utf-8编码的中文字符在source in sight?
在实验室编程都快两年了，用source in sight也应该由一年多了，但是有个问题一直让我很闹心，那就是：source insight虽然支持中文（代码的注释可以用中文写），Linux下编辑保存的文档，传回到windows用source打开时汉字显示为乱码，如图所示：
于是在source insight的设置中一顿乱改，还是不行，所以很长一段时间里我干脆用英文写注释了（逼不得已就不注释了，估计我这英语水平写的注释也就自己能看懂）
今天拿到师兄的代码看，又都是乱码，崩溃了……
于是上网一顿找，大概知道了引起乱码的原因：好像是字符编码格式不同，Linux下面是utf-8的，而source insight好像是unicode还是什么，但是网上也没找到好的解决方法。
这时候突然想到他们说那些source insight里显示乱码的用记事本（notepad）打开是正常的，我心说那转存一下就行了呗，存的时候把编码格式选对了就行啊。可是试验发现用记事本存了之后source insight干脆不认识了……不过最后还是找到解决方法了，步骤如下
1、用写字板（wordpad）打开对应的源文件
2、同时用记事本打开对应的源文件
3、这时候能发现写字板里面是乱码，而记事本里面中文正常显示。记事本全选复制，到写字板全选，粘贴
4、记事本不保存，直接关闭
5、写字板=>另存为=>文档名字不变=>保存类型选择“文本文档MSDOS格式”
6、再用source insight打开，OK，不是乱码了！如下图所示：
补充说明：实在没有解决方法，只有用这样的笨招了，谁还有更好的方法的话，也拿出来分享以下吧，呵呵~
※修改:·hobby 于Mar 11 16:03:39 修改本文·[FROM: 59.64.137.*]
※来源:·北邮人论坛https://www.doczj.com/doc/b915368167.html,·[FROM: 59.64.137.*]
Source Insight使用技巧 默认情况下，SI已经定义了很多非常实用的快捷键： F5 指定行号，实现行跳转，在遇到编译错误的时候，能特别方便的找到出错行。Shift+F8 高亮显示指定标识，快速浏览标识的使用情况。 Ctrl+鼠标点击标识 直接跳转至标识定义处。 Ctrl+F 本文件内查找。 F3 本文件查找结果的上一个。 F4 本文件查找结果的下一个。 F7 打开Browse Project Symbols窗口，快速浏览工程内标识定义。 Ctrl+M Source Insight设置 1、背景色选择 要改变背景色Options->preference->windows background->color设置背景色2、解决字符等宽对齐问题。 SIS默认字体是VERDANA，很漂亮。这网页上应该也是用的VERDANA 字体。但由于美观的缘故，VERDANA字体是不等宽的。比如下面两行llllllllll MMMMMMMMMM 同样10个字符，长度差多了.用VERDANA来看程序，有些本应该对齐的就歪了。解放方法是使用等宽的字体，但肯定比较丑。比较推荐的是用Courier New。 3、解决TAB键缩进问题 Options-> Document Options里面的右下角Editing Options栏里，把Expand tabs勾起来，然后确定。OK，现在TAB键的缩进和四个空格的缩进在SIS里面看起来就对齐咯 4、SI中的自动对齐设置: 在C程序里, 如果遇到行末没有分号的语句,如IF, WHILE, SWITCH等, 写到该行末按回车，则新行自动相对上一行缩进两列。 Option->Document option下的Auto Indient中Auto Indient Type有三种类型None,Simple,Smart。个人推荐选用Simple类型。 5、向项目中添加文件时，只添加特定类型的文件（文件类型过滤器） 编辑汇编代码时，在SIS里建立PROJECT并ADD TREE的时候，根据默认设置并不会把该TREE里面所有汇编文件都包含进来
Source Insight实质上是一个支持多种开发语言（java,c ,c 等等） 的编辑器，只不过由于其查找、定位、彩色显示等功能的强大，常被我 们当成源代码阅读工具使用。 作为一个开放源代码的操作系统，Linux附带的源代码库使得广大爱好者有了一个广泛学习、深入钻研的机会，特别是Linux内核的组织极为复杂，同时，又不能像windows平台的程序一样，可以使用集成开发环境通过察看变量和函数，甚至设置断点、单步运行、调试等手段来弄清楚整个程序的组织结构，使得Linux内核源代码的阅读变得尤为困难。 当然Linux下的vim和emacs编辑程序并不是没有提供变量、函数搜索，彩色显示程序语句等功能。它们的功能是非常强大的。比如，vim和emacs就各自内嵌了一个标记程序，分别叫做ctag和etag，通过配置这两个程序，也可以实现功能强大的函数变量搜索功能，但是由于其配置复杂，linux附带的有关资料也不是很详细，而且，即使建立好标记库，要实现代码彩色显示功能，仍然需要进一步的配置（在另一片文章，我将会讲述如何配置这些功能），同时，对于大多数爱好者来说，可能还不能熟练使用vim和emacs那些功能比较强大的命令和快捷键。 为了方便的学习Linux源程序，我们不妨回到我们熟悉的window环境下，也算是“师以长夷以制夷”吧。但是在Window平台上，使用一些常见的集成开发环境，效果也不是很理想，比如难以将所有的文件加进去，查找速度缓慢，对于非Windows平台的函数不能彩色显示。于是笔者通过在互联网上搜索，终于找到了一个强大的源代码编辑器，它的卓越性能使得学习Linux内核源代码的难度大大降低，这便是Source Insight3.0，它是一个Windows平台下的共享软件，可以从https://www.doczj.com/doc/b915368167.html,/上边下载30天试用版本。由于Source Insight是一个Windows平台的应用软件，所以首先要通过相应手段把Linux系统上的程序源代码弄到Windows平台下，这一点可以通过在linux平台上将 /usr/src目录下的文件拷贝到Windows平台的分区上，或者从网上光盘直接拷贝文件到Windows平台的分区来实现。 下面主要讲解如何使用Source Insight，考虑到阅读源程序的爱好者都有相当的软件使用水平，本文对于一些琐碎、人所共知的细节略过不提，仅介绍一些主要内容，以便大家能够很快熟练使用本软件，减少摸索的过程。 安装Source Insight并启动程序，可以进入图1界面。在工具条上有几个值得注意的地方，如图所示，图中内凹左边的是工程按钮，用于显示工程窗口的情况；右边的那个按钮按下去将会显示一个窗口，里边提供光标所在的函数体内对其他函数的调用图，通过点击该窗体里那些函数就可以进入该函数所在的地方。
