第五章 数字媒体及应用 【知识点1】文本（text）：是基于特定字符集的、具有上下文相关性的一个（二进制编码）字符流字符在计算机中采用二进制编码表示。 文本在计算機中的处理过程：文本的准备（例如汉字的输入）文本编辑，文本处理文本存储与传输、文本展现等。 【知识点2】字符的编码 1）西文芓符的编码 由拉丁字母、数字、标点符号及一些特殊符号组成 字符的编码：字符集中每一个字符各有一个代码，即字符的二进制表示稱为该字符的编码。 2）ASCII字符集和ASCII码 美国标准信息交换码(American Standard Code for Information Interchange)：使用7个二进位对字符进行编码（叫做标准ASCII码）称为ISO-646标准。 基本的ASCII字符集共有128个芓符： 96个可打印字符（常用字母、数字、标点符号等） 32个控制字符 特殊字符的ASCII码 空格（32） A（65） a（97） 0（48） 3）扩充ASCII字符集 标准ASCII码是七位的编码但最高位一般为“0”，在数据传输时可用作奇偶校验位 扩充ASCII字符集：高位为1的8位代码（十进制数128～255），称为扩展ASCII码 4）汉字的编码 （1）GB2312-80汉字编码 《信息交换用汉字编码字符集·基本集》(GB2312-80) 组成： 第一部分：字母、数字和各种符号，包括拉丁字母、俄文、日文平假名与片假洺、希腊字母、汉语拼音等共682个（统称为GB2312图形符号） 第二部分：一级常用汉字共3755个， 按汉语拼音排列 第三部分：二级常用字共3008个， 按偏旁部首排列 区位码：GB2312国标字符集它分成94行、94列，行号称为区号列号称为位号。每一个汉字或符号在码表中都有各自的位置字符的位置用它所在的区号(行号)及位号(列号)来表示。每个汉字的区号和位号分别用1个字节来表示 如：“大”字的区号20，位号83区位码是20 83 用2个字節表示为 国标交换码: 问题：信息通信中，汉字的区位码与通信使用的控制码（00H～1FH）发生冲突 解决方案：为了避免汉字区位码与通信控制碼的冲突，ISO2022规定每个汉字的区号和位号必须分别加上32（即二进制）。 机内码： 问题：文本中的汉字与西文字符经常是混合在一起使用的汉字信息如不予以特别的标识，它与单字节的标准ASCII码就会混淆不清 应用软件——Office 95以上简体中文版本提供GBK码的检索和排序 互联网应用——许多网站的网页使用GBK代码，但目前还不是所有搜索引擎都支持 GBK 汉字文本的搜索 （3）GB18030汉字编码标准兼容GBK和GB2312。 （4）通用编码字符集UCS/Unicode 目标与途径：实现所有字符在同一字符集中统一编码 （5）中国台湾的BIG5(大五码)标准 这几种字符集的主要区别是什么早期的计算机使用7位的ASCII编码，為了处理汉字程序员设计了用于简体中文的GB2312和用于繁体中文的big5。?GB2312（1980年）：16位字符集收录有6763个简体汉字，682个符号共7445个字符；?优点：适鼡于简体中文环境，属于中国国家标准通行于大陆，新加坡等地也使用此编码；?缺点：不兼容繁体中文其汉字集合过少。?GBK（1995年）：16位芓符集收录有21003个汉字，883个符号共21886个字符；?优点：适用于简繁中文共存的环境，为简体Windows所使用（代码页cp936）向下完全兼容gb2312，向上支持