我們知道，計算機(jī)是西方人首先發(fā)明和使用的，他們理所當(dāng)然地解決了拼音文字在計算機(jī)上的處理問題。而漢字是世界上惟一正在使用的表意文字，數(shù)量眾多，如何在計算機(jī)上處理好漢字是對這一古老文化的挑戰(zhàn)。計算機(jī)漢字處理技術(shù)，對推廣我國計算機(jī)應(yīng)用及加強(qiáng)國際交流有著十分重要的現(xiàn)實意義。

在計算機(jī)上處理漢字要比處理西文字符復(fù)雜得多，處理漢字首先要確定漢字編碼字符集的問題，并要解決漢字的輸入、傳輸、存儲、顯示、輸出等一系列問題。在處理過程中每一個環(huán)節(jié)需要各自不同的編碼，因此產(chǎn)生了漢字編碼系統(tǒng)和漢字處理技術(shù)，也即計算機(jī)中的漢字編碼中稱之為的內(nèi)碼和外碼。

一、關(guān)于內(nèi)碼

內(nèi)碼是指存儲在計算機(jī)內(nèi)的相關(guān)漢字編碼，以供外碼所調(diào)用或提取。計算機(jī)中的漢字編碼中的內(nèi)碼，通常涉及到的類型是區(qū)位碼、交換碼（也有稱國標(biāo)碼）及機(jī)內(nèi)碼等。之所以涉及到這些編碼，是因為早期對字符集編碼時采用的編碼方式不同，由早期的7位編碼過渡到后期的8位編碼，導(dǎo)致了7位編碼與8位編碼的共存，就涉及到它們間的兼容問題。另外，漢字字形碼和漢字地址碼也屬于內(nèi)碼的類型。

1、區(qū)位碼

“區(qū)位碼”的來歷源自于我國發(fā)布的第一個漢字編碼字符集GB/T 2312-1980《信息交換用漢字編碼字符集 基本集》。漢字編碼字符集是用于漢字信息處理、漢字通信等系統(tǒng)之間的信息交換。該字符集是對我國最常用的6763個漢字進(jìn)行二進(jìn)制編碼，采用雙字節(jié)編碼表示。其中，前面的字節(jié)為第一字節(jié)，后面的為第二字節(jié)，它們構(gòu)成一個94×94的二維平面，即分成94行，94列，行號稱為區(qū)號，從1~94編號，由第一字節(jié)標(biāo)識；列號稱為位號，也是從1~94編號，由第二字節(jié)標(biāo)識。每一個漢字或圖形符號在碼表中都有各自的位置，字符的位置用它所在的區(qū)號（行號）及位號（列號）來表示，如下表1-1所示。因此，稱之為漢字的區(qū)位碼。區(qū)位碼是漢字在計算機(jī)存儲與交換的唯一數(shù)字代碼，如漢字“大”的區(qū)號是20，位號是83，它的區(qū)位碼是20-83，用雙字節(jié)二進(jìn)制碼表示為00010100 01010011。

表 1-1：GB/T 2312-1980字符集的區(qū)位構(gòu)成

欲詳細(xì)了解GB/T 2312-1980標(biāo)準(zhǔn)具體規(guī)定內(nèi)容的請進(jìn)入。

然而，在該漢字編碼字符集（GB/T 2312-1980）中不僅對6763個漢字設(shè)置了區(qū)位碼，同時還對682個非漢字圖形字符（也稱圖形符號），其中包括有ASCII字符集中的圖形符號，被置于1~9區(qū)（漢字圖形字符是置于16~87區(qū)的），而在這里，這些圖形符號是按照GB/T 2311-80（ISO/IEC 2022）規(guī)定的7位編碼擴(kuò)充方法，原ASCII字符集（ISO/IEC 646，等同采用為國內(nèi)標(biāo)準(zhǔn)是GB/T 1988-80）中是采用7位編碼的（目前在計算機(jī)內(nèi)的ASCII中的圖形字符就是7位編碼）。這就有可能存在7位編碼擴(kuò)充與7位編碼的沖突的問題。

欲詳細(xì)了解ASCII編碼字符集介紹的請進(jìn)入。

需要指出的是：區(qū)位碼源自于GB/T 2312，原因是它采用了區(qū)位編碼方式。然而我國目前使用的權(quán)威漢字字符集是GB 18030《信息技術(shù) 中文編碼字符集》。它采用的是單字節(jié)、雙字節(jié)和四字節(jié)多字節(jié)編碼方式，其中雙字節(jié)編碼部分包含了GB/T 2312所編碼的圖形字符（漢字和符號），關(guān)鍵是其雙字節(jié)編碼已不再采用94×94的區(qū)與位方式編碼了。

欲詳細(xì)了解GB 18030中文編碼字符集的請進(jìn)入。

2、交換碼（國標(biāo)碼）

相對于區(qū)位碼，為了避免與ISO 2022中用于通信的控制字符（0x00~0x1F）和空格字符（0x20）發(fā)生沖突，每個漢字的區(qū)號和位號必須分別加上32（即二進(jìn)制0010 0000）。經(jīng)過這樣處理得到的代碼稱為漢字的“交換碼”。因此，“大”字的交換碼是：00110100 01110011。

