1.【简述汉字输入码,汉字内码,汉字字形码,汉字交换码区别】
计算机中信息的编码 在计算机中，各种信息都是以二进制编码的形式存在的；也就是说，不管是文字、图形、声音、动画，还是电影等各种信息，在计算机中都是以0和1组成的二进制代码表示的；计算机之所以能区别这些信息的不同，是因为它们采用的编码规则不同.比如：同样是文字，英文字母与汉字的编码规则就不同，英文字母用的是单字节的ASCII码，汉字采用的是双字节的汉字内码；但随着需求的变化，这两种编码有被统一的UNICODE码（由Unicode 协会开发的能表示几乎世界上所有书写语言的字符编码标准）所取代的趋势；当然图形、声音等的编码就更复杂多样了.这也就告诉我们，信息在计算机中的二进制编码是一个不断发展的、高深的、跨学科的知识领域.1、字符（英文，包括字母、数字、标点、运算符等）编码 字符的编码采用国际通用的ASCII码（American Standard Code for Information Interchange，美国信息交换标准代码），每个ASCII码以1个字节（Byte）储存，从0到数字127代表不同的常用符号，例如大写A的ASCII码是65，小写a则是97.由于ASCII码只用了字节的七个位，最高位并不使用，所以后来又将最高的一个位也编入这套编码码中，成为八个位的延伸ASCII(ExtendedASCII)码，这套内码加上了许多外文和表格等特殊符号，成为目前常用的编码.基本的ASCII字符集共有128个字符，其中有96个可打印字符，包括常用的字母、数字、标点符号等，另外还有32个控制字符.标准ASCII码使用7个二进位对字符进行编码，对应的ISO标准为ISO646标准.下表展示了基本ASCII字符集及其编码： 字母和数字的ASCII码的记忆是非常简单的.我们只要记住了一个字母或数字的ASCII码（例如记住A为65,0的ASCII码为48），知道相应的大小写字母之间差32，就可以推算出其余字母、数字的ASCII码. 虽然标准ASCII码是7位编码，但由于计算机基本处理单位为字节（1byte = 8bit），所以一般仍以一个字节来存放一个ASCII字符.每一个字节中多余出来的一位（最高位）在计算机内部通常保持为0（在数据传输时可用作奇偶校验位）.由于标准ASCII字符集字符数目有限，在实际应用中往往无法满足要求.为此，国际标准化组织又制定了ISO2022标准，它规定了在保持与ISO646兼容的前提下将ASCII字符集扩充为8位代码的统一方法.ISO陆续制定了一批适用于不同地区的扩充ASCII字符集，每种扩充ASCII字符集分别可以扩充128个字符，这些扩充字符的编码均为高位为1的8位代码（即十进制数128~255），称为扩展ASCII码.下表展示的是最流行的一套扩展ASCII字符集和编码： 2、汉字的编码（1）汉字内码 汉字信息在计算机内部也是以二进制方式存放.由于汉字数量多，用一个字节的128种状态不能全部表示出来，因此在1980年我国颁布的《信息交换用汉字编码字符集——基本集》，即国家标准GB2312-80方案中规定用两个字节的十六位二进制表示一个汉字，每个字节都只使用低7位（与ASCII码相同），即有128*128=16384种状态.由于ASCII码的34个控制代码在汉字系统中也要使用，为不致发生冲突，不能作为汉字编码，128除去34只剩94种，所以汉字编码表的大小是94*94=8836，用以表示国标码规定的7445个汉字和图形符号. 每个汉字或图形符号分别用两位的十进制区码（行码）和两位的十进制位码（列码）表示，不足的地方补0，组合起来就是区位码.把区位码按一定的规则转换成的二进制代码叫做信息交换码（简称国标码）.国标码共有汉字6763个（一级汉字，是最常用的汉字，按汉语拼音字母顺序排列，共3755个；二级汉字，属于次常用汉字，按偏旁部首的笔划顺序排列，共3008个），数字、字母、符号等682个，共7445个. 由于国标码不能直接存储在计算机内，为方便计算机内部处理和存储汉字，又区别于ASCII码，将国标码中的每个字节在最高位改设为1，这样就形成了在计算机内部用来进行汉字的存储、运算的编码叫机内码（或汉字内码，或内码）.内码既与国标码有简单的对应关系，易于转换，又与ASCII码有明显的区别，且有统一的标准（内码是惟一的）. （2）汉字外码 无论是区位码或国标码都不利于输入汉字，为方便汉字的输入而制定的汉字编码，称为汉字输入码.汉字输入码属于外码.不同的输入方法，形成了不同的汉字外码.