H） 区位码（H）+A0A0=机内码（H） 了解汉字编码方式 例：B5 C8 30 41 BF BC 8C 9A 中包含几个汉字 总结：汉字占两个字节，且 〉A1 A1 GB2312汉字编码的缺点 编码效率不高 GB2312汉字字数太少，无法满足一些特殊应用的需要：没有繁体字 与ASCII码不兼容 其它汉字编码 GBK GB18030 UCS/Unicode(国际标准) 几种汉字编码的对比 5.1.2 文本准备 文字符号输入计算机的方法 汉字的键盘输入 汉字与键盘上的键无法一一对应，因此必须使用几个键来表示一个汉字，这就称为汉字的“键盘输入编码” 优秀的汉字键盘输入编码应具有的特点： 易学习、易记忆 效率高(平均击键次数较少) 重码少 容量大(可输入的汉字字数多) 汉字键盘输入方法的比较 非击键方式汉字输入 书写板 话筒 扫描仪 5.1.3 文本的分类与表示 分类 排版格式：简单文本、丰富格式文本 内容组织方式：线形文本、超文本 简单文本 没有字体、字号的变化，不能插入图片、表格，也不能建立超链接，其文件后缀名是 .txt 由一串用于表达正文内容的字符编码所组成，几乎不包含任何其他的格式信息和结构信息 例：windows 附件中“记事本” 丰富格式文本 有字体字号等属性变化、设置了段落和页面排版格式的文本称为“丰富格式文本” 丰富格式文本中，除了正文内容之外，还使用了许多“标记”来描述字符的属性和格式的设置。 例： windows 附件中“写字板”、WORD、FRONTPAGE 认识一些文本后缀名：RTF、DOC、HTML 超文本 若干文本或文本中的各个部分可按照其内容的关系互相链接起来，从而形成 “超文本” 传统文本线形结构，超本文网状结构 几个概念：超链、链源、链宿 区别：超媒体 5.1.4 文本的编辑与排版 文本编辑 目的：确保文本内容正确无误 操作：对字、词、句、段进行添加、删除、修改等操作 文本排版 目的：使文本清晰、美观、便于阅读 操作内容：对文本中的字符、段落乃至整篇文章的格式进行设计和调整，分成3个层次： 对字符格式进行设置 对段落格式进行设置 对文档页面进行格式设置 文本处理 文本处理 使用计算机对文本中的字、词、短语、句子、篇章进行识别、转换、分析、理解、压缩、加密和检索等有关的处理 文本处理内容： 字数统计，词频统计，简/繁体相互转换，汉字/拼音相互转换 词语排序，词语错误检测，文句语法检查 自动分词，词性标注，词义辨识，大陆/台湾术语转换 关键词提取，文摘自动生成，文本分类 文本检索（关键词检索、全