㈠ 汉字在电脑上是怎么编码的
所谓编码,是以固定的顺序排列字符,并以此做为记录、存贮、传递、交换的统一 内部特征,这个字符排列顺序被称为“编码”。 字库的编码是字库组织的依据,也是文字处理的基础。不同国家和地区有不同的编 码标准,和中文字库有关的常见编码有:单字节编码、GB2312-80、GB12345-90、GBK、U nicode编码、ISO10646 / Unicode字符集、GB18030-2000、BIG5编码,下面简要介绍一 下: 单字节编码 MS Windows:Windows Latin 1(ANSI) MS-DOS:MS-DOS Latin US Macintosh:Macintosh Roman GB2312-80 全称是GB2312-80《信息交换用汉字编码字符集 基本集》,1980年发布,是中文信 息处理的国家标准,在大陆及海外使用简体中文的地区(如新加坡等)是强制使用的唯 一中文编码。P-Windows3.2和苹果OS就是以GB2312为基本汉字编码, Windows 95/98则 以GBK为基本汉字编码、但兼容支持GB2312。 双字节编码 范围:A1A1~FEFE A1-A9:符号区,包含682个符号 B0-F7:汉字区,包含6763个汉字 GB码共收录6763个简体汉字、682个符号,其中汉字部分:一级字3755,以拼音排 序,二级字3008,以偏旁排序。该标准的制定和应用为规范、推动中文信息化进程起了 很大作用。 GB12345-90 1990年制定了繁体字的编码标准GB12345-90《信息交换用汉字编码字符集 第一辅助 集》,目的在于规范必须使用繁体字的各种场合,以及古籍整理等。该标准共收录6866 个汉字(比GB2312多103个字,其它厂商的字库大多不包括这些字),纯繁体的字大概有 2200余个。 双字节编码 范围:A1A1~FEFE A1-A9:符号区,增加竖排符号 B0-F9:汉字区,包含6866个汉字 Unicode编码(Universal Multiple Octet Coded Character Set) 国际标准组织于1984年4月成立ISO/IEC JTC1/SC2/WG2工作组,针对各国文字、符号 进行统一性编码。1991年美国跨国公司成立Unicode Consortium,并于1991年10月与WG2 达成协议,采用同一编码字集。目前Unicode是采用16位编码体系,其字符集内容与ISO1 0646的BMP(Basic Multilingual Plane)相同。Unicode于1992年6月通过DIS(Draf International Standard),目前版本V2.0于1996公布,内容包含符号6811个,汉字209 02个,韩文拼音11172个,造字区6400个,保留20249个,共计65534个。 ISO10646 / Unicode字符集 全球可以共享的编码字符集。 UCS-4:组八位 平面八位 行八位 字位八位 UCS-2:00组中的00平面是基本多文种平面(BMP),4E00~9FFF 中日韩文字 Ext A(CJK):3400~4DB7,共6584字 Ext B(CJK):42,807个汉字,在第2平面的0100~A836 GBK编码(Chinese Internal Code Specification) GBK编码是中国大陆制订的、等同于UCS的新的中文编码扩展国家标准。GBK工作小组 于1995年10月,同年12月完成GBK规范。该编码标准兼容GB2312,共收录汉字21003个、 符号883个,并提供1894个造字码位,简、繁体字融于一库。 Windows95/98简体中文版的字库表层编码就采用的是GBK,通过GBK与UCS之间一一对应的 码表与底层字库联系。 英文名:Chinese Internal Code Specification 中文名:汉字内码扩展规范1.0版 双字节编码,GB2312-80的扩充,在码位上和GB2312-80兼容 范围:8140~FEFE(剔除xx7F)共23940个码位 包含21003个汉字,包含了ISO/IEC 10646-1中的全部中日韩汉字 GB18030-2000 英文名:Chinese Internal Code Specification 中文名:信息技术 信息交换用汉字编码字符集 基本集的扩充( 2000-03-17发布和实施) 单字节、双字节、四字节编码 向下与国家标准GB 2312信息处理交换码所对应的事实上的内码标准兼容。 在字汇上支持GB 13000.1的全部中、日、韩(CJK)统一汉字字符和全部CJK统一汉字扩 充A的字符。 BIG5编码 是目前台湾、香港地区普遍使用的一种繁体汉字的编码标准,包括440个符号,一级 汉字5401个、二级汉字7652个,共计13060个汉字。
㈡ 在计算机中,汉字采用什么码存放。