也就是說，交換碼（國標(biāo)碼）相當(dāng)于將區(qū)位碼向后偏移了32，以避免與ASCII字符中的控制符號（具有數(shù)據(jù)的控制功能，不可顯示的符號字符，包括空格字符）相沖突。之所以如此，是因為GB/T 2312沒有對ASCII字符中的33個具有控制功能的符號進(jìn)行重新編碼。為什么是后偏移了32而不是33，這是因為區(qū)位碼中的區(qū)編號和位編號都是從1開始計數(shù)的，不像ASCII碼是從0開始計數(shù)的。

3、機(jī)內(nèi)碼

當(dāng)區(qū)位碼變換為交換碼（國標(biāo)碼）后，仍然不能在計算機(jī)內(nèi)使用（存儲）。因為文本中的漢字字符與西文字符經(jīng)常混合在一起使用，漢字信息如不予以特別的標(biāo)識，它與單字節(jié)的標(biāo)準(zhǔn)ASCII碼就會混淆不清。還有因為國標(biāo)碼雖然相較于區(qū)位碼避開了ASCII碼中（0~32的前33個控制字符），但并沒有避開ASCII碼中的英文字母、數(shù)字和符號等可顯示可打印的圖形字符（33~126，共94個字符）。

于是，常采用的方法之一就是把一個漢字看成兩個擴(kuò)展ASCII碼，使表示GB 2312漢字的兩個字節(jié)的最高位都等于“1”。相當(dāng)于每個字節(jié)都再加上128（即二進(jìn)制的1000 0000；十六進(jìn)制的0x80）。這種高位為“1”的雙字節(jié)（16位）漢字編碼就稱為GB 2312漢字的“機(jī)內(nèi)碼”，有時簡稱內(nèi)碼。目前，這種表示方式已經(jīng)成為GB 23122漢字內(nèi)碼的一種事實上的標(biāo)準(zhǔn)。上面所說的“大”字的機(jī)內(nèi)碼是：10110100 11110011（B4F3）。

下式和下圖1-3給出了區(qū)位碼、交換碼與機(jī)內(nèi)碼間的關(guān)系，以供參考。

機(jī)內(nèi)碼 = 交換碼 + 128（0x80）= 區(qū)位碼 + 32（0x20）+ 128（0x80）= 區(qū)位碼 + 160（0xA0）

圖 1-3：區(qū)位碼、交換碼與機(jī)內(nèi)碼間的關(guān)系

4、其它內(nèi)碼：字形碼、漢字地址碼

漢字字形碼和漢字地址碼也都是屬于存儲在計算機(jī)內(nèi)的漢字編碼，用以漢字的輸出（即顯示、打印等）。

字形碼就是表示漢字字形信息（結(jié)構(gòu)、形狀、比畫等）的編碼，它的實現(xiàn)方法通常分為點陣形式和矢量形式，點陣形式是日常使用較多的形式，此時，字形碼是確定一個漢字字形點陣的代碼，也叫字模或漢字輸出碼。字形碼就是這個漢字字形的點陣代碼根據(jù)顯示或打印質(zhì)量的要求，漢字字形編碼就有16×16，24×24，32×32，48×48等不同密度的點陣編碼。點數(shù)越多，顯示或打印的字體就越美觀，但編碼占用的存儲空間也越大。如16×16點陣的字形碼表示漢字是16行，每行16個點，一個點需要1位二進(jìn)制代碼，16個點需用16位二進(jìn)制代碼（即2個字節(jié)），共16行，所以需要16行×2字節(jié)/行=32字節(jié)，即16×16點陣表示一個漢字，字形碼需用32字節(jié)。

當(dāng)一個漢字需要輸出（顯示或打印）時，需要將漢字的機(jī)內(nèi)碼（如上述）轉(zhuǎn)換成字形編碼。漢字的字形點陣要占用大量的存儲空間，通常將所有漢字字形編碼集中存放在計算機(jī)的外存儲卡（器）中，稱為“字庫”，不同字體（如宋體、楷體等）對應(yīng)不同的字庫。需要時才到字庫中檢索漢字并輸出，為避免大量占用寶貴的內(nèi)存空間，又要提高漢字的處理速度，通常將漢字字庫分為一級和二級，一級字庫在內(nèi)存，二級字庫在外存。

我國發(fā)布有大量的關(guān)于點陣字形碼的編碼國家標(biāo)準(zhǔn)（GB/T）及電子行業(yè)標(biāo)準(zhǔn)（SJ/T），這些標(biāo)準(zhǔn)是針對不同漢字字體、不同點陣、不同漢字字符集（如GB/T 2312、GB/T 13000、GB 18030等）而進(jìn)行編碼規(guī)范的。如GB/T 25899.1-2019《信息技術(shù) 通用編碼字符集（基本多文種平面） 漢字32點陣字型 第1部分：宋體》，它規(guī)定的是GB/T 13000字符集和GB 18030字符集中的漢字的32點陣宋體字型，舉例“永”字的示意圖如下圖1-4所示。

