批处理之家 - Powered by Discuz! Board

标题: [问题求助] 内码转换的原理？(已解决) [打印本页]

作者: wankoilz 时间: 2011-12-1 09:08 标题: 内码转换的原理？(已解决)

本帖最后由 wankoilz 于 2011-12-2 21:31 编辑

百度了半天也没查出个所以然来...
我想问内码转换的原理？
比如把GB2312的“人”字转成UTF8，是直接将前者的内码通过公式换算成UTF8的相应内码吗（公式法）？
又或者说通过“人”字的字形码之类的为中介去查Unicode表（中介查表法）？
望高人指点！

作者: Demon 时间: 2011-12-1 10:49

没有算法，只能查表

作者: wankoilz 时间: 2011-12-1 11:44

回复 2# Demon

感谢回复，请问知不知道具体是通过哪种“码”为中介？（始终需要一个中介吧）

作者: powerbat 时间: 2011-12-1 12:49

非要说成“中介”的话，就是得到字符的Unicode码，再根据utf-8的编码原理(公式)进行转换。

作者: wankoilz 时间: 2011-12-1 19:09

本帖最后由 wankoilz 于 2011-12-1 19:10 编辑

回复 4# powerbat

感谢回复！
那在查unicode表的时候是用什么查的呢？至少要“人”字的字形去查表吧，总不可能拿GB2312码去查unicode表啊...

作者: Demon 时间: 2011-12-1 21:08

你知道ChrW函数么？

http://demon.tw/programming/asc- ... hrw-difference.html

作者: wankoilz 时间: 2011-12-1 22:24

本帖最后由 wankoilz 于 2011-12-2 02:26 编辑

感谢楼上，这个东西我用过的。
我想了解的不是如何用程序来实现编码转换，这个不难。
好吧，我们知道，ANSI(GB2312) 中每个字符都在UNICODE表中有唯一的一个映射，
如果说存在这样一个供内码转换的表：
1-a 2-b 3-c
4-d 5-e 6-f
...(其中数字代表ANSI码，字母代表UNICODE)
那么在知道ANSI码的时候自然可以查表得到相应的UNICODE码。
否则，我们在知道 "1" 的时候怎么能知道它对应的UNICODE码是什么呢？
电脑不是人脑，它不能像人一样在ANSI码表中“看”到“人”这个字的时候去UNICODE表中找到相应的UNICODE码。它看到的只有二进制...要实现这个过程我想是：
“人”的ANSI码 —“人”的字形码—通过“人”字形码查表得到相应的UNICODE码
不知道事实上是不是这样的，还请指点。

PS：为了将汉字在显示器或打印机上输出，把汉字按图形符号设计成点阵图，而得到的相应的点阵代码（字形码）。

作者: powerbat 时间: 2011-12-1 23:25

如果是vbs/js，字符本来就是以Unicode形式存储在内存中的。

你这个问题似乎要深入到操作系统内部了。。
最后肯定是有API去查表的，ANSI与Unicode的映射。
好像“代码页”这玩意就是这个功能？

作者: wankoilz 时间: 2011-12-2 02:13

本帖最后由 wankoilz 于 2011-12-2 02:25 编辑

对的，我想问的并不是内码转换的程序实现，而是转换程序在转换的过程中干了什么。
楼上说的查表是最后一步了（“人”的ANSI码 —“人”的字形码—“人”的UNICODE码
），关键是查表的时候用的是“什么东东”来查？到底是不是字形码呢... ...

作者: Demon 时间: 2011-12-2 09:21

为什么你对字形码那么情有独钟？

你自己也说了，如果说存在这样一个供内码转换的表，那么在知道ANSI码的时候自然可以查表得到相应的UNICODE码。

事实上，Windows系统中的确存在这样一个映射表，将GB2312码映射成对应的Unicode码。

举个例子来说，“人”的GB2312码是C8CB，然后去查映射表，C8CB对应的Unicode码是4EBA，这就够了啊，为什么要牵扯到字形码呢？

PS：也许我没有完全理解你在问什么。

作者: Demon 时间: 2011-12-2 09:24

如果是vbs/js，字符本来就是以Unicode形式存储在内存中的。

你这个问题似乎要深入到操作系统内部了。。
...
powerbat 发表于 2011-12-1 23:25

冒昧地问一下，你以前是不是某个论坛的管理员？

作者: wankoilz 时间: 2011-12-2 12:04

感谢楼上。你确定有这么一张表吗，如果是，那我就没什么疑问了。
我主要是想知道事实上是不是这样，而不是猜测哦。
俺以前在verybat呆过，但我不是什么管理员。

作者: Demon 时间: 2011-12-2 13:38

本帖最后由 Demon 于 2011-12-2 13:44 编辑

C:\Windows\System32目录下的*.NLS就是映射表文件，C_936.NLS就是GB2312到Unicode的映射表。

NLS是National Language Support的缩写。

在台湾有一个所谓的“Unicode补完计划”，原理就是通过修改系统自带的C_950.NLS来拓展BIG5编码的字符，让BIG5编码中能显示简体中文。

具体内容可以Google关键词“BIG5 Extension 計畫”，至于百度，劝你还是少用，百度一下什么都不知道。

另：那个问题我问的是powerbat，而不是你。

作者: wankoilz 时间: 2011-12-2 14:48

回复 13# Demon

很好很详细。
我仔细读了你介绍的文章，受益匪浅，不过有个疑问：里面说chr()只支持0到255，但为什么vbs中不是呢，比如chr(-12345)

作者: Demon 时间: 2011-12-2 15:36

回复 Demon

很好很详细。
我仔细读了你介绍的文章，受益匪浅，不过有个疑问：里面说chr ...
wankoilz 发表于 2011-12-2 14:48

我在6楼给出的链接中有，Chr能够接受的参数范围和系统当前的代码页有关，中文系统默认是936，也就是GB2312。

作者: wankoilz 时间: 2011-12-2 19:30

bingo，问题解决，你是个好人Demon，灰长感谢！

作者: powerbat 时间: 2011-12-2 21:50

回复 11# Demon

偶以前也在verybat呆过，也不是管理员 ^_^

作者: wankoilz 时间: 2011-12-2 22:31

回复 17# powerbat

欢迎光临批处理之家 (http://bathome.net./)