〇信息交换用汉字编码字符集--基本集〈—即国家标准 GB2312-80 从1975年开始，我国为了研究汉字的使用频度，进行了大规模的字频统计工作，内容包括工业、农业、军事、科技、政治、经济、文学、艺术、教育、体育、医药卫生、天文地理、自然、化学、文字改革、考古等多方面的出版物，在数以亿计的浩瀚文献资料中，统计出实际使用的不同的汉字数为6335个，而其中有3000多个汉字的累计使用频度达到了99.9%，而另外的3000多个累计频度不到0.1%，说明了常用汉字与次常用汉字的数量不足7000个，这就为国家制定汉字库标准提供了依据。 1980年颁布了〇信息交换用汉字编码字符集—基本集〈的国标交换码，国家标准号为：GB2312-80，选入了6763个汉字，分为两级，一级字库中有3755个，是常用汉字，二级字库中有3008个，是次常用汉字；还选入了682个字符，包含有数字、一般符号、拉丁字母、日本假名、希腊字母、俄文字母、拼音符号、注音字母等。以前我国大陆的各种中文DOS版本、Windows3.1 /3.2版本，装入的字库都是国标一二级字库。 〇GB2312-80〈对 7445 个图形字符作了二进制数编码，这些图形字符是： 6763 个汉字，字体为简化字，分成两级。第一级汉字 3755 个，按拼音排序，约占近代文献汉字累计使用频度 99.9% 左右；二级汉字 3008 个，按部首、笔画排序。一、二级汉字约占累计使用频度 99.99% 以上。 202 个一般符号。其中包括 1.～20.,(1)～(20)，?～?，(-)～(+) 等。 22 个数字。其中 0～9 共 10 个，‥～‰ 共 12 个。 52 个拉丁字母。其中大写字母A～Z 26 个，小写字母a～z 26 个。 169 个日文假名。其中平假名 83 个，片假名 86 个。 48 个希腊字母。其中大写字母Α～Χ24 个，小写字母α～ω24 个。 66 个俄文字母。其中大写字母А～Я33 个，小写字母а～я 33 个。 26 个汉语拼音符号，包括带声调符号和其它符号的字母。 37 个汉语注音字母，?～ㄗ。 GB2312简体中文编码表 code +0 +1 +2 +3 +4 +5 +6 +7 +8 +9 +A +B +C +D +E +F A1A0 、。? í ì ¨ 〃?—～‖ … ‘ ’ A1B0 “ ” 【】々〆〇〈〉《》「〒〓」『 A1C0 a ? ? ? ? ￣ ? ? ? ? ‵ ? ? ? ? ※ A1D0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? A1E0 ? ? ? ? ? ? ? ＄¤ ??? § ? ? ? A1F0 ? ? ? ? ? ? ? ? ? ? ″ ? ′ ? 』 code +0 +1 +2 +3 +4 +5 +6 +7 +8 +9 +A +B +C +D +E +F A2A0 ⅰ ⅱ ⅲ ⅳ ⅴ ⅵ ⅶ ⅷ ⅸ ⅹ A2B0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
ASCII ASCII码是7位编码，编码范围是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯数字和标点符号等字符。其中0x00-0x20和0x7F共33个控制字符。 只支持ASCII码的系统会忽略每个字节的最高位，只认为低7位是有效位。HZ字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码。早期很多邮件系统也只支持ASCII编码，为了传输中文邮件必须使用BASE64或者其他编码方式。 GB2312 GB2312是基于区位码设计的，区位码把编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。区位码一般用10进制数来表示，如1601就表示16区1位，对应的字符是“啊”。在区位码的区号和位号上分别加上0xA0就得到了GB2312编码。 区位码中01-09区是符号、数字区，16-87区是汉字区，10-15和88-94是未定义的空白区。它将收录的汉字分成两级：第一级是常用汉字计3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。一级汉字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。 GB2312字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。可以用繁体汉字测试某些系统是不是只支持GB2312编码。 GB2312的编码范围是0xA1A1-0x7E7E，去掉未定义的区域之后可以理解为实际编码范围是0xA1A1-0xF7FE。 EUC-CN可以理解为GB2312的别名，和GB2312完全相同。 区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码。HZ和ISO- 2022-CN是对应区位码字符集的另外两种编码，都是用7位编码空间来支持汉字。区位码和GB2312编码的关系有点像Unicode和UTF-8。 GBK GBK编码是GB2312编码的超集，向下完全兼容GB2312，同时GBK收录了Unicode基本多文种平面中的所有CJK汉字。同GB2312一样，GBK也支持希腊字母、日文假名字母、俄语字母等字符，但不支持韩语中的表音字符（非汉字字符）。GBK还收录了GB2312不包含的汉字部首符号、竖排标点符号等字符。 GBK的整体编码范围是为0x8140-0xFEFE，不包括低字节是0×7F的组合。高字节范围是0×81-0xFE，低字节范围是0x40-7E和0x80-0xFE。
