文本与文本处理（一）_文本处理包括哪些内容

前言：

多媒体：

多媒体是融合两种或两种以上表示媒体的一种人机交互式信息交流和传播的媒体。

多媒体技术：

将多种媒体信息通过计算机进行数字化采集、编码、存储、传输、处理和再见等，使多媒体信息建立逻辑连接，并集成一个具有交互性的系统。

---

一、字符的编码

计算机应用＝使用计算机进行信息处理

其中，文字信息处理是涉及面最广的一种计算机应用，几乎与任何领域任何人都有关。

（一）计算机文字处理的过程

• 文字信息在计算机中称为“文本”（text），文本是计算机中最常用的一种数字媒体
• 文本由一系列 “字符”（character）组成，每个字符均使用二进制编码表示

文本在计算机中的处理过程是：

 （二）字符在计算机中的表示

（1）西文字符的编码——ASCII码

（ 1）西文是表音文字(拼音文字)，它由拉丁字母、数字、标点符号以及一些特殊符号所组成

（2） ASCII 码：美国信息交换标准码

①、ASCII 字符集包含 96 个可打印字符和 32 个控制字符， 一共能表示 128 个字符

②、 采用 7 个二进位进行编码，是高位位置用 0 表示，共一个字节 8 位。

③、 计算机中使用 1 个字节存储 1 个 ASCII 字符，单字节表示。

④、常用字符的 ASCII 码： 0=48;A=65;a=97;a-A=32D=20H。 （D 为十进制，H 为十六进制数）

⑤、 大写字母可以通过加 32D 得到对应的小写字母。A+32=97=a。（ D 为十进制，H 为十六进制数）

⑥、 小写字母可以通过减 32D 得到对应的大写字母。a-32=65=A。 （D 为十进制，H 为十六进制数）

⑦、ASCII 码值排序：符号(()+-*/等)< 数字(0~9) < 符号（:;<=>?） < 大写字母(A~Z) < 小写字母(a~z)

存在问题：

• 字符集太小（只有128个字符）
• 不同国家和地区使用不同的字符集及其编码，互不兼容
• 东亚地区使用的大字符集无法编码

（2）常用的汉字编码字符集

（1）国家标准：GB2312-1980（ GB2312-80）：简体中文为主。

（ 2）汉字扩充规范：GBK：支持繁体中文。

（ 3）UCS/Unicode 多文种大字符集也包含汉字：UTF-8,UTF-16：多种文字符号，支持简繁中文。

（ 4）国家标准 GB18030-2005：繁简体中文，与 UCS/Unicode 编码标准接轨。

（ 5）港澳台使用的汉字编码字符集 CNS 11643(BIG 5 ,“大五码”)：繁体中文

（3）GB2312汉字编码字符集（7445个）

GB2312的不足：
汉字字数太少，缺少繁体字,无法满足人名、地名、古籍整理、古典文献研究等应用的需要；与ASCII码不兼容。

 （4）UCS/Unicode 多文种大字符集

（5）GB18030汉字编码标准——2005年

GB18030实质上是UCS/Unicode字符集的另一种编码方案：

• 单字节编码（128个）表示ASCII字符
• 双字节编码（23940个）表示汉字，与GBK（以及GB2312）保持向下兼容，GBK不再使用
• 四字节编码（约158万个）用于表示 UCS/Unicode中的其他字符

（6）Big 5 码 ——港澳台标准汉字字符集，只有繁体字。

（7）几种汉字编码的对比

 

---

二、文本输入方法