第三節(jié) 字符和文本的表示

　　(一)西文字符的編碼

　　西文是由拉丁字母、數(shù)字、標(biāo)點(diǎn)符號(hào)及一些特殊符號(hào)所組成的，它們統(tǒng)稱為“字符”(Characˉter)。所有字符的集合叫做“字符集”。字符集中每一個(gè)字符各有一個(gè)代碼(即字符的二進(jìn)制表示)，它們互相區(qū)別，構(gòu)成了該字符集的代碼表，簡稱碼表。

　　目前計(jì)算機(jī)中使用得最廣泛的西文字符集及其編碼是ASCII碼，即美國標(biāo)準(zhǔn)信息交換碼(American Standard Code for Information Interchange)。它已被國際標(biāo)準(zhǔn)化組織(ISO)批準(zhǔn)為國際標(biāo)準(zhǔn)，稱為ISO-646標(biāo)準(zhǔn)，它適用于所有拉丁文字字母，已在全世界通用。我國相應(yīng)的國家標(biāo)準(zhǔn)是GB1988(稱為《信息處理交換用的七位編碼字符集》標(biāo)準(zhǔn))。

　　(二)漢字的編碼1.GB2312-80漢字編碼

　　1981年我國頒布了《信息交換用漢字編碼字符集·基本集》(GB2312-80)。該標(biāo)準(zhǔn)選出6763個(gè)常用漢字和682個(gè)非漢字字符，為每個(gè)字符規(guī)定了標(biāo)準(zhǔn)代碼，以供這7445個(gè)字符在不同計(jì)算機(jī)系統(tǒng)之間進(jìn)行信息交換使用。這個(gè)標(biāo)準(zhǔn)所收集的字符及其編碼稱為國際碼，又叫做國際交換碼。

　　2.BIG5漢字編碼

　　BIG5漢字編碼是我國臺(tái)灣地區(qū)計(jì)算機(jī)系統(tǒng)中使用的漢字編碼字符。它包含了420個(gè)圖形符號(hào)和13070個(gè)漢字(不使用簡化漢字)。

　　3.漢字的輸入/輸出

　　(1)漢字的輸入

　　漢字輸入編碼方法大體分成4類。①數(shù)字編碼，這是一類用一串?dāng)?shù)字來表示漢字的編碼方法，例如電報(bào)碼、區(qū)位碼等，它們難以記憶，不易推廣。②字音編碼，這是一種基于漢語拼音的編碼方法，簡單易學(xué)，適合于非專業(yè)人員。缺點(diǎn)是同音字引起的重碼多，需增加選擇操作。③字形編碼，這是將漢字的字形分解歸類而給出的編碼方法，重碼少、輸入速度快，但編碼規(guī)則不易掌握，五筆字形法和表形碼就是這類編碼。④形音編碼，它吸取了字音編碼和字形編碼的優(yōu)點(diǎn)，使編碼規(guī)則簡化、重碼減少，但掌握起來也不容易。

　　漢字輸入編碼與漢字內(nèi)碼、漢字交換碼完全是不同范疇的概念，不能把它們混淆起來。

　　(2)漢字的輸出

　　每一個(gè)漢字的字形都必須預(yù)先存放在計(jì)算機(jī)內(nèi)，一套漢字(例如GB2312國標(biāo)漢字字符集)的所有字符的形狀描述信息集合在一起稱為字形信息庫，簡稱字庫(font)。不同的字體(如宋體、仿宋、楷體、黑體等)對(duì)應(yīng)著不同的字庫。在輸出每一個(gè)漢字的時(shí)假，計(jì)算機(jī)都要先到字庫中去找到它的字形描述信息，然后把字形信息送去輸出。

　　在計(jì)算機(jī)內(nèi)漢字的字形主要有兩種描述的方法:點(diǎn)陣字形和輪廓字形。

　　Windows中使用的TrueType字庫采用的就是典型的輪廓字形表示方法。點(diǎn)陣字形和輪廓字形這兩種類型的字庫目前都廣泛使用。

　　(三)通用編碼字符集(UCS)與Unicode

　　1.通用編碼字符集(UCS)

　　ISO/IEC10646，即“通用編碼字符集”(Universal Coded Character Set，即UCS)，及等同采用該國際標(biāo)準(zhǔn)的中國國家標(biāo)準(zhǔn)GB13000的設(shè)計(jì)目標(biāo)，就是實(shí)現(xiàn)所有字符在同一字符集中等長編碼、同等使用的真正多文種信息處理。UCS規(guī)定了全世界現(xiàn)代書面語言文字所使用的所有字符的標(biāo)準(zhǔn)編碼。