《统一的中日韩汉字编码字符集》（CJK）字根系统研究 《统一的中日韩汉字编码字符集》（CJK）作为新的汉字信息处理国际标准，使汉字信息处理向国际化方向迈出了重要的一步，对汉字字形的定量定性研究也提出了更高的要求。在此基础上，依靠计算机字形技术的支持，采用字根分解与合成的方法，有可能表示出CJK的全部字符从而实现其无字库化处理。因此，研究CJK字根系2统，对于CJK的工程应用具有重要作用。 中日韩汉字字形有别而音义互异，但都是可分析的文字，其基本构形单位都是笔画或字根，因此，字根分析法对其同样适用。本文认为，要得出一个较为科学的CJK字根系统，在理论和实践上必须着重解决两个问题，一个是笔画与字根的分野即单笔字根的问题，另一个就是字根变体的问题。本文主要分析了CJK的单笔字根和字根变体，并对统计得出的CJK676个字根的有关数据进行了系统的分析，希望能为CJK的相关研究提供参考。 一、CJK的单笔字根 （一）为什么要提出"单笔字根" 字根是汉字字符的直接构形成分，是可以独立运用的最小构形单位。一般说来，字根包含两个以上笔画，但当单一笔画与字根直接参与汉字字符构形时，这一笔画由于具备了字根的价值和功能而上升到字根层级，称为"单笔字根"。提出这一概念主要基于以下考虑： 1、汉字字符的构形成分中确实存在许多相对独立的单一笔画，归入邻近的任一字根都不合适，CJK中就有400多个字符包含这种笔画。如果说汉字字符都是由作为笔画组合体的字根构成的，显然不符合事实；如果说汉字字符是由字根与笔画组成的，固然也未尝不可，但这样就难以清晰地体现字符构形的层级性，故"单笔字根"的提出有其现实的必要性。 2、CJK字符集收入了"一丨丶丿乀乁乙乚乛亅"十个单笔画的字符，如果不引入"单笔字根"的概念，则这十个字符无法进行字根分析。 3、适当拆出字符中的单笔字根，可以大大简化字根系统。 （二）如何析出单笔字根 笔画与字根毕竟是不同层级的构形成分，因此单笔字根以尽量少析出为宜。我们在分析CJK单笔字根的过程中，主要采用了以下方法： 1、某一单笔画如果与字符中其它笔画处于相交或相接的关系，则不能析为单笔字根。如"子、孑、孓"都是由字根"了"与单笔画相交或相接而成，故不再析出单笔字根。 2、如果单笔画与字符中其它笔画均处于相离的关系，则根据以下情况处理： （1）对于点笔来说，若其与某一字根呈内聚之势，且作为整体具有构字能力，则合为一个字根，如"犬、太、刃、玉"等；反之，若作为整体无构字能力，则立点笔为单笔字根，如"乓"。这样处理可使字根系统的层级性得以体现，同时也照顾了通常的字根拆分习惯。 （2）如果某一单笔画用另一笔画或字根替换后成了另一字符，则只能析为单笔字根，如"糺"中的"乚"替换为"工"后成了另一字符"紅"，因此"乚"为单笔字根。能用这种方法来判断的单笔字根在CJK单笔字根中约占24%。 （3）偏旁部首通常使用频率较高，一般作为整体进入字根系统，不再拆出单笔字根，如"纟"、"刂"、"寸"、"灬"等。 为简化字根系统，有时也需要作变通处理，如"示"中与第一横笔相邻的也不是分笔字根，但将其析出后，余部分无构字能力，为简化字根系统，"示"拆为"二、小"，不涉及单笔字根问题。 （三）CJK的单笔字根统计 我们采用上述方法得出了CJK单笔字根的有关数据，详见下表： 如果把提归入横，捺归入点，竖钩归入竖，其它的归入折，则五种基本笔画在CJK中
计算机常见编码 一．有关编码的基础知识 1. 位bit 最小的单元 字节byte 机器语言的单位 1byte=8bits 1KB=1024byte 1MB=1024KB 1GB=1024MB 2. 二进制binary 八进制octal 十进制decimal 十六进制hex 3. 字符：是各种文字和符号的总称，包括各个国家的文字，标点符号，图形符 号，数字等。 字符集：字符集是多个符号的集合，每个字符集包含的字符个数不同。 字符编码：字符集只是规定了有哪些字符，而最终决定采用哪些字符，每一 个字符用多少字节表示等问题，则是由编码来决定的。计算机要 准确的处理各种字符集文字，需要进行字符编码，以便计算机能 够识别和存储各种文字。 二．常见字符集的编码介绍： 常见的字符集有：ASCII 字符集，GB2312 字符集，BIG5 字符集，GB18030 字符集，Unicode 字符集，下面一一介绍： 1. ASCII 字符集： 定义： 美国信息互换标准代码，是基于罗马字母表的一套电脑编码系统，主要显示 英语和一些西欧语言，是现今最通用的单字节编码系统。 包含内容： 控制字符（回车键，退格，换行键等） 可显示字符（英文大小写，阿拉伯数字，西文符号） 扩展字符集（表格符号，计算符号，希腊字母，拉丁符号） 编码方式： 第0-31 号及127 号是控制字符或通讯专用字符； 第32-126 号是字符，其中48-57 号为0-9 十个阿拉伯数字，65-90 号为26 个 大写英文字母，97-122 号为26 个英文小写字母，其余为一些标点符号，运 算符号等。 在计算机存储单元中，一个ASCII 码值占一个字节（8 个二进制位），最高位 是用作奇偶检验位。【奇偶校验是指：在代码传送的过程中，用来检验是否 出错的一种方法。】奇偶校验分为奇校验和偶校验。奇校验规定：正确的代 码一个字节中1 的个数必须是奇数，若非奇数，则在最高位添1；偶校验规 定：正确的代码一个字节中 1 的个数必须是奇数，若非奇数，则在最高位添 1。
