数据编码-计算机公共基础教程

计算机中的数字和字符都是用二进制表示的，计算机只能识别二进制数码信息，而人们已习惯于使用十进制数及其他文字符号，那么输入、输出时，数据就要进行相应的转换处理。为此，首先要对文字和符号进行数字化变换，即用二进制编码来表示文字和符号。字符编码(CharacterCode)就是用二进制编码来表示字母、数字以及专门符号。

1.BCD码

十进制数在计算机中要用二进制编码来表示，由于1位十进制数所用的符号只有0～9十个数字，可以从具有16种不同组合的4位二进制数编码中取1种表示1位十进制数，称之为二进制编码的十进制数。常用的编码是BCD(Binary Coded Decimal)码。在表1-3中列出的是BCD编码表。

表1-3　BDC编码表

例:(0100 1000 0010.0110 0001)BCD。

它所对应的十进制数是:482.61。

2.ASCII码

计算机中用二进制表示字母、数字、符号及控制符号，目前主要用的是ASCII码(American Standard Code for Information Interchange)，即美国标准信息交换代码。ASCII码已被国际标准化组织(ISO)定为国际标准。

ASCII码有7位ASCII码和8位ASCII码两种。

7位ASCII码称为基本ASCII码，是国际通用的。即7位二进制字符编码，可表示128种字符。其中包括34种控制字符、52个英文大小写字母、10个阿拉伯数字、32个字符和运算符(表)。用一个字节(8位二进制)表示7位ASCII码时，最高位为0，它的范围为00000000B—01111111B。

8位ASCII码称为扩充ASCII码，它是8位二进制字符编码，也能表示128种字符，但大多数国家将它作为自己国家语言的字符代码。

3.汉字编码

ASCII码只能表示英文字母和数字等符号，要用计算机处理汉字，还必须对汉字进行编码处理。与西文字符比较，汉字数量大，字形复杂，同音字多，所以汉字在计算机内部的存储、传输、交换、输入、输出过程中所使用的编码是不同的。汉字编码有以下几种:

(1)汉字外部码

汉字外部码又称输入码，由键盘输入汉字时主要是输入汉字的外码，每个汉字对应一个外部码。汉字输入方法不同，同一汉字的外码可能不同，用户可根据自己的需要选择不同的输入方法。目前，使用最为普遍的汉字输入方法是拼音码和五笔字型码。(www.xing528.com)

(2)汉字机内码

汉字机内码是计算机内部存储和加工汉字时所用的代码。计算机处理汉字，实际上是处理汉字机内码。不管用何种汉字输入码将汉字输入计算机，为了存储和处理方便，都需要将各种输入码转换成长度一致的汉字机内码。一般用两个字节表示一个汉字的内码。

(3)汉字交换码

汉字信息在传递交换中必须规定统一的编码才不会造成混乱。目前国内计算机普遍采用的标准汉字交换码是1980年我国根据有关国际标准规定的《信息交换用汉字编码字符集——基本集》，即GB2312—80，简称国标码。

国标码基本集中收录了汉字和图像符号共7445个，分为两级汉字。其中一级汉字3755个，属于常用汉字，按汉字拼音字母顺序排序;二级汉字3008个，属于非常用汉字，按部首顺序排序;另外还收录了682个图形符号。

国标码采用两个字节表示一个汉字，每个字节只使用了低7位，这样使得汉字与英文完全兼容。但当英文字符与汉字字符混合存储时，容易发生冲突，所以人们把国标码的两个字节高位置1，作为汉字的内码使用。

为解决汉字收字不足、简繁同时共存、简化代码体系间转换等汉字信息交换的瓶颈问题，国际标准化组织ISO制定了国际统一的双字节字符集标准《通用多八位编码字符集(UCS)》(1SO10646.1)，我国采用此标准颁布了国家标准GBl3000.1。这个字符集有65536个码位的空间，定义了几乎所有国家或地区的语言文字和符号。其中包含了20902个来自中国(包括台湾地区)、日本、韩国的汉字，称为CJK汉字，它是GB2312－80、GBl2345－90、BIG5等字符集的超集。

(4)汉字输出码

又称汉字字形码或汉字发生器编码。汉字输出码的作用是输出汉字，但汉字机内码不能直接作为每个汉字输出的字形信息，还需根据汉字内码在字形库中检索出相应汉字的字形信息后，才能由输出设备输出。对汉字字形经过点阵数字化后的一串二进制数称为汉字输出码。

下面介绍与汉字输出码有关的两个基本概念。

1)汉字字形点阵:汉字的字形用点阵表示，即汉字字模。点阵中的点对应存储器中的1位，对于16×16点阵的汉字，共有256个点，即256位，1表示黑点，0表示白点。由于计算机中8个二进制位作为一个字节，所以16×16点阵汉字需要2×16= 32个字节表示一个汉字的点阵数字信息(字模)。同样，24×24点阵汉字需要3×24= 72个字节来表示一个汉字;32×32点阵汉字需要4×32= 128个字节表示一个汉字。点阵数越大，分辨率越高，字形越美观，但占用的存储空间越多。如图1.18所示的“春”字点阵外形。

图1.18　汉字点阵示意图

2)汉字字库:汉字字形数字化后，以二进制文件形式存储在存储器中，构成汉字字模库。汉字字模库也称汉字字形库，简称汉字字库。