1.2.4 数据在计算机中的编码

由于计算机只能识别和处理二进制代码，所以在计算机内部，所有数据都必须被转换为二进制编码。

1.西文字符编码

计算机中西文字符主要使用ASCII码。ASCII码是“美国信息交换标准代码”（American Standard Code for Information Interchange）的简称，是国际上使用最广泛的一种字符编码。ASCII码有7位的（即基本ASCII码）和8位的（即扩展ASCII码）两种，国际通用的是7位ASCII码。

基本ASCII码的编码规则是：7位ASCII码，即每个字符用7位二进制数（b6b5b4b3b2b1b0）来表示，可表示27=128个字符，其中包括95个普通字符和33种控制字符。在计算机中，每个ASCII码字符可存放在一个字节中，最高位（b7）为校验位用“0”填充，后7位为编码值，如表1-3所示。

从表中容易看出：

（1）对字符的ASCII码值来说，空格<数字<大写字母<小写字母。

（2）三组常用字符——阿拉伯数字、大写英文字母及小写英文字母，在 ASCII 码表中，其值分别都是连续递增的。也就是说，知道了每组字符中的第一个字符的ASCII码值，则该组中的其他字符的ASCII码值都是可以计算出来的。如：若已知字符“A”的ASCII码值为65，则可计算出字符“E”的ASCII码值为69。

此外，ASCII码表中的可打印字符在PC机标准键上都可以找到，当通过键盘输入字符时，每个字符实际是按ASCII码转换为相应二进制数字串，屏幕上显示相应字符，同时将该字符的ASCII码送入计算机的存储器中。

前面介绍的是7位ASCII码，即基本ASCII码。为了增加字符的使用数量，把原来的7位码扩展成8位码，可以表示28=256个字符，即扩展ASCII码。扩展ASCII码的最高位就不是0，而是1了。

2.汉字编码

ASCII码只对英文字母、数字和标点符号进行了编码。为了使计算机能够处理、显示、打印、交换汉字字符，同样也需要对汉字进行编码。

由于汉字数量巨大，用一个字节远不足表示全部汉字，所以汉字通常用两个字节来表示，汉字编码比英文字符编码要复杂得多。

汉字信息的编码体系主要有国标码、区位码、机内码、输入码和字形码。

（1）国标码

1980年，国家标准局颁布了用于信息处理的汉字国家标准GB2312—80《国家信息交换用汉字编码字符集（基本集）》，简称“国标码”。该标准收录了6763个常用汉字（其中一级常用汉字3755个，二级次常用汉字3008个），以及英、俄、日文字母与其他符号682个，共有7445个符号。任何汉字编码都必须包括国标码规定的这两级汉字。

世界上使用汉字的地区除了中国以外，还有日本与韩国。1995年，国家发布了新的国标码 GBK（汉字国标扩展编码）。它是对GB2312—80的扩展。该编码标准兼容GB2312—80，共收录20902个简、繁体汉字及各种符号。现在所说的国标码是指GBK码。

国标码规定，二个字节存储一个汉字，即每个汉字由2个字节代码组成。每个字节的最高位恒为“0”，其余7位用于组成各种不同的码值。

（2）区位码

为了方便查询和使用，7445个汉字及符号按国标码顺序排列在一张94行、94列的二维表中。每一行叫作一个区，每一列叫作一个位。通过行（区）、列（位）坐标就可以唯一确定每一个汉字和符号的位置。其中，1～9区是各种符号，10～15区是空区，16～55区为一级汉字，56～87区为二级汉字。这样区号和位号各用2位十进制数就组成汉字区位码。

（3）汉字机内码（内码）

机内码是计算机内部进行文字（字符、汉字）信息处理时使用的编码，简称内码。当文字信息输入到计算机后，都要转换为机内码，才能进行各种处理：存储、加工、传输、显示和打印等。对每一个文字，其机内码是唯一的。

计算机既要处理汉字，也要处理英文。为了实现中、英文兼容，通常利用字节的最高位来区分某个码值是代表汉字还是ASCII码字符。具体做法是，最高位为“1”视为汉字，为“0”则视为ASCII字符。所以，汉字机内码可在国标码的基础上，把两个字节的最高位一律由“0”改为“1”而构成。由此可见，对ASCII字符来说，机内码与国标码的码值是相同的，而同一汉字的国标码与机内码的码值并不相同。

（4）汉字输入码（外码）

汉字输入码是汉字信息由键盘输入计算机时使用的编码，简称外码。汉字输入法非常多，最广泛使用的是五笔字型输入法和拼音输入法。

输入英文时，想输入什么字符便按什么键，输入码与机内码总是一致的。汉字输入则不同，例如现在要用拼音输入法输入“王”字，在键盘上依次按 W、A、N、G 键，这里的“wang”便是“王”字的输入码。

需要指出，无论采用哪一种汉字输入法，当用户向计算机输入汉字时，存入计算机中的总是它的机内码，与所采用的输入法无关。

（5）汉字字形码

汉字字形码是指汉字字形存储在字库中的数字化代码，用于计算机显示和打印输出汉字的“形”，即字形码决定了汉字显示和打印的外形。字形码是汉字的点阵表示，被称为“字模”。同一文字符号可以有多种“字模”，也就是字体或字库。

通常汉字显示使用16×16点阵，汉字打印可选用24×24、32×32、48×48等点阵。点数越多，打印的字体越美观，但汉字占用的存储空间也越大。例如，计算存储一个24×24点阵的汉字需要多少个字节。在24×24的网格中描绘一个汉字，整个网格分为24行、24列，每个小格用1位二进制编码表示，每一行需要24个二进制位，占3个字节，24行共占24×3=72个字节。