|
中文與英文用ASCII碼一個字節表示不同，它使用兩個字節來表示。事實上，在文本文件中保存的就是每個漢字對應的兩個字節編碼，而顯示問題由中文操作系統自動解決。
漢字編碼并不統一，我們使用的是GB碼，而臺灣地區使用的是BIG5碼。BIG5碼文件中保存的是漢字相應的BIG5編碼，GB碼文件中保存的是漢字相應的GB編碼。所以轉換工作的關鍵是有一個記錄每個BIG5編碼對應GB編碼的碼表文件。
GB碼編碼規則是這樣的：每個漢字由兩個字節構成，第一個字節的范圍從0XA1－0XFE，共96種。第二個字節的范圍分別為0XA1－0XFE，共96種。利用這兩個字節共可定義出 96 * 96＝8836種漢字。實際共有6763個漢字。
BIG5碼編碼規則是這樣的：每個漢字由兩個字節構成，第一個字節的范圍從0X81－0XFE，共126種。第二個字節的范圍分別為0X40－0X7E，0XA1－0XFE，共157種。也就是說，利用這兩個字節共可定義出 126 * 157＝19782種漢字。這些漢字的一部分是我們常用到的，如一、丁，這些字我們稱為常用字，其BIG5碼的范圍為0XA440－0XC671，共5401個。較不常用的字，如濫、調，我們稱為次常用字，范圍為 0XC940－0XF9FE，共7652個，剩下的便是一些特殊字符。
制作碼表文件的原理是這樣的：首先將所有的GB編碼寫入一個文件，然后，使用具有GB碼到BIG5碼轉換功能的軟件，如UCDOS下的CONVERT.EXE，將文件轉換為BIG5碼文件，即得到碼表文件。
下面的程序可將全部國標碼寫入文件gb.txt(以下全部程序用foxpro書寫，可很容易的轉換成其他語言)
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)
文件的組織形式：行對應編碼的第一字節，列對應編碼的第二字節。使用時請注意編碼的偏移量，如漢字“啊”GB編碼0xb1a1第一字節0xb1(177)第二字節0xa1(161)所以他應該在文件的第(177-161=16)行第((161-161)*2=0)列。
運行CONVERT.EXE將gb.txt轉換成BIG5碼的文件，這樣就可得到按GB碼組織的BIG5碼表文件big5.txt。反之亦可得到按BIG5碼組織的GB碼表文件。
轉換的思路是這樣的：(用foxpro書寫)
首先將碼表文件裝入數組
fp = fopen("big5.txt")
i = 0
do while feof(fp)
i = i+1
dime dict[i]
dict[i] = fgets(fp)
enddo
=fclose(fp)
其次將待轉換的文本裝入變量
create cursor temp (mm m)
append blank
append memo mm from textfilename
text = mm
然后掃描文本，替換所有的GB編碼
temp = ""
i = 1
do while i < len(text)
ch = substr(text,i,1)
if isascii(ch) && 若是ASCII碼
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
最后將在temp中得到轉換后的文本
需要注意的是，在foxpro中數組指針是以1開始，substr函數的起始位>=1。
foxpro大家應該都會，看得懂的。轉換好的big5.txt(17k)無法張貼。如有需要，請與我聯系。email: czjsz_ah@stats.gov.cn
|