常见的输入法有以下几类： 按汉字的排列顺序形成的编码（流水码）：如区位码； 按汉字的读音形成的编码（音码）：如全拼、简拼、双拼等； 按汉字的字形形成的编码（形码）：如五笔字型、郑码等； 按汉字的音、形结合形成的编码（音形码）：如自然码、智能ABC. 输入码在计算机中必须转换成机内码，才能进行存储和处理. （3）汉字字形码 为了将汉字在显示器或打印机上输出，把汉字按图形符号设计成点阵图，就得到了相应的点阵代码（字形码）. 全部汉字字码的集合叫汉字字库.汉字库可分为软字库和硬字库.软字库以文件的形式存放在硬盘上，现多用这种方式，硬字库则将字库固化在一个单独的存储芯片中，再和其它必要的器件组成接口卡，插接在计算机上，通常称为汉卡. 用于显示的字库叫显示字库.显示一个汉字一般采用。
2.编码的编码常识
GB编码标准中，比较常用的是GB2312和GBK两种，GB2312是GBK的一个子集，GB2312编码范围是 0xA1A1 - 0xFEFE ，如果纯粹的 GB2312编码，处理起来是十分简单的，但处理GBK字符集时有些小的提示，先说说GBK编码的标准吧：
GBK 采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。 1. 汉字区。包括：
a. GB 2312 汉字区。即 GBK/2: B0A1-F7FE。收录 GB 2312 汉字 6763 个，按原顺序排列。
b. GB 13000.1 扩充汉字区。包括：
(1) GBK/3: 8140-A0FE。收录 GB 13000.1 中的 CJK 汉字 6080 个。
(2) GBK/4: AA40-FEA0。收录 CJK 汉字和增补的汉字 8160 个。
CJK 汉字在前，按 UCS 代码大小排列；增补的汉字（包括部首和构件）在后，按《康熙字典》的页码/字位排列。
2. 图形符号区。包括：
a. GB 2312 非汉字符号区。即 GBK/1: A1A1-A9FE。其中除 GB 2312 的符号外，
还有 10 个小写罗马数字和 GB 12345 增补的符号。计符号 717 个。
b. GB 13000.1 扩充非汉字区。即 GBK/5: A840-A9A0。BIG-5 非汉字符号、结构符和“○”排列在此区。计符号 166 个。
3. 用户自定义区：分为（1）(2)(3)三个小区。
(1) AAA1-AFFE，码位 564 个。
(2) F8A1-FEFE，码位 658 个。
(3) A140-A7A0，码位 672 个。
第（3）区尽管对用户开放，但限制使用，因为不排除未来在此区域增补新字符的可能性。
这里有几个小技巧：
一、在php中，字符编码是按所发送的编码为准的，因此使用的就是用户输入的编码，不会自动改变，但在asp中，默认的编码是unicode，这样我们很容易就能得到gbk->unicode的编码对照表，这样即使在毫无基础库的情况下也能很容易的实现gbk到utf-8的转换了；
二、由于GBK是高位最低数值是0x40，即是64，因此，有时候组织一些涉及中文的字串时，分割字符最好用64之前的ascii码，这样在任意情况下替换或分割都不会出现乱码，比较常用的是 ，、；、：、、、，这些字符永远都不会给gb编码添乱。
3.计算机知识：汉字编码的规则
GB2312中的汉字编码规则
2008-07-26 21:56:10
标签：GB2312 汉字编码规则 休闲 职场
01-09区为特殊符号。
16-55区为一级汉字，按拼音排序。
56-87区为二级汉字，按部首/笔画排序。
每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”，第二个字节称为“低位字节”。
“高位字节”使用了0xA1-0xF7（把01-87区的区号加上0xA0），“低位字节”使用了0xA1-0xFE（把01-94加上0xA0）。
例如“啊”字在大多数程序中，会以0xB0A1储存。（与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1）。
在附送你个 GB2312 编码表
4.中国的汉字如何编码
