1.2.4 數據在計算機中的編碼

由于計算機只能識別和處理二進制代碼，所以在計算機內部，所有數據都必須被轉換為二進制編碼。

1.西文字符編碼

計算機中西文字符主要使用ASCII碼。ASCII碼是“美國信息交換標準代碼”（American Standard Code for Information Interchange）的簡稱，是國際上使用最廣泛的一種字符編碼。ASCII碼有7位的（即基本ASCII碼）和8位的（即擴展ASCII碼）兩種，國際通用的是7位ASCII碼。

基本ASCII碼的編碼規則是：7位ASCII碼，即每個字符用7位二進制數（b6b5b4b3b2b1b0）來表示，可表示27=128個字符，其中包括95個普通字符和33種控制字符。在計算機中，每個ASCII碼字符可存放在一個字節中，最高位（b7）為校驗位用“0”填充，后7位為編碼值，如表1-3所示。

從表中容易看出：

（1）對字符的ASCII碼值來說，空格<數字<大寫字母<小寫字母。

（2）三組常用字符——阿拉伯數字、大寫英文字母及小寫英文字母，在 ASCII 碼表中，其值分別都是連續遞增的。也就是說，知道了每組字符中的第一個字符的ASCII碼值，則該組中的其他字符的ASCII碼值都是可以計算出來的。如：若已知字符“A”的ASCII碼值為65，則可計算出字符“E”的ASCII碼值為69。

此外，ASCII碼表中的可打印字符在PC機標準鍵上都可以找到，當通過鍵盤輸入字符時，每個字符實際是按ASCII碼轉換為相應二進制數字串，屏幕上顯示相應字符，同時將該字符的ASCII碼送入計算機的存儲器中。

前面介紹的是7位ASCII碼，即基本ASCII碼。為了增加字符的使用數量，把原來的7位碼擴展成8位碼，可以表示28=256個字符，即擴展ASCII碼。擴展ASCII碼的最高位就不是0，而是1了。

2.漢字編碼

ASCII碼只對英文字母、數字和標點符號進行了編碼。為了使計算機能夠處理、顯示、打印、交換漢字字符，同樣也需要對漢字進行編碼。

由于漢字數量巨大，用一個字節遠不足表示全部漢字，所以漢字通常用兩個字節來表示，漢字編碼比英文字符編碼要復雜得多。

漢字信息的編碼體系主要有國標碼、區位碼、機內碼、輸入碼和字形碼。

（1）國標碼

1980年，國家標準局頒布了用于信息處理的漢字國家標準GB2312—80《國家信息交換用漢字編碼字符集（基本集）》，簡稱“國標碼”。該標準收錄了6763個常用漢字（其中一級常用漢字3755個，二級次常用漢字3008個），以及英、俄、日文字母與其他符號682個，共有7445個符號。任何漢字編碼都必須包括國標碼規定的這兩級漢字。

世界上使用漢字的地區除了中國以外，還有日本與韓國。1995年，國家發布了新的國標碼 GBK（漢字國標擴展編碼）。它是對GB2312—80的擴展。該編碼標準兼容GB2312—80，共收錄20902個簡、繁體漢字及各種符號。現在所說的國標碼是指GBK碼。

國標碼規定，二個字節存儲一個漢字，即每個漢字由2個字節代碼組成。每個字節的最高位恒為“0”，其余7位用于組成各種不同的碼值。

（2）區位碼

為了方便查詢和使用，7445個漢字及符號按國標碼順序排列在一張94行、94列的二維表中。每一行叫作一個區，每一列叫作一個位。通過行（區）、列（位）坐標就可以唯一確定每一個漢字和符號的位置。其中，1～9區是各種符號，10～15區是空區，16～55區為一級漢字，56～87區為二級漢字。這樣區號和位號各用2位十進制數就組成漢字區位碼。

（3）漢字機內碼（內碼）

機內碼是計算機內部進行文字（字符、漢字）信息處理時使用的編碼，簡稱內碼。當文字信息輸入到計算機后，都要轉換為機內碼，才能進行各種處理：存儲、加工、傳輸、顯示和打印等。對每一個文字，其機內碼是唯一的。

計算機既要處理漢字，也要處理英文。為了實現中、英文兼容，通常利用字節的最高位來區分某個碼值是代表漢字還是ASCII碼字符。具體做法是，最高位為“1”視為漢字，為“0”則視為ASCII字符。所以，漢字機內碼可在國標碼的基礎上，把兩個字節的最高位一律由“0”改為“1”而構成。由此可見，對ASCII字符來說，機內碼與國標碼的碼值是相同的，而同一漢字的國標碼與機內碼的碼值并不相同。

（4）漢字輸入碼（外碼）

漢字輸入碼是漢字信息由鍵盤輸入計算機時使用的編碼，簡稱外碼。漢字輸入法非常多，最廣泛使用的是五筆字型輸入法和拼音輸入法。

輸入英文時，想輸入什么字符便按什么鍵，輸入碼與機內碼總是一致的。漢字輸入則不同，例如現在要用拼音輸入法輸入“王”字，在鍵盤上依次按 W、A、N、G 鍵，這里的“wang”便是“王”字的輸入碼。

需要指出，無論采用哪一種漢字輸入法，當用戶向計算機輸入漢字時，存入計算機中的總是它的機內碼，與所采用的輸入法無關。

（5）漢字字形碼

漢字字形碼是指漢字字形存儲在字庫中的數字化代碼，用于計算機顯示和打印輸出漢字的“形”，即字形碼決定了漢字顯示和打印的外形。字形碼是漢字的點陣表示，被稱為“字模”。同一文字符號可以有多種“字模”，也就是字體或字庫。

通常漢字顯示使用16×16點陣，漢字打印可選用24×24、32×32、48×48等點陣。點數越多，打印的字體越美觀，但漢字占用的存儲空間也越大。例如，計算存儲一個24×24點陣的漢字需要多少個字節。在24×24的網格中描繪一個漢字，整個網格分為24行、24列，每個小格用1位二進制編碼表示，每一行需要24個二進制位，占3個字節，24行共占24×3=72個字節。