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,《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。
国标码是汉字信息交换的标准编码,但因其前后字节的最高位为0,与ASCII码发生冲突,国标码是不可能在计算机内部直接采用的,于是,汉字的机内码采用变形国标码,其变换方法为:将国标码的每个字节都加上128,即将两个字节的最高位由0改1,其余7位不变。
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。
㈢ 在计算机内部处理汉字时,都是使用___ 码进行的
在电脑内部对汉字进行传输处理和存储时使用汉字的机内码。
电脑内部汉字信息的存储运算的代码有四种:输入码、国标码、内码和字型码。
输入码:包括拼音编码和字型编码。微软拼音ABC就是拼音编码,五笔字型输入法就是字型编码。
国标码:又称为汉字交换码,在计算机之间交换信息用。用两个字节来表示,每个字节的最高位均为0,因此可以表示的汉字数为2的14次幂,就是16384个。将汉字区位码的高位字节、低位字节各加十进制数32(即十六进制数的20),便得到国标码。例如“中”字的国标码为8680(十进制)或7468(十六进制)。
内码:汉字内码是在设备和信息处理系统内部存储、处理、传输汉字用的代码。无论使用何种输入码,进入计算机后就立即被转换为机内码。规则是将国标码的高位字节、低位字节各自加上128(十进制)或80(十六进制)。例如,“中”字的内码以十六进制表示时应为F4E8。这样做的目的是使汉字内码区别于西文的ASCII,因为每个西文字母的ASCII的高位均为0,而汉字内码的每个字节的高位均为1。
字型码:表示汉字字形的字模数据,因此也称为字模码,是汉字的输出形式。通常用点阵、矢量函数等表示。用点阵表示时,字形码指的就是这个汉字字形点阵的代码。根据输出汉字的要求不同,点阵的多少也不同。简易型汉字为16′16点阵、提高型汉字为24′24点阵、48′48点阵等。如果是24′24点阵,每行24个点就是24个二进制位,存储一行代码需要3个字节。那么,24行共占用3′24=72个字节。计算公式:每行点数/8′行数。依此,对于48′48的点阵,一个汉字字形需要占用的存储空间为48/8′48=6′48=288个字节。
㈣ 在计算机系统内部使用的汉字编码是_____
机内码。
汉字机内码,又称“汉字ASCII码”,简称“内码”,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。输入码被接受后就由汉字操作系统的“输入码转换模块”转换为机内码,与所采用的键盘输入法无关。
机内码是汉字最基本的编码,不管是什么汉字系统和汉字输入方法,输入的汉字外码到机器内部都要转换成机内码,才能被存储和进行各种处理。
(4)电脑字体编码用哪个扩展阅读
汉字进入计算机的三种途径分别为:
1、机器自动识别汉字
计算机通过“视觉”装置(光学字符阅读器或其他),用光电扫描等方法识别汉字。
2、通过语音识别输入
计算机利用人们给它配备的“听觉器官”,自动辨别汉语语音要素,从不同的音节中找出不同的汉字,或从相同音节中判断出不同汉字。
3、通过汉字编码输入
根据一定的编码方法,由人借助输入设备将汉字输入计算机。
机器自动识别汉字和汉语语音识别,国内外都在研究,虽然取得了不少进展,但由于难度大,预计还要经过相当一段时间才能得到解决。在现阶段,比较现实的就是通过汉字编码方法使汉字进入计算机。
㈤ 办公软件中的字体在操作系统中有对应的字体文件字体文件中存放的汉字编码是什么
以简体中文来讲,不管使用哪种字体,都不会改变字本身,只是改变字形,就是说,比如文字“汉”,不管使用哪种简体中文字体,它还是“汉”,只是字形(字体)不同,它不会变成“文”、“化”等其他字。这就意味着这些字体采用了相同的汉字编码,使输入的代码与唯一的汉字对应,不同的只是这个汉字的字形。
目前使用比较广泛的汉字编码标准是GB2312,基于此编码标准,有着多种字体库,如宋体_GB2312、仿宋_GB2312。现行的GB2312是中国国家标准总局于1980年发布的汉字字符集国家标准编码,GB是国标的意思,相应的编码称为国标码,或GB码。目前使用的GB2312标准号为GB 2312-1980。GB2312编码通行于我国内地;新加坡等地也采用此编码。几乎所有的中文系统和国际化的软件都支持GB 2312。
GB2312 字符编码分布表
当然不同国家和地区、不同语言系统使用的编码会有不同,具体根据相应的字符集而定。比如英语字符比较少,可以使用ASCII编码,国内汉字使用GB2312编码,台湾省、香港特别行政区与澳门特别行政区使用繁体的Big5编码,还有世界多语言通用的Unicode编码和UTF-8编码等。
以上,希望能帮上忙!
