文字及其处理技术 (2).ppt
4.1 文本信息加工,4.1.1 文字及其处理技术,第四章 文本和表格信息加工,云南 纳西族 东巴文字,猜猜看，上面的象形文字究竟表示什么意思？,结绳说图画说仓颉造字说,一、体验文字处理技术,1.文字是人类为了更加流畅地表述意义、传递经验而发明的工具。,一、体验文字处理技术,1.文字是人类为了更加流畅地表述意义、传递经验而发明的工具。,甲骨文 殷周时代,金文 西周、春秋,战国文字 春秋战国,小篆 秦朝,隶书 秦朝,楷书 东汉,行书 南北朝,草书 西汉,印刷字体 宋朝,2.汉字的创造饱含民族的智慧,汉字起源于象形文字，至今仍然保留了象形文字的特点。,汉字的造字法有四种：象形、指事、会意、形声。,从字体上看，就是本字倒过来。上部为树头，下部为树梢，在树梢上加一小横，就表示这里是树梢。因此，末的最初的意义是树梢。,象形,指事,金文明为日月幷照之会意字。,会意,形声,形声字的一部分是“形旁”表示字义，一部分是“声旁”表示读音，如：“鸽”是“鸟”形“合”声，“河”是“水”形“可”声。,3 书法是一种凝结了我国民族文化精髓的特殊的艺术形式,兰亭集序(局部)晋王羲之,徐冰方块英文,将26个字母改造成类似中国汉字的偏旁部首,Art For The People,一、文字及其处理技术,历史上使用的文字处理技术,请按时间顺序排列：活字印刷；机械式打字机；手写；雕版印刷；刻字；计算机文字处理,Ti yan qing jing:pin yin yu han zi 体验情境：拼音与汉字,村居(清)高 鼎 草长莺飞二月天，拂堤杨柳醉春烟。儿童散学归来早，忙趁东风放纸鸢。,字符的编码ASCII码美国信息交换标准代码(American Standard Code for Information Interchange,ASCII),.,.,.,.,十进制数,二进制数,十六进制数,字符,0000 0000,0000 0001,0000 0010,0000 0011,+,+1,+1,1,0,1,2,3,01111111,127,0 1 2 3 4 5 6 7 8 9 A B C D E F,0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15,十六进制数的表示,一个十六进制数需要四个二进制数表示F=1111 E=1110 D=1101 C=1100B=1011 A=1010 9=1001 8=1000 7=0111 6=0110 5=0101 4=01003=0011 2=0010 1=0001 0=0000,1个字符需要8位二进制数即8个比特(Bit)而 1个字节B（byte）=8比特（Bit）即一个字符需要一个字节来存储,汉字的输入方法,汉字的输入方法目前有两大类四种：（）键盘输入法。利用各种汉字输入方法的编码敲击键盘来输入汉字；（）非键盘输入法。目前主要有三种方法：手写笔输入，语音输入，扫描识别输入,二、汉字的编码,1.用于输入汉字的编码输入码（外码）编码方案：区位码、拼音码、王码、自然码 编码类型：音码：将汉字与读音建立对应关系进行编码的方法如：全拼双音、双拼双音 形码：将汉字的字形按笔画或组合进行编码的方法，如：王码、郑码、表形码 数字码：将汉字与数字对应的编码方法。如：区位码 简介混合码：将汉字的字形和字音相结合的编码方法。如：自然码,2.用于存储汉字的编码机内码（内码）,汉字的机内码是供计算机系统内部、加工处理、传输而统一使用的代码。国际码（GB）也叫GB国际码,简称国际码1980 年，国家标准局颁布了信息交换用汉字编码字符集基本集（代号为 GB2312-80），这是国家标准汉字编码。,二、汉字的编码,大五码（Big5）又称为五大码，是使用繁体中文社群中最常用的电脑汉字字符集标准，共收录13,060个中文字，其中有二字为重覆编码，Big5属中文内码（中文码分为中文内码及中文交换码两类）。Big5虽普及于台湾、香港与澳门等繁体中文通行区，但长期以来并非当地的国家标准，而只是业界标准（de facto standard）。倚天中文系统、Windows等主要系统的字符集都是以Big5为基准，但厂商又各自增删，衍生成多种不同版本。,Unicode（统一码、万国码、单一码）一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。,练习：11个汉字等于（）个字节，1个英文是（）个字节。A.1个B.2个 C.4个 D.8个2一级汉字有（）个，二级汉字按（）顺序排列，汉字符号共有（）个。A3008个B682个C3775个D6763个A.汉语拼音B.部首笔画A.7445个B.6763个C.682个3一级汉字一般位于（）区，5687区是（）。A45区B8899区C5687D1655区A一级汉字B俄文字母C二级汉字D未用,二、汉字的编码,例：课本56页有一个“熊”的区位码是“4860”，在这里我们把这个区位码认为是十进制。