计算机中的汉字（一、二、三）（TR）

墨镜无限 2022-10-08 11:32:33  63779

分类专栏：资讯

本帖最后由 centrish 于 2013-4-29 17:51 编辑

计算机中的汉字（一）

发表于 2003-2-21 06:26:36 |只看该作者李鐸|倒序浏览

　　一、几个基本概念
　　1、bit 与 byte
　　bite 是二进制的即0和1，译作比特。
　　Byte是指八个bit，代表一个Ansi或Ascii 代码，即一个英文字母，译作字节。由于汉字使用了16位（比特）代码，所以称为双字节。
　　其换算关系很简单，一byte等于八bit。
　　2，ANSI码，ANSI是（American National Standard Institude）的简写。ANCII是American Standard Code for Information Interchange的简写。
　　ANSI是以标准的八位来显示一个字符的，可以代表256字。基本上包括了拉丁语系中所需要的全部字符。起初美国人认为7位（比特）就足够了，因为2的7次方等于128，而英文字母只有26个，大小写加一起52个，再加上十个数字，几个标点和数学运算符号，也够了。所以就制定了ANCII七位的代码系统，这七位的代码系统的128位与ANSI的256中的前128完全一致，加之现在的计算机系统都能自动分别，所以，这两个概念也就不太分别了。
　　二、GB 2312 汉字编码字符集
GB2312码是中华人民共和国国家标准汉字信息交换用编码，全称《信息交换用汉字编码字符集•基本集》，标准号为GB 2312—80（GB是“国标”二字的汉语拼音缩写），由国家标准总局发布，1981年5月1 日实施。习惯上称国标码、GB码，或区位码。它是一个简化字汉字的编码，通行于中国大陆地区。新加坡等地也使用这一编码。
　　GB 2312—80收录简化汉字及一般符号、序号、数字、拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母，共7445个图形字符。其中汉字以外的图形字符682个，汉字6763个。由于6763比那GB 2312-80要好记得多，尤其是在GBK也流行的时代，人们总是习惯用6763来代指那通行（同时也让我们痛苦了）若干年的字符系统。
　　GB 2312-80规定，“对任意一个图形字符都采用两个字节（Byte）表示。每个字节均采用GB 1988-80及GB 2311-80中的七位编码表示。两个字节中前面的字节为第一字节，后面的字节为第二字节。”习惯上称第一字节为“高字节”（Upper），第二字节为“低字节”（low）。
　　GB 2312-80将代码分为94个区（Section），对应第一字节，每个区94个位（Position），对应第二字节。两个字节的值，分别为区号值和位号值各加32（20H）。我们通常所说的区位便由此而来。
　　GB 2312-80规定，01~09区（原规定为1~9区，为表示区位码方便起见，现改称01~09区）为符号、数字区，16~87区为汉字区。而10~15区、88~94区是有待于“进一步标准化”的“空白位置”区域。便第10区推荐与第3区的94个图形字符（即GB1988-80中的94个图形字符）相同，字形宽度为其宽度的一半。）
　　GB 2312-80把收录的汉字分成两级。第一级汉字是常用汉字，计3755个，置于16~55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字，计3008个，置于56~87区，按部首/笔区顺序排列。字音以普通话审音委员会发表的《普通话导读词三次审音总表初稿》（1963年出版）为准，字形以中华人民共和国文化部、中国文字改革委员会公布的《印刷通用汉字字形表》（1964年出版）为准。
　　例：汉字“啊”，第一字节为0110000，第二字节为0100001，即16区、01位，用16。
这些字的来源我不知道是根据什么，但就我处理文献的情况看，有些是对很常用的字，如用于人名的“璟”字，一是明代著名戏曲理论家“沈璟”，一是南唐中主（同时又是文学家）“李璟”，出现频率比较高，但却汉有收有6763之中，而象“芏”“塄”“蓥”等近千字几乎用不上的字却占据着极紧张的资源。
　　以后的GBK更有这种情况。
　　三、GB/T12345 汉字编码字符集
　　GB/T12345和GB2312一样，是中华人民共和国国家标准汉字信息交换用编码，全称《信息交换用汉字编码字符集辅助集》，标准号为GB/T12345-90，中华人民共和国国家技术监督局1990年6月13日发布，1990年12月1日实施。
　　GB/T12345-90是一个关于繁体汉字的编码标准。所谓“辅助集”，是与“基本集”（GB2312-80）相对应而言。即：GB/T12345是“与GB2312相对应的图形字符集。原则上，本字符集是将GB2312中的简化字用相应的繁体字替换而成。因此，这些替代的繁体字具有与被替代的简化字相同的编码；未曾简化的汉字以及非汉字图形字符，仍是GB2312中的汉字及图形字符，并具有与之相同编码。”