文档类型开发文档 保密级别公开 技术报告 名称：SourceInsight3.5软件安装流程 编号： 版本号：V1.0.0 负责人：董磊 成员： 日期：2016年06月01日
目录 目录 (1) 版本 (2) 1文档目的 (3) 2安装SourceInsight3.5 (3) 3配置SourceInsight3.5 (9) 4使用SourceInsight3.5新建工程 (11) 图表目录 (16)
版本
1文档目的 Source Insight是一个面向项目开发的程序编辑器和代码浏览器，它拥有内置的对C/C++,C#和Java等程序的分析。能分析源代码并在工作的同时动态维护它自己的符号数据库，并自动显示有用的上下文信息。Source Insight不仅仅是一个强大的程序编辑器，它还能显示reference trees，class inheritance diagrams和call trees。Source Insight提供了最快速的对源代码的导航和任何程序编辑器的源信息。Source Insight提供了快速和革新的访问源代码和源信息的能力。与众多其它编辑器产品不同。 本文档详细介绍了SourceInsight3.5软件的安装流程、配置以及使用方法。2安装SourceInsight3.5 解压SourceInsight3.5压缩包并打开此文件夹，运行“InsightSetup”，当弹出如下图所示界面时，点击“Agree”，表示同意条款。 图2-1 当弹出如下图所示界面时，点击“Next”。
图2-2 当弹出如下图所示界面时，点击“Next”。 图2-3 当弹出如下图所示界面时，保持默认的安装路径，点击“Next”。
SourceInsight 快捷方式大全 完成语法: Ctrl+E 复制一行: Ctrl+K 恰好复制该位置右边的该行的字符: Ctrl+Shift+K 复制到剪贴板: Ctrl+Del 剪切一行: Ctrl+U 剪切该位置右边的该行的字符: Ctrl+; 剪切到剪贴板: Ctrl+Shift+X 剪切一个字: Ctrl+, 左边缩进: F9 右边缩进: F10 插入一行: Ctrl+I 插入新行: Ctrl+Enter 加入一行: Ctrl+J 从剪切板粘贴: Ctrl+Ins 粘贴一行: Ctrl+P 重复上一个动作: Ctrl+Y 重新编号: Ctrl+R 重复输入: Ctrl+\ 替换: Ctrl+H 智能重命名: Ctrl+' 关闭文件: Ctrl+W 关闭所有文件: Ctrl+Shift+W 新建: Ctrl+N 转到下一个文件: Ctrl+Shift+N 打开: Ctrl+O 重新装载文件: Ctrl+Shift+O 另存为: Ctrl+Shift+S 显示文件状态: Shift+F10 激活语法窗口: Alt+L 回到该行的开始: Home 回到选择的开始: Ctrl+Alt+[ 到块的下面: Ctrl+Shift+] 到块的上面: Ctrl+Shift+[ 书签: Ctrl+M 到文件底部: Ctrl+End, Ctrl+(KeyPad) End 到窗口底部: (KeyPad) End (小键盘的END) 到一行的尾部: End 到选择部分的尾部: Ctrl+Alt+] 后退: Alt+,, Thumb 1 Click 后退到索引: Alt+M 向前: Alt+., Thumb 2 Click 转到行: F5, Ctrl+G
《信息技术通用编码字符集（基本多文种平面）汉字15×16点阵字型》(征求意见稿)编制说明 一、工作简况 1、任务来源 随着信息技术的不断发展，中文信息技术产品所使用硬件设备得到提升，中文信息处理设备对点阵字型出现了新的需求，为了满足信息处理设备对15×16点阵的需求，国家标准化管理委员会在2015年第三批“制、修订国家标准项目计划”中安排了本标准的制定工作，计划代号为20153659-T-469，标准名称为《信息技术通用编码字符集（基本多文种平面）汉字15×16点阵字型》。 本标准由中国电子技术标准化研究院、北京仓颉博雅信息技术有限公司等单位负责起草，标准主要起草人有代红、熊涛等。 2、主要工作过程 标准计划任务下达后，由中国电子技术标准化研究院牵头成立了标准编制组和专家组，并制定了详细的标准研究实施方案。中国电子技术标准化研究院主要负责字型设计、组织协调和标准文本起草，北京仓颉博雅信息技术有限公司负责字型设计，火箭军装备研究院第四研究所和潍坊北大青鸟华光照排有限公司负责字型纠错修改，专家组负责字型审查工作。 按照标准实施方案的要求，标准编制组于2016年6月底，分批提供了15×16点阵字型的设计初稿，并将字型设计初稿提供给字型专家审查，在设计点阵字型时对有疑问的字进行查证讨论，做到每个字的修改确定有据可查。根据字型专家提出的修改意见，标准编制组对字型设计初稿进行修改，于2017年7月底前完成了对字型设计初稿的修改整理。在对字型设计稿修改的同时，标准编制组还进行了标准文本的起草工作，2017年10月完成了标准草案。2017年11月标准草案提交中国电子技术标准化研究院进行标准专家内审，标准起草组根据标准内审专家提出的意见对草案进行修改，形成了标准的征求意见稿，现向各位征求意见。 3、标准编制的主要成员单位及其所做的工作 本标准由中国电子技术标准化研究院、北京仓颉博雅信息技术有限公司、火箭军装备研究院第四研究所等单位负责起草。中国电子技术标准化研究院主要负责标准文本的起草、标准研究的组织协调，北京仓颉博雅信息技术有限公司负责
常用字符集介绍和编码转换原理 目录 1. GB2312编码介绍 (2) 1.1 基本信息 (2) 1.2 GB标准 (2) 1.3 分区表示 (2) 1.4 字节结构 (2) 2. 通用字符集UCS (3) 2.1 定义 (3) 2.2 概要 (3) 2.3 实现级别 (3) 2.4 与UNICODE的兼容关系 (3) 3. unicode编码介绍 (3) 3.1 基本简介 (4) 3.2 编码实现 (4) 3.2.1 编码方式 (4) 3.2.2 实现方式 (5) 4. UTF-8介绍 (5) 4.1 基本介绍 (5) 4.2 编码原理 (5) 4. 转换原理 (7)