分析：区位码由区码和位码组成，区码是高字节二位，位码是低字节二位，区号是十进制“48”，位号是十进制“60”。,区码（48）10=（30）16位码（60）10=（3C）16国际码高字节两位：30H+20H=50H国际码低字节两位：3C+20H=5CH国际码是505CH机内码高字节=50H+80H=D0H机内码低字节=5CH+80H=DCH机内码是D0DCH,公式：国际码高字节=区位码高字节+20H 国际码低字节=区位码低字节+20H 机内码高字节=国际码高字节+80H 机内码低字节=国际码低字节+80H,二、汉字的编码,输入码与机内码的转换算法（区位码机内码）,3、汉字的输出码（字型码）用于输出汉字的编码输出码（字型码）,宋体,楷体,00000000000000000000000000000000000000000000,00000000000000000000000000000000000000000000,00000000000000000000000000000000000000000000,00000000000000000000000000000000000000000000,00000000000000000000000000000000000000000000,00000000000000000000000000000000000000000000,点阵字型：将汉字分解成若干个“点”组成的点阵字型。例：16 16 点阵，表示一个汉字，则一个汉字占 16 行，每一行 16 个点，其中每一个点用一个二进制数表示，值“0”没有笔形，值“1”表示有笔形。1 B 8bit 1616bit/8bit=32B,练习：132 32点阵表示一个汉字需要（）个字节。A.128个B.64个C.32个D.36个2（）点阵显示的汉字效果最好。（多项选择）A.2424B.精密型C.提高型 D.1616 E.64 643.存贮在计算机中的汉字以（）码形式存储。A.区位码B.机内码C.字形码 D.输出码 E.二进制码,3、输出码（字型码）,汉字的编码,输入码（外码）,机内码（内码）,输出码（字型码）,用于输入汉字的编码,用于存储汉字的编码,用于输出汉字的编码字模1616，2424宋体、楷体、隶书等,区位码：6625全拼编码：chun五笔字型：dw,春,用机内码存储,如国标码(GB)和BIG5码,用汉字字型码输出码输出汉字,(数字码，音码、形码、混合码)区位码输入，智能ABC，微软拼音，郑码，五笔字型，自然码等,宋体 楷体,三、汉字的处理过程,思考：,同一个字用不同的输入法输入，输入码一样吗？机内码一样吗？输出码一样吗？如果用6464点阵表示一个汉字字形，需要用多少个字节来存放？,思考：,在浏览网页或阅读邮件遇到乱码现象应该怎样解决？在输入汉字的时候，碰到生僻字，如“喆”、“镕”等字时，可以采取什么办法？,问题情境：丁丁是高一（18）班长，开学时要安排值日表，丁丁的计算机基础较好，于是就想通过电脑编制这个表格，以后修改更方便。可是，在他输入学生姓名的的时候，碰到了几个姓名怎么输也输不进去，你能帮他解决这个问题吗？,实践1：请新建一个word的文档，尽可能用多种输入法输入汉字“中”，并填写下表。,参考资料,上机实践,实践2：书本P58的1（2），利用TRUETYPE程序设计一个新字或个性化签名实践3：请用东巴文输入汉字“喝茶”、“唱歌”,上机实践,讨 论,在最近几年，作为大学教材的语言文字原理一书中有这样一段结论：“汉字永远只能作为客人在电脑中出现，真正的主人还是拼音文字，因为人们无法直接用汉字设计电脑程序，无法使汉字成为电脑符号”。,火星文是一种什么文字？谈谈你的看法。,体验文字处理技术,汉字的编码,文字及其处理技术,输出码(字型码)汉字的输出,机内码(内码)汉字的存储,输入码(外码)汉字的输入,书法是一门凝结了我国民族文化精髓的艺术,汉字的创造饱含民族的智慧,文字的发明是为了更流畅地表述意义、传递经验,中文信息处理技术发展历史,课堂小结,(教学重点),(教学难点),汉字区位码表汉字区位码共收汉字6763个，分成两级。第一级汉字3755个，置于16区至55区；第二级汉字3008个，置于56区至87区.第 16 区1601 1602 1603 1604 1605 1606 1607 1608 1609 1610 啊 阿 埃 挨 哎 唉 哀 皑 癌 蔼 1611 1612 1613 1614 1615 1616 1617 1618 1619 1620 矮 艾 碍 爱 隘 鞍 氨 安 俺 按 1621 1622 1623 1624 1625 1626 1627 1628 1629 1630 暗 岸 胺 案 肮 昂 盎 凹 敖 熬 1631 1632 1633 1634 1635 1636 1637 1638 1639 1640 翱 袄 傲 奥 懊 澳 芭 捌 扒 叭 a,