㈥ 为什么公文都要用“仿宋GB2312”的字体
公文都要用“仿宋GB2312”的原因是:2012年国家发布公文要求的时候电脑内置的仿宋字体就是仿宋GB2312 。
㈦ windows操作系统unicode文本编码格式是UTF-8还是UTF-16现在的系统
什么是 Unicode? 历史上, 有两个独立的, 创立单一字符集的尝试. 一个是国际标准化组织(ISO)的 ISO 10646 项目, 另一个是由(一开始大多是美国的)多语言软件制造商组成的协会组织的 Unicode 项目. 幸运的是, 1991年前后, 两个项目的参与者都认识到, 世界不需要两个不同的单一字符集. 它们合并双方的工作成果, 并为创立一个单一编码表而协同工作. 两个项目仍都存在并独立地公布各自的标准, 但 Unicode 协会和 ISO/IEC JTC1/SC2 都同意保持 Unicode 和 ISO 10646 标准的码表兼容, 并紧密地共同调整任何未来的扩展. Unicode vs ISO 10646 Unicode 协会公布的 Unicode 标准 严密地包含了 ISO 10646-1 实现级别3的基本多语言面. 在两个标准里所有的字符都在相同的位置并且有相同的名字. Unicode 标准额外定义了许多与字符有关的语义符号学, 一般而言是对于实现高质量的印刷出版系统的更好的参考. Unicode 详细说明了绘制某些语言(比如阿拉伯语)表达形式的算法, 处理双向文字(比如拉丁与希伯来文混合文字)的算法和 排序与字符串比较 所需的算法, 以及其他许多东西. 另一方面, ISO 10646 标准, 就象广为人知的 ISO 8859 标准一样, 只不过是一个简单的字符集表. 它指定了一些与标准有关的术语, 定义了一些编码的别名, 并包括了规范说明, 指定了怎样使用 UCS 连接其他 ISO 标准的实现, 比如 ISO 6429 和 ISO 2022. 还有一些与 ISO 紧密相关的, 比如 ISO 14651 是关于 UCS 字符串排序的. 考虑到 Unicode 标准有一个易记的名字, 且在任何好的书店里的 Addison-Wesley 里有, 只花费 ISO 版本的一小部分, 且包括更多的辅助信息, 因而它成为使用广泛得多的参考也就不足为奇了. 然而, 一般认为, 用于打印 ISO 10646-1 标准的字体在某些方面的质量要高于用于打印 Unicode 2.0的. 专业字体设计者总是被建议说要两个标准都实现, 但一些提供的样例字形有显着的区别. ISO 10646-1 标准同样使用四种不同的风格变体来显示表意文字如中文, 日文和韩文 (CJK), 而 Unicode 2.0 的表里只有中文的变体. 这导致了普遍的认为 Unicode 对日本用户来说是不可接收的传说, 尽管是错误的. UTF-8 首先 UCS 和 Unicode 只是分配整数给字符的编码表. 现在存在好几种将一串字符表示为一串字节的方法. 最显而易见的两种方法是将 Unicode 文本存储为 2 个 或 4 个字节序列的串. 这两种方法的正式名称分别为 UCS-2 和 UCS-4. 除非另外指定, 否则大多数的字节都是这样的(Bigendian convention). 将一个 ASCII 或 Latin-1 的文件转换成 UCS-2 只需简单地在每个 ASCII 字节前插入 0x00. 如果要转换成 UCS-4, 则必须在每个 ASCII 字节前插入三个 0x00. 在 Unix 下使用 UCS-2 (或 UCS-4) 会导致非常严重的问题. 用这些编码的字符串会包含一些特殊的字符, 比如 '\0' 或 '/', 它们在 文件名和其他 C 库函数参数里都有特别的含义. 另外, 大多数使用 ASCII 文件的 UNIX 下的工具, 如果不进行重大修改是无法读取 16 位的字符的. 基于这些原因, 在文件名, 文本文件, 环境变量等地方, UCS-2 不适合作为 Unicode 的外部编码. 在 ISO 10646-1 Annex R 和 RFC 2279 里定义的 UTF-8 编码没有这些问题. 