汉字的区位码和内码,外码,国标码
汉字的区位码和内码，外码，国标码
1.国标码：“国家标准信息交换⽤汉字编码”(GB2312-80标准)，简称国标码，国标码是⼆字节码, ⽤两个七位⼆进制数编码表⽰⼀个汉字。
2.区位码：为了使每⼀个汉字有⼀个全国统⼀的代码，区位码是国家规定的94*94的⼀个⽅阵，其中每⾏叫做⼀个区，每列叫做⼀个位，组合起来就组成了区位码，我们可以在相关⽹站查询某个汉字的区位码，
    例如汉字“我”的区位码是46 50 ，标识“我”在46区，50位。
3.机内码：机内码是在计算机中存储的汉字编码。(相当于ASCII码)
4.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，即汉字外码。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。
例如: 在计算机中录⼊汉字时，从键盘输⼊的是汉字的机内码, 这个汉字的机内码是由输⼊法软件直接转换的，再由操作系统或应⽤软件提取字库字形码显⽰到屏幕上
三者之间的关系：
机内码与区位码
机内码⾼位字节=(区号)H+A0H
机内码低位字节=(位号)H+A0H
汉字编码国标码与区位码
国标码⾼位字节=(区号)H+20H
国标码低位字节=(位号)H+20H
例如“我”的的区位码是46 50 这是10进制的转化为16进制：2EH 32H
所以“我”的国标码：2E32H+2020H=4E52H
所以“我”机内码：4E52H+8080H=CED2（其实就是把⼆进制国标码的最⾼位置1，注意看E和2都没有变化）
机内码转化为2进制就可以再计算机中存储，这⾥⾯转化为10进制可以输出。
CED2的10进制为：52946，这⾥我们打开记事本，按住alt建，输⼊52946即可以看见“我”，因为52946是“我”的机内码的10进制。
这⾥⾯有两个问题：
1.为什么不⽤区位码直接表⽰国标码，为要加上2020H？
2.机内码为什么要在国标码的基础上加上8080H，⽽不是直接只⽤国标码作为机内码？
这⾥我先解决第⼆个问题，国标码就是由2个ASCII码组成，为什么呢（这⾥简单介绍⼀下，后⾯会详细说明）？因为在英⽂中只有26个字母，所以⽤⼀个字节就可以表⽰了，⽤⼀个字节的话可以表⽰2^8个符号，就是256个符号，绰绰有余啊，于是外国⼈制订了规范，规定0-127（00000000-01111111）个字符他们⽤了，⽤来表⽰英⽂字符和⼀些符号，就是ASCII码，但是汉字有很多，256个根本就不够，于是
国家就⽤两个ASCII来表⽰⼀个汉字，就是2个字节标识⼀个汉字，例如“保”的区位码为：1703，所以国标码为：17的16进制,03的16进制+20,20H=3123H，然⽽: 31H 和23H在ASCII中式有值的，31H在ASCII中表⽰数字1，23H表⽰的是“#”（这个可以在⽹上查询），那么如果我以国标码作为机内码的话，如果内存中有两个字节为31H和23H，那么到底是表⽰汉字“保”呢？还是字符1#呢？这样就有了歧义，但是解决办法就有了，0-127不是被英⽂字符占了吗？那么我就⽤127之后的来表⽰不就可以了吗？于是我把汉字的两个字节每个字节机上128（16进制就是80H），于是问题解决了，汉字“保”的机内码变为：3123H+8080H=B2A3H(10进制就是45475)，打开记事本按住alt+45475看看是不是“保”，这样就不会和英⽂的ASCII冲突了。
关于字符编码的发展:
第⼀阶段：ASCII阶段，(American Standard Code for Information Interchange， “美国信息交换标准码），计算机当时只⽀持英语，字符在计算机中都是以0和1的⽅式存储的。象a、b、c、d这样的52个字母（包括⼤写）、以及0、1、2等数字还有⼀些常⽤的符号（例如*、#、@等）在计算机中存储时也要使⽤⼆进制数来表⽰，⽽具体⽤哪些⼆进制数字表⽰哪个符号，就必须要有⼀定的规则，于是美国有关的标准化组织就出台了所谓的ASCII编码，统⼀规定了上述常⽤符号⽤哪个⼆进制数来表⽰。（来⾃百度百科），ASCII码规定每个字符例如“a”使⽤1个字节来表⽰，也就是8为的⼆进制组合，那么就有00000000-11111111⼀共256种组合，也就是可以表⽰256个不同的字符。
其中0-31：是控制字符或通讯专⽤字符（不可以显⽰的字符，其余为可显⽰字符），如控制符：LF（换⾏）、CR（回车）等。
32-126：是字符，其中32是空格，48-57为0-9的阿拉伯数字，65-90为26个⼤写英⽂字母，97-122为26个⼩写英⽂字母，其余的是⼀些标点符号，运算符号等。
ASSCII共计有128个，从0到127，也就是从00000000-01111111，最⾼位都是0。
第⼆阶段：ANSI编码（本地化）阶段，ASCII只能表⽰英⽂字符，那么其他字符怎么表⽰呢？汉语是这样解决的，⽤两个ASCII表⽰⼀个汉字，⽽且不⽤前⾯的128个，为什么不⽤已经在上⼀篇中介绍了，因为前128个事⼈家的英⽂。不能占啊，否则就混乱了。⽐如汉字“中”在中⽂操作系统中使⽤[0xD6,0xD0] 这两个字节存储，为什么呢，这⾥简单解释⼀下，“中”的区位码是 54 48 ，那么“中”的，国标码就是54 48的⼗六进制+上2020H=5650H，那么“中”的机内码就是=“中的国标码+8080H=D6D0H，这样每个汉字也都有了⾃⼰的编码，汉字编码解决了，这就是中国的GB2312编码标准，但是这是中国汉字的编码，那么其他国家呢？其他的国家的计算机操作系统中可能把[0xD6,0xD0] 这两个字节存储成他们的⽂字，⽽不是“中”，不同的国家和地区制定了不同的标准，这些使⽤ 2 个字节来代表⼀个字符的各种⽂字延伸编码⽅式，称为 ANSI 编码。在简体中⽂系统下，ANSI 编码代表 GB2312 编码，在⽇⽂操作系统下，ANSI 编码代表 JIS 编码。不同 ANSI 编码之间互不兼容，当信息在国际间交流时，⽆法将属于两种语⾔的⽂字，存储在同⼀段 ANSI 编码的⽂本中。
第三阶段：UNICODE（国际化），为了使国际间信息交流更加⽅便，国际组织制定了 UNICODE 字符集，为各种语⾔中的每⼀个字符设定了统⼀并且唯⼀的数字编号，以满⾜跨语⾔、跨平台进⾏⽂本转换、处理的要求。Unicode⽤数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码⽅案。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。