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、Unicode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 USMacintosh: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~FEFEA1-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~FEFEA1-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ISO10646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20902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~A836GBK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。
5.汉字涉及到几种编码
汉字在计算机上的编码主要有三种：输入码、机，内码和输出码，1.用于输入的汉字的编码——输入码（外码）
计算机上输入汉字的方法很多，如键盘编码输入、语音输入、手写输入、扫描输入等，其中键盘编码输入是最容易实现和最常用的一种汉字输入方法。英文等可以用键盘上的每个字母键来输入，而输入汉字则不同，不可能用有限的按键来对应每一个汉字，为了让用户能直接使用英文键盘输入汉字，于是就有了输入汉字时使用的汉字输入码，它一般由键盘上的字母或数字组成，代表某个汉字或某些汉字、词组或句子。当前用于汉字输入的编码方案很多，如区位码、拼音码、王码（五笔字型）、自然码等。
2.用于储存汉字的编码——机内码（内码）
由于汉字输入码的编码方案多种多样，同一个汉字如果采用的编码方案不一样，其输入码就有可能不一样。如果计算机内部存放的是汉字输入码本身，就会造成相同汉字在机内可以用不同的编码表示，这样显然不合理，也给计算机内部的汉字处理增加了难度。为了将汉字的各种输入码在计算机内部统一起来，就引进了汉字的机内码。
3.用于输出汉字的编码——输出码（字型码）
存储在计算机内的汉字在屏幕上显示或在打印机上打印出来时，必须以汉字字形输出，才能被人们所接受和理解。汉字的输出码实际上是汉字的字型码，它是由汉字的字模信息所组成的。汉字是一种象形文字，每个汉字东可以看成一个特定的图形，这种图形可以用点阵、向量等方式表示，而最基本的是用点阵表示。所谓点阵方式，就是将汉字分解成由若干个“点”？？组成的点阵字型，将此点阵字型至于网状方格上，每个方各试点阵中的一个“点”。
6.汉字编码有哪些
汉字的编码体系主要有以下几种：
⑴国标、区位、“准国标”
国标是将七千余个汉字以及标点符号、外文字母等，排成一个94行、94列的方阵。方阵中每一横行称为一个“区”，每个区有94个“位”。一个汉字在方阵中的坐标，称为该字的区位码。为了与美标（ASCII）的形象码的范围重合，出现了“国标码”，即将区位码的两个十进制数都加上32，得到该汉字的国标码。
当需要区分国标码和美标码时，出现了“准国标”，即将国标码的两个数字各加上128，而把原来的国标码称为“纯国标”。
⑵GBK
GBK码是GB码的扩展字符编码，对多达两万多的简繁汉字进行了编码。
⑶BIG5码
BIG5码是针对繁体汉字的汉字编码。
⑷HZ码
HZ码是在Internet上广泛使用的一种汉字编码，它是以“纯国标”的中文与美标码混用为方案。
⑸ISO2022CJK码
这是国际标准组织为各种语言字符制定的编码标准。CJK是中、日、韩语的合称。它主要在Internet中使用。
⑹UCS和ISO10646
UCS是由ISO10646定义的，是其他字符集标准的一个超集，保证与其他字符集是双向兼容的，它包含了所有已知语言的字符。
⑺Unicode
Unicode提供一种统一的字符标识方法，它是16位编码的，具备世界各地计算机与出版行业所用字符的全部代码。而且它的产生是以各个国家或国标字符编码为基础的。目前，Unicode在网络、Windows系统和很多大型软件中得到应用。
建议你去图书馆找些书查查，书本会介绍得很清楚的，嘿嘿.
7.汉字编码原则及分类
汉字编码是"现代汉语"的重要组成部分，因此汉字编码，都应完全贯彻《汉语拼音方案》和《现代汉语通用字笔顺规范》的要求，在一个编码方案的原 则下、简便易学、能成为中小学语文的重要的辅助教材及工具，并能够全面进入信息传导等领域，不但编码能在计算机大键盘上使用，也能在小键盘上、电话机、手 机上使用，把手写"汉语速记"和计算机速记融为一体并能快速准确的应用，彻底解决"汉语速记"不具有普及性和难学难记的缺点，并且能进行汉字非键盘输入、支持汉字手写识别、大字符集处理平台与应用软件.。