1. GB2312编码介绍 1.1 基本信息 1.2 GB标准 GB2312或GB2312-80是一个简体中文字符集的中国国家标准，全称为《信息交换用汉字编码字符集·基本集》，又称为GB0，由中国国家标准总局发布，1981年5月1日实施。GB2312编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB2312。 GB2312标准共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；同时，GB2312收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。 GB2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。 对于人名、古汉语等方面出现的罕用字，GB2312不能处理，这导致了后来GBK及GB18030汉字字符集的出现。 1.3 分区表示 GB 2312中对所收汉字进行了―分区‖处理，每区含有94个汉字/符号。这种表示方式也称为区位码。 01-09区为特殊符号。 16-55区为一级汉字，按拼音排序。 56-87区为二级汉字，按部首/笔画排序。 10-15区及88-94区则未有编码。 举例来说，―啊‖字是GB2312之中的第一个汉字，它的区位码就是1601。 1.4 字节结构
前言
由于工作的需要，参考了好多资料整理出来一份计算机汉字处理报告，不敢独享，希 望与大家共享。Ziggler 现代计算机技术虽然先进， 但大多数人只知录入 GB-2313 字符集内的 6763 个简体汉字， 对包含 21003 个简繁体汉字的 GBK 字符集的文字录入、字体 显示就已不甚了解（市面上 绝大多数所谓的繁体字体，其实采用的是 GB2313 字符集简体字的编码，用字体显示为繁体 字，而不是直接用 GBK 字符集中繁体字 的编码，错误百出） 。而汉字总数至少有近 10 万 个，目前计算机能处理的，也有 70244 个，已非一般人所能知能用了。 由于汉字总数非常庞大。 汉字总共有多少字？到目前为止， 恐怕没人能够答得上来精确 的数字。据估计，汉字数量达到 11 万左右。 这里所说的七万多汉字， 是指 UNICODE 超大字集全部七万多中日韩汉字。 （注： Unicode 是指用两个字节表示每个字符的字符编码方案。 ） 那一般计算机能够显示多少个汉字呢？比如大陆这边普遍安装简体 Windows 系统，而 简体 windows 以宋体为系统字型，宋体支持 GBK 编码，所以能显示 20902 个汉字。 要显示 71564 个汉字， 可以采取多种方案， 如： 宋体-方正超大字符集+新细明体 EXTB、 宋体-方正超大字符集+中易宋体 EXTB、宋体 GB18030+新细明体 ExtB、宋体 18030+宋体 ExtB 等等。
中文字符集、编码
字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。字符 集是多个字符的集合，字符集 种类较多，每个字符集包含的字符个数不同。 计算机要准确的处理各种字符集文字， 需要进行字符编码， 以便计算机能够识别和存储 各种文字。 中文文字数目大， 而且还分为简体中文和繁体中文两种不同书写规则的文字， 而计算机 最初是按英语单字节字符设计的， 因此， 对中文字符进行编码， 是中文信息交流的技术基础。 以下是常见的一些字符集介绍，部分字符集中包括编码介绍。
GB2312 字符集
1．名称的由来 GB2312 又称为 GB2312-80 字符集，全称为《信息交换用汉字编码字符集·基本集》 ，由原中 国国家标准总局发布，1981 年 5 月 1 日实施。 2．特点 GB2312 是中国国家标准的简体中文字符集。它所收录的汉字已经覆盖 99.75%的使用频率，
最近一直被这个字符集问题，弄的头疼。想不到一个很好的办法去解决。问题是这样的：“在超链接中传递参数的时候总是出现乱码”在Action中用debug查的时候就是乱码，在Tomcat 中把Service.xml将字符集改成UTF-8,GBK,GB2312都试过了，仍然没有解决这个问题。很是郁闷！~~~ 在现实工作中我们会经常遇到字符转换的问题:有的时候还会出现乱码.因为工作需要我从别人的静态网页上抓取数据.用到的方法是传一个uri进去,然后取出你所想得到的字符串.代码如下: public static String getData(String url1) throws Exception { String result = ""; URL url = new URL(url1); HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setDoOutput(true); PrintWriter out = new PrintWriter(connection.getOutputStream()); out.close(); BufferedReader in = new BufferedReader(new InputStreamReader(connection. getInputStream(),"UTF-8")); //特别注意这里,后面的编码格式,一般都是用UTF-8,因为这是通用的.如果用汉字可以用GBK.不要用gb2312.