　　2.Unicode

　　通用編碼字符集是一個(gè)由各種大小字符集組成的編碼體系。能容納足夠多的各種字符集，四字節(jié)的編碼(UCS-4)可以安排13億個(gè)字符。

　　但是，四字節(jié)的字符編碼太浪費(fèi)存儲(chǔ)空間了，它也給處理和傳輸帶來了很大不便。因此，在UCS編碼空間中把00組的00平面稱為基本多文種平面(Basic Multilingual Plane，BMP)，并規(guī)定，當(dāng)組編碼、平面編碼均為00H時(shí)可以省略，因此安排在基本多文種平面上的字符只需要使用兩個(gè)字節(jié)來表示，這就形成了一個(gè)雙字節(jié)編碼的字符集，它是UCS的子集，記做UCS-2，又稱做Unicode(統(tǒng)一碼，或聯(lián)合碼)。

　　3.中日韓統(tǒng)一漢字編碼字符集(CJK編碼)

　　UCS(Unicode)中的表意文字部分采用的是中日韓統(tǒng)一漢字編碼(稱為CJK編碼)。所謂漢字的統(tǒng)一編碼是指，不論國家和地區(qū)，不論漢字的字義有無區(qū)別，只要字形相同，該漢字就只有一個(gè)代碼。

　　4.GB18030-2000編碼

　　GB18030-2000編碼標(biāo)準(zhǔn)在原來的GB2312-1980編碼標(biāo)準(zhǔn)和GBK編碼標(biāo)準(zhǔn)的基礎(chǔ)上進(jìn)行了擴(kuò)充，增加了四字節(jié)部分的編碼。它可以完全映射國際標(biāo)準(zhǔn)ISO10646(UCS)的基本平面和所有輔助平面，共有160多萬個(gè)碼位。

　　(四)文本1.簡單文本(純文本)

　　最簡單的文本除了可顯示/打印的ASCII字符(漢字)及“回車”、“換行”、“制表”等用于格式控制的有限幾個(gè)ASCII字符之外，幾乎不包含任何其他信息。這種文本常常稱為純文本或ASII文本，文件的后綴名是.txt。

　　2.豐富格式文本

　　為了使文本能以整齊、醒目、美觀、大方的形式展現(xiàn)給用戶閱讀，人們需要對(duì)純文本進(jìn)行必要的加工，這個(gè)過程稱為文本的格式化，或者稱為排版。經(jīng)過上述處理后的文本一般稱為“豐富格式文本”(Rich Text Format)。由于屬性標(biāo)志和控制命令并不統(tǒng)一，因此不同的文本處理軟件得到的豐富格式文本互不兼容。為了便于不同的豐富格式文本能在不同的軟件和系統(tǒng)中互相交換使用，特地提出了一種中間格式，稱為RTF格式，所有在PC機(jī)上流行的文字處理軟件，都可以輸入和輸出RTF文件，從而達(dá)到了文件交換的目的。

　　超文本(Hypertext)采用一種網(wǎng)狀結(jié)構(gòu)(非線性結(jié)構(gòu))來組織信息。采用這種網(wǎng)狀結(jié)構(gòu)，各信息塊很容易按照其內(nèi)容的關(guān)系加以組織。它由若干文本塊(或其他信息)組成，這些文本塊可以是計(jì)算機(jī)的一個(gè)文件或文件的一部分，它們稱為“節(jié)點(diǎn)”。每個(gè)節(jié)點(diǎn)都有若干指向其他節(jié)點(diǎn)或從其他節(jié)點(diǎn)指向該節(jié)點(diǎn)的指針，這些指針稱為“鏈”。每個(gè)鏈連接著兩個(gè)節(jié)點(diǎn)，它是有向的，從一個(gè)節(jié)點(diǎn)(稱之為源節(jié)點(diǎn))指向另一個(gè)節(jié)點(diǎn)(稱之為目的節(jié)點(diǎn)。鏈的數(shù)量與節(jié)點(diǎn)的內(nèi)容有關(guān)，有些節(jié)點(diǎn)與其他節(jié)點(diǎn)有許多關(guān)聯(lián)，因此它就有許多鏈;有些節(jié)點(diǎn)沒有啟程鏈，只能作為目的節(jié)點(diǎn)。

　　節(jié)點(diǎn)中的數(shù)據(jù)不僅可以是文字，而且可以是圖形、圖像、聲音、動(dòng)畫或動(dòng)態(tài)視頻，這就把超文本的節(jié)點(diǎn)推廣到了多媒體的形式，這種基于多媒體信息節(jié)點(diǎn)的超文本，有時(shí)稱為“超媒體”(Hyˉpermedia)。

　　相關(guān)推薦：

　　2014年計(jì)算機(jī)等級(jí)考試過關(guān)技巧

　　2014年計(jì)算機(jī)等考上機(jī)六大注意事項(xiàng)

　　2014年全國計(jì)算機(jī)等級(jí)考試無紙化考試系統(tǒng)操作指南