　　关于繁体字替换简化字的原则，GB/T12345注明：“本标准原则是按照《简化字总表》中所列繁体字与简化字的对应关系进行替换。”《简化字总表》由中国文字改革委员会1964年5月发表，后经国家语言文字工作委员会作个别修订，国务院1986年6月4日批准重新发表。
　　除了以上的根本差异外，GB/T12345与GB2312的区别还有以下几点：1，增补了个别图形字符，共收录7583个图形字符：汉字以外的图形字符716个，汉字6866个（其中一级汉字3755个，二级汉字3008个，增补汉字103个。）
　　a，“根据排版需要，增补了竖排标点符号29个，这些字符增补于6区57位至85位。”
　　b，“根据GB5007.1（《信息交换用汉字24×24点阵字模集》），增加了6个汉语拼音用图形字符，这些字符增补于8区27位至32位。”
　　c，“GB2312中，由于60年代汉字简化被精简的字有103个，这些被精简的字根据繁体字处理系统的需要增补于88~89区。”所谓精简，即废除某个繁体字，而用另一个字代替，如废除“雲”字，而以“云”字代替。由此形成一个简化字对应两个或两个以上繁体字的现象。
　　2，GB/T12345规定的在七位环境中指明图形字符集的转义序列不同，同时规定了在八位环境中的转义序列。
　　GB/T12345没有指明其字符集字形依据，便它使用的繁体汉字，与《简化字总表》中所使用的字形一致。其绝大多数汉字，使用了“新字形”。例如，“产”的繁体字，它使用了新字形“產”，而不自旧字形“產”。因此，一些旧字形与新字形的差异，被视为字形的差异（异体字），而不是繁体与简体的差异。如：收录“奂”“换”“唤”，而不用“奐”“換”“喚”，即因为“奐”是旧字形，而非繁体字。但是其中极个别字又使用了旧字形，如“为”“伪”的繁体字，使用了旧字形“爲”“僞”，而上用新字形“為”“偽”。关于新旧字形，可参见中国社会科学院语言研究所编纂的《现代汉语词典》（商务印书馆1978年第一版）、《新华字典》（商务印书馆1979年修订版）所附的《新旧字形对照表》，以及辞海编辑委员会编纂的《辞海》（上海辞书出版社1979年出版）所附的《新旧字形对照举例》。
关于被精简的汉字：
　　1，88~89区所列的103个汉字，GB/T12345称为“60年代汉字简化时被精简的字。”，这一表达不完全准确。例如：，“丰”与“豐”，汉字简化时精简了“豐”字，以“丰”字替代，而GB/T12345将被精简的“豐”字，作为“丰”的繁体，置于23~65，而将“丰”字置于88~19。类似的情况占其103字的三分之一左右。
　　2，所谓103个“被精简的汉字”，只是被精简的“繁体字”，而未包括被精简（废除）的“异体字”。例如，“昇”和“陞”，作为“升”的异体字，被停止使用，GB/T12345亦未收录。相关的法定文件为中华人民共和国文化部、中国文字改革委员会1955年6月发布的《第一批异体字整理表》，该表列出异体字810组，1865字，并规定废除异体字1055个。一些异体字，习惯上也被看作是简化字，所以，《简化字总表》特地从《第一批异体字整理表》中选出39个异体字，列为附录。
　　3，按照汉字简化原则，在容易引起歧义时不简化。例如“余”和“餘”，《简化字总表》对“餘”字的脚注说；“在余和餘意义可能混淆时，仍用餘，如文言句“餘年无多”。同时，有些汉字只简化其字义的某一个或几个义项，如徵，在象徵等义项上被简化为征，而在音乐调值的义项上（即宫商角徵羽的徵，读作zhi[止]），并不简化。因此在GB2312中，保留了个别繁体（或异体）字，也就是说，同时收录了一个字的简体和繁体（或异体），这包括“干乾、后後、伙夥、么麽、于於、余餘、折摺、征徵”等。作为与GB2312对应的繁体编码，GB/T12345在这些字上处理较混乱。例如：GB/T12345将“伙”置于27-79，“夥”置于66-23，与GB2312編碼相同，即，以“伙”對應“伙”，以“夥”對應“夥”。另一種情況是，GB/T12345將“後”置于26-83，对应GB2312的“后”，将“後”置于65-65，对应GB2312的“後”；将“徵”置于53-87，对应GB2312的“征”，将“征”置于65-71，对应GB2312的“徵”，显然不当。
　　注：
　　1，以上代码表，除06、08区增补符号用GIF图形编制外，其他均使用GBK代码编制，只有在你的电脑能完全正确GBK汉字时，才能保证看到的上表与GB/T12345标准印刷件（中国标准出版社1991年10月版）相同的字形。
　　2，尽管满足查看GBK汉字的条件，仍有两个汉字的显示，与GB/T12345标准印刷件有所差异。两个字的代码为47-22、80-89。第一字的印刷件字形，未列入有关简化字的法定文件，但习惯上被视为“隙”的繁体，而GBK编码未收录此字，无法显示，故以“隙”替代。第二字的印刷件字形，系对应简体“瘞”，按照《简化字总表》第二表《可作简化偏旁的简化字和简化偏旁》，“夾”简化为“夹”，所以，“瘗”对应的繁体字，应该是“瘗”，同时，印刷件上的此字不见于字书，因此它可能是排版时错误，故上表使用了“瘗”字。
　　3，01~15区的符号和空白位置，除增补者以外，与GB2312的符号、编码位置完全相同。

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=18126

赞同 0

评论 0 条

计算机中的汉字（一、二、三）（TR）

相关文章

关注我们