它是在 Unix 风格的操作系统下使用 Unicode 的明显的方法. UTF-8 有一下特性: UCS 字符 U+0000 到 U+007F (ASCII) 被编码为字节 0x00 到 0x7F (ASCII 兼容). 这意味着只包含 7 位 ASCII 字符的文件在 ASCII 和 UTF-8 两种编码方式下是一样的. 所有 >U+007F 的 UCS 字符被编码为一个多个字节的串, 每个字节都有标记位集. 因此, ASCII 字节 (0x00-0x7F) 不可能作为任何其他字符的一部分. 表示非 ASCII 字符的多字节串的第一个字节总是在 0xC0 到 0xFD 的范围里, 并指出这个字符包含多少个字节. 多字节串的其余字节都在 0x80 到 0xBF 范围里. 这使得重新同步非常容易, 并使编码无国界, 且很少受丢失字节的影响. 可以编入所有可能的 231个 UCS 代码 UTF-8 编码字符理论上可以最多到 6 个字节长, 然而 16 位 BMP 字符最多只用到 3 字节长. Bigendian UCS-4 字节串的排列顺序是预定的. 字节 0xFE 和 0xFF 在 UTF-8 编码中从未用到. 下列字节串用来表示一个字符. 用到哪个串取决于该字符在 Unicode 中的序号. U-00000000 - U-0000007F: 0xxxxxxx U-00000080 - U-000007FF: 110xxxxx 10xxxxxx U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx xxx 的位置由字符编码数的二进制表示的位填入. 越靠右的 x 具有越少的特殊意义. 只用最短的那个足够表达一个字符编码数的多字节串. 注意在多字节串中, 第一个字节的开头"1"的数目就是整个串中字节的数目. 例如: Unicode 字符 U+00A9 = 1010 1001 (版权符号) 在 UTF-8 里的编码为: 11000010 10101001 = 0xC2 0xA9 而字符 U+2260 = 0010 0010 0110 0000 (不等于) 编码为: 11100010 10001001 10100000 = 0xE2 0x89 0xA0 这种编码的官方名字拼写为 UTF-8, 其中 UTF 代表 UCS Transformation Format. 请勿在任何文档中用其他名字 (比如 utf8 或 UTF_8) 来表示 UTF-8, 当然除非你指的是一个变量名而不是这种编码本身.
㈧ 字体那么多,为何公文一定要采用GB2312字体
公文使用仿宋GB2312的是正文,这个规定来自于国家标准《党政机关公文格式》。按照标准来说的话,不符合这个公文的格式,就是不合格的。在这种情况下,不用也不行。不过这个字体,并不是特别好,是早期的规定。很多系统中,已经不自带仿宋GB2312,属于过时代的字体。里面的字少、字体不够正规,在经过加粗或者其他操作后,还有可能会变得模糊。
3、字体的问题其实不仅仅是公文,还有很多东西都是这样。比如给印刷厂的文件,版本过高的格式他们就会告诉你打不开。相应的标准应该进行升级,推出新的字体规定。电脑系统自带的字体中,有很多已经不存在仿宋3号字,可见它真的跟不上时代。早期的汉字编码字符集是1980,只有六千多个汉字,而2000标准已经包含27000左右的汉字,差距明显。
㈨ 计算机中应用最普遍的字符编码是
微型计算机中使用最普遍的字符编码是ASCII码,用于微型机。
使用7 位二进制数(剩下的1位二进制为0)来表示所有的大写和小写字母,数字0 到9、标点符号,以及在美式英语中使用的特殊控制字符 。
ASCII(American Standard Code for Information Interchange,美国标准信息交换代码)是基于拉丁字母的一套电脑编码系统,主要用于显示现代英语和其他西欧语言。
常见ASCII码的大小规则:
0~9<A~Z<a~z。
1)数字比字母要小。如 “7”<“F”。
2)数字0比数字9要小,并按0到9顺序递增。如 “3”<“8”。
3)字母A比字母Z要小,并按A到Z顺序递增。如“A”<“Z”。