汉字的编码

1．常用的汉字编码

目前计算机中的汉字编码有国标码GB2312-80、GBK编码、GB18030-2000新国标码。

1）国标码GB2312-80

我国1980年发布的《信息交换用汉字编码字符集基本集》（GB2312-80）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。它是一个简化字的编码规范，当然也包括其他符号、字母、日文假名等，共7 445个图形字符，其中汉字占6 763个。GB2312规定，对任意一个图形字符都采用两个字节表示，每个字节均采用7位编码表示，习惯上称第一个字节为“高字节”，第二个字节为“低字节”。计算机、手机的中文操作系统都支持GB2312基本汉字编码。

2）GBK编码

GBK编码（Chinese Internal Code Specification）是中国大陆制定的新的中文编码扩展国家标准。GBK编码能够用来同时表示繁体字和简体字，而GB2312只能表示简体字，GBK是兼容GB2312编码的。GBK工作小组于1995年12月完成GBK规范。该编码标准兼容GB2312，共收录汉字21 003个、符号883个，并提供1 894个造字码位，简、繁体字融于一库。Windows95以后的简体中文版OS的字库表层编码采用的就是GBK。

3）GB18030-2000编码

GB18030-2000编码标准是由信息产业部和国家质量技术监督局在2000年3月17日联合发布的，并且被作为一项国家标准强制执行。GB18030-2000编码标准是在原来的GB2312-1980编码标准和GBK编码标准的基础上进行扩充，增加了四字节部分的编码。它可以完全映射ISO10646的基本平面和所有辅助平面，共有150多万个码位。在ISO10646的基本平面内，它在原来的2万多汉字的基础上增加了7000多个汉字的码位和字型，从而使基本平面的汉字达到27 000多个。它的主要目的是解决一些生、偏、难字的问题，以及适应出版、邮政、户政、金融、地理信息系统等迫切需要的人名、地名用字问题。

有的中文Windows系统的缺省内码还是GBK，这可以通过GB18030升级包升级到GB18030。不过GB18030相对GBK增加的字符，普通人是很难用到的，通常人们还是用GBK指代中文Windows内码。

2．汉字机内码

在计算机内表示汉字的代码是汉字机内码，汉字机内码由国标码演化而来，把表示国标码的两个字节的最高位分别置成“1”，就变成了汉字机内码。

3．汉字的输入码

汉字输入码是指直接从键盘输入的各种汉字输入方法的编码，属于外码。例如全拼方案中“网”的输入码是“wang”，双拼方案中“网”的输入码是“wh”，因为有同音字，所以相同的输入码对应的汉字不唯一。此外，不同的输入方案中汉字的输入码也不相同。

4．点阵汉字的字型码

用点阵方式来构造汉字字型，然后存储在计算机内，构成汉字字模库。其目的是显示和打印汉字。显示一个汉字一般采用16×16点阵、24×24点阵或48×48点阵。图2-4所示是一个16×16点阵字形图，根据汉字点阵的大小，可以计算出存储一个汉字所需的存储空间，即字节数=点阵行数×点阵列数/8。

例1.16　分别计算一个16×16点阵汉字和一个32×32点阵汉字所占用的存储空间。

解：一个16×16点阵汉字占用空间=16×16/8=32字节。

一个32×32点阵汉字占用空间=32×32/8=128字节。

全部汉字字形码的集合叫汉字字库。汉字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，再和其他必要的器件组成接口卡，插接在计算机上，通常称为汉卡，现在已不常用。

图2-4　16×16点阵图

5．矢量汉字字符

矢量汉字在计算机中用汉字中每一个笔画的起始、终止坐标，半径、弧度等字形信息来描述汉字，在显示、打印这一类汉字时，要经过一系列的数学运算才能输出结果，但是这一类字库保存的汉字理论上可以被无限地放大，笔划仍然能保持圆滑，最大限度地克服了点阵汉字放大后出现的“锯齿”问题。某一类字形（如宋体）的所有汉字字形信息存放在一个指定字库文件中。

Windows系统使用的字库也有两类。在FONTS目录下，字体文件扩展名为FON的文件表示该文件为点阵字库，其中存放字符（包括汉字）的点阵信息；字体文件扩展名为TTF的文件是矢量字库，在矢量字库中保存的是对每一个字符（包括汉字）的字形描述信息。