因为它是GBK的子集. String line; while ( (line = in.readLine()) != null) { result = result + "\n" + line; } in.close(); String html =replaceFunc2(replaceFunc2(result,""); return html; } public static String replaceFunc2(String str_source, String str_start,String str_end) { String info = "", rep_str = "", rep_str2 = ""; int startFlag = 0, endFlag = 0; startFlag = str_source.indexOf(str_start); endFlag = str_source.indexOf(str_end); info = str_source; if (startFlag >= 0 && endFlag >= 0 && startFlag < endFlag) { rep_str = info.substring(0, startFlag); rep_str2 = info.substring(endFlag + str_end.length()); info = rep_str + rep_str2; } // System.out.print("==========="+info+"=========="); return info; }
字符集与编码 一.字符集与编码之间的关系 1.为了在计算机中存储与处理，必须对字符进行数字化编码。 2.字符集规定了包含哪些字符，每个字符的值是什么 3.编码规定了对于这些值，如何存储 4.有些标准同时规定了字符集及其编码 如：目前使用最广泛的西文字符集及其编码是ASCII 字符集和ASCII码（ASCII是American Standard Code for Information Interchange的缩写），它同时也被国际标准化组织（International Organization for Standardization, ISO）批准为国际标准 5.有些标准同一个字符集可以有多种编码格式 二.字符集及编码 1.SBCS （single byte character set） 1.1 ASCII （1）.7位编码，范围0x00-0x7F （2）.码值32-127(0x20-0x7F) （3）.0x00-0x1F 之间的为控制字符，每个字符有一个缩写的名字 （4）.数字，大写字母，小写字母的编码都是连续的 目前使用最广泛的西文字符集及其编码是 ASCII 字符集和 ASCII 码（ ASCII 是American Standard Code for Information Interchange 的缩写），它同时也被国际标准化组织（ International Organization for Standardization, ISO ）批准为国际标准。 基本的 ASCII 字符集共有 128 个字符，其中有 96 个可打印字符，包括常用的字母、数字、标点符号等，另外还有 32 个控制字符。标准 ASCII 码使用 7 个二进位对字符进行编码，对应的 ISO 标准为 ISO646 标准。下表展示了基本 ASCII 字符集及其编码： 字母和数字的 ASCII 码的记忆是非常简单的。我们只要记住了一个字母或数字的ASCII 码（例如记住 A 为 65 ， 0 的 ASCII 码为 48 ），知道相应的大小写字母之间差 32 ，就可以推算出其余字母、数字的 ASCII 码。 虽然标准 ASCII 码是 7 位编码，但由于计算机基本处理单位为字节（ 1byte = 8bit ），所以一般仍以一个字节来存放一个 ASCII 字符。每一个字节中多余出来的一位（最高位）在计算机内部通常保持为 0 （在数据传输时可用作奇偶校验位）。 由于标准 ASCII 字符集字符数目有限，在实际应用中往往无法满足要求。为此，国际标准化组织又制定了 ISO2022 标准，它规定了在保持与 ISO646 兼容的前提下将ASCII 字符集扩充为 8 位代码的统一方法。 ISO 陆续制定了一批适用于不同地区的扩充 ASCII 字符集，每种扩充 ASCII 字符集分别可以扩充 128 个字符，这些扩充字符
在Source Insight中添加自定义功能的步骤如下 1.Source Insight中,Options->Custom Commands...->Add...,New Command name 随便写,我的是"Edit with Vim" 2.Run中写入: "C:\Program Files\Vim\vim63\gvim.exe" --remote-silent +%l %f 意思是在当前已经打开的gvim窗口里面打开当前的文件,并且跳转到指定行 %l为当前的行号,%f为文件名 使用--remote-silent 的作用是,如果已经打开了对应文件,就不会打开第二次,而是在已经打开的文件里跳转到对应行 3.还是同一个对话框里面,选择Keys->Assign New Key...->按F12,如果你已经将F12设置给其他命令,选择其他的按键就行了 下面是一些常用自定义功能：( CUSTOM COMMANDS ) 打开资源管理器并选中当前文件 ShellExecute open explorer /e,/select,%f 查看log "C:\Program Files\TortoiseSVN\bin\TortoiseProc.exe" /command:log /path:%f /notempfile /closeonend diff "C:\Program Files\TortoiseSVN\bin\TortoiseProc.exe" /command:diff /path:%f /notempfile /closeonend 取得锁定(check out) "C:\Program Files\TortoiseSVN\bin\TortoiseProc.exe" /command:lock /path:%f /notempfile /closeonend 提交（check in） "C:\Program Files\TortoiseSVN\bin\TortoiseProc.exe" /command:commit /path:%f /notempfile /closeonend 更新（update） "C:\Program Files\TortoiseSVN\bin\TortoiseProc.exe" /command:update /path:%f /notempfile /closeonend 更新整个目录（update all） "C:\Program Files\TortoiseSVN\bin\TortoiseProc.exe" /command:update /path:*.