圖 1-4：32點陣漢字“永”的宋體字型示意圖

由上述字形碼介紹可知，字形碼是存放在外存儲器里，每一個字模都有自己的存放地址，以便計算機(jī)提取字模之用。確定字形碼地址的二進(jìn)制編碼就是漢字地址碼。

二、關(guān)于外碼：漢字輸入碼

對于計算機(jī)上漢字編碼的外碼，主要是指計算機(jī)漢字輸入碼。計算機(jī)使用者通過漢字輸入碼將漢字輸入到計算機(jī)中進(jìn)行漢字信息的處理。我們知道，計算機(jī)輸入漢字的方法主要有兩種途徑：一種是自動識別輸入，包括漢字的自動識別和漢語言語的自動識別；另一種就是漢字鍵盤輸入。而漢字鍵盤輸入則是人們常用的方法，這里重點介紹計算機(jī)鍵盤輸入編碼。

計算機(jī)鍵盤是由西方人根據(jù)西方文字的特點而設(shè)計，已經(jīng)成為標(biāo)準(zhǔn)鍵盤，或稱通用鍵盤。那么對于漢字的鍵盤輸入，只有在該通用鍵盤上，結(jié)合漢字的特點（部首、部件、筆順、注音），通過編碼將鍵盤上相應(yīng)的按鍵一一對應(yīng)，而轉(zhuǎn)換（調(diào)用或提取）成計算機(jī)中的漢字內(nèi)碼（區(qū)位碼及機(jī)內(nèi)碼）。因此，漢字鍵盤輸入碼的作用：一是利用漢字的形、音及其它相關(guān)信息把通用鍵盤相應(yīng)鍵位（一個或一組）的綁定；二是建立與計算機(jī)中相應(yīng)漢字機(jī)內(nèi)碼的對應(yīng)關(guān)系。

漢字鍵盤輸入碼，對于計算機(jī)使用者來講，重點是要掌握漢字信息與鍵位的對應(yīng)方法，這就要漢字鍵盤輸入碼的編碼方法易學(xué)易用。而我們?nèi)粘３Ｓ玫妮斎刖幋a方法有：數(shù)字編碼、字音（拼音）編碼（如全拼輸入法、雙拼輸入法等）、字形（部首、筆畫及部件）編碼（如五筆輸入法、筆畫輸入法等）、字音字形結(jié)合編碼、智能編碼等等，它們各自的特點詳見于下表2中。

表 2：常用漢字鍵盤輸入編碼方法的特點

由于篇幅問題，這里不對每種漢字鍵盤編碼輸入法進(jìn)行介紹。關(guān)鍵是，我國國家標(biāo)準(zhǔn)GB/T 19246《信息技術(shù) 通用鍵盤漢字輸入通用要求》規(guī)定了信息技術(shù)產(chǎn)品中用通用鍵盤進(jìn)行漢字輸入時的通用要求，適用于基于通用鍵盤進(jìn)行漢字輸入的漢字輸入法編碼方案、漢字輸入技術(shù)及其產(chǎn)品。對于上述提到的各種漢字編碼輸入法均應(yīng)滿足GB/T 19246規(guī)定的要求，包括總體性能要求（易學(xué)性、平均碼長、重碼字詞鍵選率）、鍵位設(shè)置要求、編碼字匯（漢字編碼字符集）要求、編碼規(guī)范（ 漢字部首序與筆順序及部件規(guī)范、拼音規(guī)范等）等等。

欲詳細(xì)了解GB/T 19246標(biāo)準(zhǔn)具體要求的請進(jìn)入。

三、說明

由于我國的漢字是一種表意文字，因此其數(shù)量巨大，僅2022年版GB 18030中收納編碼的漢字的數(shù)量就達(dá)87887個，如此之多的漢字計算機(jī)的信息處理（包括輸入、存儲、交換、傳輸、顯示及輸出等）是一個龐大的系統(tǒng)工程，因此需要其計算機(jī)漢字編碼系統(tǒng)，包括其相應(yīng)的內(nèi)碼和外碼的建立、結(jié)合和使用，下圖3示意了計算機(jī)漢字編碼系統(tǒng)的一個總體關(guān)系結(jié)構(gòu)，亦可以了解其內(nèi)碼和外碼的關(guān)系。

圖 3：計算機(jī)漢字編碼系統(tǒng)總體關(guān)系結(jié)構(gòu)示意圖

另外，上述主要介紹的是計算機(jī)漢字的編碼，因為漢字字符是重點。事實上，全面的說，應(yīng)稱為計算機(jī)中文的編碼，因為它已包括了可顯示/可打印的圖形符號字符（標(biāo)點符號、字母符號、數(shù)字及序號符號等等）；同時包括我國少數(shù)民族的文字字符。

欲進(jìn)一步了解我國字符編碼字符集介紹的請進(jìn)入。