文字编码：

把文字转换成二进制的方法，就是给字符编号。字符的编号是固定不变的数字，再进行二进制变换成计算机可以识别的二进制数。

西文编码

一台计算机中，往往存在两种以上的编码。
计算机底层使用的是英文字符，所以，一般的，每台计算机中都存在西文编码。
根据计算机使用的地域不同，计算机中还有不同的编码形式。比如，中国的计算机有汉字编码、法国的计算机有发文编码。
西文编码最常见的是ASCII码

ASCII码：

ASCII码（American Standard Code for Information Interchange，美国信息交换标准代码）
一般的，每台计算机中都存在ASCII码，他定义了128个字符，编号是从0～127
image.png

ASCII码表查找规律

要看一个字符的编码是多少，先向上查他的高三位、再向左查他的低四位。
比如西文字母A：100 + 0001 = 1000001；转10进制：按权展开、多项求和，得到 65。
所以A的ASCII码就是65
image.png
image.png

ASCII码的位数和字节

通过查表，可以把任意西文字符转换为7位二进制数。
但是在计算机中，信息存储的基本单位是“字节”，每一个字节是8位二进制数。任何一个信息存储时，必须占用整数个字节，也就是必须占满8位。
所以，查表得到的7位二进制数需要在最高位补零。
1个字符的ASCII码，在存放的时候占用1个字节。
在字节中使用低7位，也就是从D0到D6位。最高位恒为0。
image.png

ASCII码存储规律

  • 控制字符：0-32、127
  • 数字0-9：48号开始
  • 英文A-Z：65开始
  • 英文a-z：97开始
  • 每一个字母的小写形式比大写形式大32

image.png
image.png

汉字编码：

汉字编码的过程：

  1. 汉字输入时，使用的是输入法提供的输入码，来确定输入哪个数字。
  2. 在计算机内部，汉字理论上是以国标码的形式存在，实际上是以机内码的形式存在。
  3. 汉字输出时，需要使用字库体用的字形码，来查找汉字的字形、完成输出

image.png

汉字外码（输入码）：

外码也叫输入码，主要解决如何将每个汉字变成可以直接从键盘输入的代码，
目前常用的输入法主要是音码和形码两类：

  • 音码类：全拼、双拼、微软拼音、自然码和智能ABC等
  • 形码类：五笔字型法、郑码输入法等

    汉字国标码（GB2312-80）

    汉字编码标准：
    汉字国标码是1980年发布的《中华人民共和国标准信息交换编码》代号为GB2312-80，简称国标码。
    国标码对所有的常用汉字都进行编码，是依据汉字的位置进行编码的：
    image.png

    编码的过程共三步：

    第一步：构造区位码
    构造一个94行*94列的方阵
    把每一个常用汉字放到方阵中的一个固定位置
    汉字在方阵中位置不变，所以编码也就不会改变。就可以用位置来指代汉字。
    image.png
    中：行号54 、列号48；5448就是他的编码

    区位码：

    每一行称作一个“区”、每一列称作一个“位”
    这种按照行列位置来确定编码的方式叫做“区位码”

第二步：推导国标码

在区位码行号和列号上分别加32得到十进制的数，并对其进行十六进制转换。结果是一个由4位十六进制数构成的编码形式。

加32的原因：为了与ASCII码兼容，每个字节值大于32（0~32为非图形字符码值）

编码中前两位是行号、后两位是列号，这种形式就是国标码。
image.png
根据区位码计算一个汉字的国标编码。
因为2位十六进制数等价于8位二进制数。正好是一个字节。
所以每一个汉字在计算机中存储时占两个字节：

  • 高字节表示行号
  • 低字节表示列号

image.png

GJF补充说明：一个汉字占2个字节的原因

上边太绕了，我来梳理一下：
首先知道换算规则：

  • 3位二进制数 = 1位8进制数
  • 4位二进制数 = 1位16进制数
  • 8位二进制数 = 1个字节（8bit = 1bite）

然后：
一个英文字符按照ASCII码得到的是7位二进制数。由于计算机存储必须占满8位，所以最高位补零后，一个英文字符是8位二进制数。也就是一个字节。
一个汉字按照区位码转换为国标码的规则，区位码分行号和列号，行号与列号分别是十进制的两位数，算一个汉字的国标码需要找到行号与列号后，分别对行号和列号加32后得到两个十进制数。分别将这两个十进制数转换成十六进制数后得到两个2位的十六进制数，再将2个十六进制数拼接，得到一个4位的十六进制数，就是这个汉字的国标码。（见上边汉字“中”的推导图片）
根据二进制、十六进制和字节的转换规则：