* /notempfile /closeonend 取消锁定（undo check out） "C:\Program Files\TortoiseSVN\bin\TortoiseProc.exe" /command:revert /path:%f /notempfile /closeonend 在ultriEdit中编辑 "C:\Program Files\UltraEdit-32/uedit32" %f 在vim中编辑并定位到当前行 "C:\Program Files\Vim\vim63\gvim.exe" --remote-silent +%l %f 汇总其他小技巧： 让{ 和} 不缩进： Options->Document Options->Auto Indent->Indent Open Brace/Indent Close Brace hao space: SourceInsight 小技巧 1、按住"ctrl", 再用鼠标指向某个变量，点击一下，就能进入这个变量的定义。
练习题 第1章 1-1选择： 1.计算机中最常用的字符信息编码是（） A ASCII B BCD码 C 余3码 D 循环码 2．要MCS-51系统中，若晶振频率8MHz，一个机器周期等于( ) μs A 1.5 B 3 C 1 D 0.5 3.MCS-51的时钟最高频率是( ). A 12MHz B 6 MHz C 8 MHz D 10 MHz 4．以下不是构成的控制器部件（）： A 程序计数器、B指令寄存器、C指令译码器、D存储器 5．以下不是构成单片机的部件（） A 微处理器（CPU）、B存储器C接口适配器（I＼O接口电路） D 打印机6．下列不是单片机总线是（） A 地址总线 B 控制总线 C 数据总线 D 输出总线 7.-49D的二进制补码为.( ) A 11101111 B 11101101 C 0001000 D 11101100 8.十进制29的二进制表示为原码（） A 11100010 B 10101111 C 00011101 D 00001111 9. 十进制0.625转换成二进制数是（） A 0.101 B 0.111 C 0.110 D 0.100 10 选出不是计算机中常作的码制是（） A 原码 B 反码C补码 D ASCII 1-2填空 1.计算机中常用的码制有。 2.十进制29的二进制表示为。 3.十进制数-29的8位补码表示为. 。 4.单片微型机、、三部分组成. 5.若不使用MCS-51片内存器引脚必须接地. 6. 是计算机与外部世界交换信息的载体. 7.十进制数-47用8位二进制补码表示为. 。 8.-49D的二进制补码为. 。 9.计算机中最常用的字符信息编码是。 10．计算机中的数称为机器数，它的实际值叫。 1-3判断 1.我们所说的计算机实质上是计算机的硬件系统与软件系统的总称。（） 2.MCS-51上电复位时，SBUF=00H。（）。SBUF不定。 3.使用可编程接口必须处始化。（）。 4．8155的复位引脚可与89C51的复位引脚直接相连。（）
source insight代码格式化（Astyle） GNU的astyle是一个免费的代码格式化工具,能够格式化c/c++等代码，我们可以将Astyle.exe外挂到SourceInsight中，具体步骤如下： 1、下载Astyle工具 在网站https://www.doczj.com/doc/b915368167.html,/projects/astyle/下载 2、source insight中挂载Astyle工具 a、将AStyle_2.02_windows.zip解压到D:\lb\目录下（可以放在任意目录）。 b、在SourceInsight菜单栏里，Options-->Custom Commands界面上选择：Add,在弹出对话框写入命令名，在run中添加相应的命令。 1）ansi C格式化当前文件的命令为："D:\lb\AStyle\bin\Astyle.exe"--style=ansi -s4-S-N-L-m0-M40--convert-tabs--suffix=.pre%f
2）ansi C格式化某个目录下所有文件的命令为："D:\lb\AStyle\bin\Astyle.exe" Z:\LocalProject\DEZHOU3716/*.c Z:\LocalProject\DEZHOU3716/*.h-- style=ansi-s4-S-N-L-m0-M40--recursive--convert-tabs--suffix=.pre %f c、在SourceInsight菜单栏里，Options-->Custom Commands界面上选择：Keys,在弹出对话框的Command框的列表中找到你定义的命令名，然后点击
https://www.doczj.com/doc/b915368167.html, 1 Source Insight 3.5使用教程 一、建立工程： 1． 在桌面上新建一个保存工程文件的文件夹，文件夹取名为project ，如图1所示。（当然您可以在你任何路径下建立文件夹，文件夹的名称也可随意取。） 2． 将要加入工程中的源文件（*.h,*.c 等），都拷贝到建立的project 文件夹中。 图1 3． 打开Source Insight 3.5软件进入图2界面。 图2
