組成原理課件23非數(shù)值數(shù)據(jù)的表示

北京理工大學計算機學院第2章2.1數(shù)值數(shù)據(jù)的表示2.2機器數(shù)的定點表示與浮點表示2.3非數(shù)值數(shù)據(jù)的表示2.4十進制數(shù)和數(shù)串的表示2.5不同類型的數(shù)據(jù)表示舉例2.6數(shù)據(jù)校驗碼北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示2.3.1字符和字符串的表示方法1.ASCII字符編碼常見的ASCII碼用七位二進制表示一個字符，它包括10個十進制數(shù)字（0～9）、52個英文大寫和小寫字母（A～Z，a～z）、34個專用符號和32個控制符號，共計128個字符。在ASCII碼表中，數(shù)字和英文字母都是按順序排列的，只要知道其中一個的二進制代碼，不要查表就可以推導(dǎo)出其他數(shù)字或字母的二進制代碼。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示2.字符串的存放字符串是指一串連續(xù)的字符。例如，字符串IFX>0THENREAD(C)。

(1)向量法在存儲器中占用一片連續(xù)的空間，每個字節(jié)存放一個字符代碼，字符串的所有元素（字符）在物理上是鄰接的。在字長為32位的存儲器，每一個主存單元可存放4個字符，整個字符串需5個主存單元。在每個字節(jié)中實際存放的是相應(yīng)字符的ASCII碼。北京理工大學計算機學院IFX>0THENREA(C)D2.3非數(shù)值數(shù)據(jù)的表示5449462020202030454541444852433E2928584E北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示(2)串表法一個存儲單元有32位，僅存放一個字符代碼。字符串的每個字符代碼后有一個鏈接字，用以指出下一個字符的存儲單元地址。串表法不要求串中的各個字符在物理上相鄰，在對字符串進行刪除和插入操作時，只需修改相應(yīng)字符代碼后面的鏈接字即可。由于鏈接字占據(jù)了存儲單元的大部分空間，使得主存的有效利用率下降（只有原來的25％）。上例中整個字符串需19個主存單元。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示2.3.2漢字的表示1.漢字國標碼

GB2312-80，簡稱國標碼。該標準共收集常用漢字6763個，其中一級漢字3755個，按拼音排序；二級漢字3008個，按部首排序；另外還有各種圖形符號682個，共計7445個。每個漢字、圖形符號都用兩個字節(jié)表示，每個字節(jié)只使用低七位編碼。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示2.漢字區(qū)位碼

區(qū)位碼將漢字編碼GB2312-80中的6763個漢字分為94個區(qū)，每個區(qū)中包含94個漢字（位），區(qū)和位組成一個二維數(shù)組，每個漢字在數(shù)組中對應(yīng)一個唯一的區(qū)位碼。漢字的區(qū)位碼定長4位，前2位表示區(qū)號，后2位表示位號，區(qū)號和位號用十進制數(shù)表示，區(qū)號從01到94，位號也從01到94。例如，“中”字在54區(qū)的48位上，其區(qū)位碼為“54-48”，“國”字在25區(qū)的90位上，其區(qū)位碼為“25-90”。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示

漢字區(qū)位碼并不等于漢字國標碼，它們兩者之間的關(guān)系可用以下公式表示：

國標碼＝區(qū)位碼（十六進制）＋2020H

例如：已知漢字“春”的區(qū)位碼為“20-26”，計算它的國標碼。區(qū)位碼：

2026十進制

↓

↓

14H1AH十六進制

+20H+20H

國標碼：

34H3AH北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示3.漢字機內(nèi)碼

漢字可以通過不同的輸入碼輸入，但在計算機內(nèi)部其內(nèi)碼是唯一的。

因為漢字處理系統(tǒng)要保證中西文的兼容，當系統(tǒng)中同時存在ASCII碼和漢字國標碼時，將會產(chǎn)生二義性。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示

例如：從主存中讀出兩個字節(jié)的內(nèi)容，它們分別為30H和21H，這時既可能是表示漢字“啊”的國標碼，又可能是表示西文“0”和“!”的ASCII碼。啊30210!北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示

常用的漢字機內(nèi)碼為兩字節(jié)長的代碼，它是在相應(yīng)漢字國標碼的每個字節(jié)最高位上加“1”。即：

漢字機內(nèi)碼＝漢字國標碼＋8080H

例如，上述“啊”字的國標碼是3021H，其漢字機內(nèi)碼則是B0A1H。3021+8080B0A1北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示4.漢字字形碼

漢字字形碼是指確定一個漢字字形點陣的代碼，又叫漢字字模碼或漢字輸出碼。在一個漢字點陣中，凡筆畫所到之處，記為“1”，否則記為“0”。根據(jù)對漢字質(zhì)量的不同要求，可有16×16、24×24、32×32或48×48的點陣結(jié)構(gòu)。顯然點陣越大，輸出漢字的質(zhì)量越高，每個漢字所占用的字節(jié)數(shù)也越多。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示5.漢字編碼的發(fā)展

1990年頒布了繁體字的編碼標準GB12345-90，目的在于規(guī)范必須使用繁體字的各種場合，該標準共收錄6866個漢字（比GB2312多103個字），純繁體的字大概有2200余個。

1995年底推出的GBK編碼是中文編碼擴展國家標準，該編碼標準兼容GB2312，共收錄漢字21003個、符號883個，并提供1894個造字碼位，簡、繁體字融于一庫。

2000年底又頒布了GB18030大字符集標準，這個標準可以涵蓋27484個漢字，繁、簡字均處于同一平臺。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示2.3.3

統(tǒng)一代碼（Unicode）隨著國際間的交流與合作的擴大，信息處理應(yīng)用對字符集提出了多文種、大字量、多用途的要求，解決問題的最佳方案是設(shè)計一種全新的編碼方法，這種方法必須有足夠的能力來表示任意一種語言里使用的所有符號，這就是統(tǒng)一代碼（Unicode）。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示1．編碼方式

Unicode的基本方法是用一個16位的數(shù)來表示每個符號，這種符號集可表示65536個不同的字符或符號。被稱為基本多語言平面（BMP）。這個空間已經(jīng)非常大了，但設(shè)計者考慮到將來某一天它可能也會不夠用，所以采用了一種可使這種表示法使用得更遠的方法。北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示

當只用2字節(jié)數(shù)來表示Unicode字符時，使用的是UCS-2編碼，但盡管如此，也允許在UCS-2文本中插入一些UCS-4字符。為此，在BMP中，保留了兩個有1024個大小的塊，這兩個塊中任何位置都不能用來表示任何符號。UCS-4的兩個16位字每個表示一個數(shù)，這個數(shù)是UCS-2BMP中1024個數(shù)值中的一個。這兩個數(shù)的組合可以表示多達1百萬多個自定義的UCS-4字符。

UCS-2：65536-2×1024

UCS-4：210×210=220北京理工大學計算機學院2.3非數(shù)值數(shù)據(jù)的表示

2．實現(xiàn)方式

Unicode的實現(xiàn)方式不同于編碼方式。一個字符的Unicode編碼是確