汉字的编码

汉字的编码体系根据应用场景和功能不同，主要分为以下几类：

一、按功能分类

输入码（外码）

用于将汉字输入计算机的编码，包括区位码、拼音码、五笔字型码、电报码等。例如，通过拼音输入法输入的拼音对应特定编码。

交换码（国标码/区位码）

- 国标码：

将区位码转换为十六进制后，每个字节加20H（0x14），用于不同系统间的汉字信息交换。

- 区位码：直接用4位十进制表示汉字在94×94方阵中的位置。

机内码

汉字在计算机内部存储、处理和传输的编码，通常为机内码。例如，GB2312、GBK等编码方式将国标码转换为机内码（如加80H），并与ASCII码兼容。

字形码

用于计算机输出汉字字形的编码，如点阵字型、矢量字型等。

二、编码特点

字节数：

汉字通常用2个字节表示，每个字节7位，共14位。

兼容性：国标码与ASCII码兼容（通过加80H转换），但GBK等扩展编码不兼容。

扩展性：如UTF-16编码可表示更多汉字（包括生僻字），但需占用更多存储空间。

三、常见编码标准

GB2312-80

- 支持6763个汉字，其中一级汉字3755个，是简体中文常用编码。

GBK

- 扩展国标码，支持超过2万汉字，兼容ASCII码。

Big5

- 针对繁体汉字的编码，与简体字编码不兼容。

HZ码

- 混合使用简/繁体汉字的编码方案，适用于特定场景。

四、总结

汉字编码涉及从输入到输出的完整流程，不同阶段需采用不同编码方式。例如，输入时用拼音码，存储和处理时用机内码，输出时转换为目标字体字形码。理解这些编码机制有助于掌握汉字信息处理的核心原理。