GB码和BIG5码的互换技术

冰点点

GB码和BIG5码的互换技术 中文与英文用ASCII码一个字节表示不同，它使用两个字节来表示。事实上，在文本文件中保存的就是每个汉字对应的两个字节编码，而显示问题由中文操作系统自动解决。 汉字编码并不统一，我们使用的是GB码，而台湾地区使用的是BIG5码。BIG5码文件中保存的是汉字相应的BIG5编码，GB码文件中保存的是汉字相应的GB编码。所以转换工作的关键是有一个记录每个BIG5编码对应GB编码的码表文件。 GB码编码规则是这样的：每个汉字由两个字节构成，第一个字节的范围从0XA1－0XFE，共96种。第二个字节的范围分别为0XA1－0XFE，共96种。利用这两个字节共可定义出 96 * 96＝8836种汉字。实际共有6763个汉字。 BIG5码编码规则是这样的：每个汉字由两个字节构成，第一个字节的范围从0X81－0XFE，共126种。第二个字节的范围分别为0X40－0X7E，0XA1－0XFE，共157种。也就是说，利用这两个字节共可定义出 126 * 157＝19782种汉字。这些汉字的一部分是我们常用到的，如一、丁，这些字我们称为常用字，其BIG5码的范围为0XA440－0XC671，共5401个。较不常用的字，如滥、调，我们称为次常用字，范围为 0XC940－0XF9FE，共7652个，剩下的便是一些特殊字符。 制作码表文件的原理是这样的：首先将所有的GB编码写入一个文件，然后，使用具有GB码到BIG5码转换功能的软件，如UCDOS下的CONVERT.EXE，将文件转换为BIG5码文件，即得到码表文件。 下面的程序可将全部国标码写入文件gb.txt(以下全部程序用foxpro书写，可很容易的转换成其他语言) fp = fopen("gb.txt",2) for i=161 to 247 for j=161 to 254 =fwrite(fp,chr(i)+chr(j)) next =fwrite(fp,chr(13)+chr(10)) next =fwrite(fp,chr(26)) =fclose(fp) 文件的组织形式：行对应编码的第一字节，列对应编码的第二字节。使用时请注意编码的偏移量，如汉字“啊”GB编码0xb1a1第一字节0xb1(177)第二字节0xa1(161)所以他应该在文件的第(177-161=16)行第((161-161)*2=0)列。 运行CONVERT.EXE将gb.txt转换成BIG5码的文件，这样就可得到按GB码组织的BIG5码表文件big5.txt。反之亦可得到按BIG5码组织的GB码表文件。 转换的思路是这样的：(用foxpro书写) 首先将码表文件装入数组 fp = fopen("big5.txt") i = 0 do while feof(fp) i = i+1 dime dict[I dict[I = fgets(fp) enddo =fclose(fp) 其次将待转换的文本装入变量 create cursor temp (mm m) append blank append memo mm from textfilename text = mm 然后扫描文本，替换所有的GB编码 temp = "" i = 1 do while i < len(text) ch = substr(text,i,1) if isascii(ch) && 若是ASCII码 temp = temp+ch i = i+1 else ch1 = substr(text,i+1,1) big5 = substr(dict[asc(ch)-161+1],(asc(ch1)-161)*2+1,2) temp = temp+big5 i = i+2 endif enddo 最后将在temp中得到转换后的文本 需要注意的是，在foxpro中数组指针是以1开始，substr函数的起始位>=1。 foxpro大家应该都会，看得懂的。转换好的big5.txt(17k)无法张贴。如有需要，请与我联系。email: czjsz_ah@stats.gov.cn