4．点击菜单“Porject→New Project”进入图 3 5．图3中弹出的New Project对话框内，修改您要建立的工程名称，在此我们改成test；再点击Browse选择您要保存的路径，在本例我们选择第1步中建立的project 文件夹，即C:\Documents and Settings\tang03\桌面\project。如图4： 图4 https://www.doczj.com/doc/b915368167.html,2
6．点击图4中的New Project的“OK”按纽后进入新工程设置如图5所示界面，在此我们按图5中的选择进行设置后，点击“OK”确定，进入图6所示界面。 图5 7．在图6中，我们要选择要加入工程中的源文件。在“Add and Remove Project Files”对话框中的“Files Name”栏目下点击选中任一你想加入到工程中的文件，比如：I2C.C 文件，再点击右侧的“ADD”按纽即可将I2C.C文件加入工程，如图7和8所示。 图6 https://www.doczj.com/doc/b915368167.html,3
https://www.doczj.com/doc/b915368167.html, 4 图7 图8
中 文 信 息 学 报 第20卷第5期 J OURNAL OF CH I NESE I NF OR MATI O N P ROCESSI NG V ol.20N o.5文章编号:1003-0077(2006)05-0083-08 编码字符集标准及分类研究 谢 谦1,2,芮建武1,吴 健1 (1.中国科学院软件研究所开放系统与中文信息处理中心,北京 100080;2.河南大学计算机与 信息工程学院,河南开封 475001) 摘要:编码字符集标准是计算机处理文字信息的基础,本文提出了编码字符集三元组抽象,对现有编码字符集标准进行了简单回顾和总结,深入剖析了影响巨大的ISO2022标准及其派生标准,对ISO2022编码机制应用于多语言环境的局限性进行了探讨,阐明了使用通用编码字符集UCS的必要性,并对其进行了分析。探讨了现有编码分类方法存在的问题,引入了一种对编码字符集以及实现方法进行分类的新方法,使用该方法对现有标准进行了归类;最后对汉字字符集相关的国家标准进行了分析评介。 关键词:计算机应用;中文信息处理;编码字符集 中图分类号:TP391 文献标识码:A Research on Coded Character Set Standards and C lassification X I E Q ian1,2,RU I Jian-wu1,W U Jian1 (1.Open Syste m and Ch i nes e Infor m ati on Processi ng Cen ter,Institute of Soft w are,C h i nes e A cade m y of S ci en ces,B eiji ng100080, Ch i na;2.S chool of Compu t er and In for m ation Engineeri ng,H enan Un i versity,Kaifeng,H enan475001,Ch ina) Ab strac t:Coded character se t standa rd are t he base s of t he co m puter t ex t infor m ati on processing.In t his pape r,a3-turples m ode l is proposed t o descibe the coded character se.t The ex isting code standards are reviewed and su mma-rized.A nd t he ISO2022and it's deriv i ng standards are ana l y zed in de tail;incl uding the li m ita tion o f u tilizi ng IS O 2022in m ultili ngua l env iron m en.t N ecessit y o f foundi ng UCS(U niversa lCha racter Se t)is present ed,a long w it h an outline ana l y sis o f UCS.A ft e r eva l uating current c l assifica tion m e t hods o f coded character set standa rds,a new m eth-od is produced w ith applica tion i n ca talogu i ng existing standa rds.W e c l o se ou r paper w ith a brief ana l ysis of i m po r-tan t Chinese na tiona l st andards on Han character se.t K ey word s:compu t e r applicati on;Ch i nese inf o r m ati on processing;coded character se t 计算机应用从单纯的科学计算转向信息处理,是引发二十世纪信息革命的里程碑事件,而支撑这一转变的重要基础就是字符编码;通过制定字符编码标准,在人能理解的文字信息与计算机内部表达之间建立了一个基本的沟通桥梁,直到今天,基于文字的交互途径仍然是最主要的人机界面。正如Unicode标准中所言[1],“对计算机软件系统而言,字符编码就像螺钉和螺母———虽然微小,却以各种方式被普遍使用。” 收稿日期:2005-07-08 定稿日期:2006-05-22 基金项目:国家863计划资助项目(2003AA1Z2110);中国科学院知识创新工程资助项目(KGCX2-S W-504) 作者简介:谢谦(1968—),男,博士生,主要研究领域为系统软件国际化,X W i ndow系统,L inux标准化.