  • 1位十六进制数=4位二进制数=0.5个字节
  • 2位十六进制数=8位二进制数=1个字节
  • 4位十六进制数=16位二进制数=2个字节

因此，汉字占用两个字节。

区位码和国标码的取值范围

  • 区域码的行号、列号取值范围：1-94
  • 国标码的行号、列号取值范围：33-126（需要对应+32）

这也就是为什么上边说“将行号或列号+32后再转换成十六进制数，会得到2位的十六进制数”，因为33/16 > 2。行号和列号的最小值是从33开始的，33比两个16相加都大，所以转换为十六进制后，肯定是2位及以上的。

从区位码转换成国标码需要+32的原因：

国标码+32后，得到的范围刚好和ASCII码中普通字符的范围一致，最大程度的兼容ASCII码，保证软件在不同语言环境中的通用性。

汉字机内码：

第三步：改造国标码构成机内码

取值范围重叠，为了在一段既有英文、又有中文的字符中，区分出汉字和英文，所以需要改造国标码
将国标码两个字节的最高位（D7位）都从0改为1，构成了机内码
image.png
机内码是汉字在计算机中的真正存在形式。

从国标码变成机内码可以通过运算实现

在国标码的行号、列号上分别加 80H 就可以得到机内码

区位码、国标码、机内码的关系

汉字机内码 = 汉字国标码 + 80 80H
国标码 = 区位码 + 20 20H
“中”
国标码： 5650H
机内码：D6D0H
汉字编码就是通过区位码、国标码、机内码这三步实现的。

汉字字形码：

当汉字进行输出的时候，计算机可以通过国标码来确定这是哪一个字。但是计算机并不知道这个字该怎么写、长什么样。
这时，就需要通过字库来查找一个汉字的字形码。

字形码是一个图形，输出汉字就是要输出汉字的形状，也就是图形。
汉字“大”的字形码如下：
image.png
上图一个16*16的方阵，方阵中的点有两种状态：

  • 黑表示有图案：用0编码
  • 白表示没有图案：用1编码

把一个16*16的方阵，转换成了一个256位的二进制的数。这种对图形进行编码的方式，被称作“位图”。
字形码就是一个黑白位图，只有两种颜色，对每个点编码只需1位二进制数

位图：（点阵？）

位图的基本思路是：通过逐一描述图形中每一个点来描述出整个图形
image.png

彩色图形编码

位图转换为二进制数
image.png

讨论题-编码的性质：

计算机中存储了一个二进制数，理论上它可能是数值，也可能是文字，还可能是声音、图像的一部分。应该如何确定这个二进制数的性质，从而正确使用它？

合理解析：
https://www.zhihu.com/question/360183232/answer/941828626
www.zhihu.com_question_360183232_answer_941828626.png
计算机内部依旧存储二进制数。只不过人为的设计特定的某种规定来说明哪些数据表示文字，哪些数据表示图片。然后通过这种规定去存储数据，不同性质的数据用不同的标记来记录。读取的时候，再通过这种规定解析数据，然后再根据不同的编码规则解析出真实类型的数据。

有一个很有道理的一句话：
一个事物到底代表什么，除了它本身的固有意义（如一个数字）以外，它的扩展意义完全取决于是谁来解释和表示这个事物。
所以，我们一个文件，到底是什么类型，取决于我们打开他的应用程序。比如html文件，用浏览器打开就能运行，用vscode打开就是文本。但其实，这跟二进制这里还是说的不是一件事。

其中一个解析：
https://www.zhihu.com/question/374541435
回答中提到文件头，但是下边人的反驳更点名了问题的核心：

所以怎么知道文件头的某个字节是数值还是文字？比如bmp开头那个42 4D为什么可以用ASCII码解释成BM？所以一个二进制是数值还是文字还是其它，其意义是事先规定好的。文件头里面每个字节都是什么意思，都有一个事先约定；文件头又规定了数据部分每个字节的意义，所以文件头可用看成是一种元数据。当然单纯文件头并不能完全确定数据部分意义，还要和事先的约定结合在一起才起作用

扩展资料：

图片编码

扩展资料1：图片编码.pdf

音频编码

扩展资料2：音频编码.pdf

视频编码

扩展资料3：视频编码.pdf