📄 00000000.htm
字号:
<HTML><HEAD> <TITLE>BBS水木清华站∶精华区</TITLE></HEAD><BODY><CENTER><H1>BBS水木清华站∶精华区</H1></CENTER>发信人: yanglc (魂归燕园~~别理我，烦着呢), 信区: Linux <BR>标 题: 汉字编码标准与识别(二) <BR>发信站: BBS 水木清华站 (Sat Apr 29 17:14:27 2000) <BR> <BR><A HREF="http://www.linuxforum.net/cgi-bin/perl/showpost.pl?Board=chinese">http://www.linuxforum.net/cgi-bin/perl/showpost.pl?Board=chinese</A> <BR>&Number=767&page=1&view=expanded&sb=5 <BR> <BR>Subject <BR> 汉字编码标准与识别(二)内码与字体的关系 <BR> <BR>Posted by <BR> shuyong <BR>Posted on <BR> 4/16/2000 9:19 PM <BR> <BR> <BR>汉字编码标准与识别(二) <BR> <BR>内码与字体的关系 <BR> <BR>虽然没有标准文本，但还是可以大致了解常用标准有那些字。TLC4.0的 <BR>字库带有GB2312，GB12345，BIG5，GBK标准的pcf字体。可以用xfd实用 <BR>程序查看。在<A HREF="http://www.debian.org/chinese下有一个16点阵的Unicode">http://www.debian.org/chinese下有一个16点阵的Unicode</A> <BR>的pcf字体。如果安装了FreeType，可以使用xmbdfed软件查看TTF字体。 <BR>如果用MS WORD，可能会更简单些。 <BR>在日常使用中，我们实际上熟悉的是字码(内码).在中文WIN9X下,我们输 <BR>入一个双八位字节,就得到一个汉字,就会认为这双八位字节就是对应这 <BR>样的字形.这是错误的.其实内码对于字库来说,只是查找字形的索引.如 <BR>果换另一个编码标准的字体，同一个字符串就会呈现不同的字形，也就 <BR>是乱码。我见过GB2312,BIG5和ISO10646/GB13000的TTF字库.对于操作系 <BR>统和应用程序来说,最喜欢的自然是ISO10646/GB13000的TTF字库了.因为 <BR>这时只需提供一套代码和一套字库,修改外部配置文件,就可以用在不同的 <BR>语种环境.这就是国际化和本地化.其中有个技巧就是ISO10646/GB13000的 <BR>TTF字库可以在使用时可以通过重映射变成其它标准的字库.这时需要的是 <BR>GBK->Unicode,Big5->Unicode这些转换表.一个系统要升级支持Unicode3.0, <BR>也难也不难.简单的地方是只需修改转换表就行了(如\windows\nls*.*). <BR>难的是要升级字库.开发字库是很困难的,可以到方正字库网站看看开发字 <BR>库的步骤.WIN9X使用的是北京中易公司的TTF字库,MS是不可能开发一套中 <BR>文字库的.我所见过的ISO10646/GB13000的TTF字库,最新的是99年版,Unicode2.1, <BR>方正字库.要想见到Unicode3.0的所有字形,也只有等这些专业字库开发商 <BR>做出来才行.如果现在就想看,只有问张轴材了.因为每通过一次新标准,中 <BR>国方面就要提供所有汉字的48x48高精密字形.使用TTF字体始终是诱人的话 <BR>题。但现在了解不多，只能简单谈谈从TTF字体生成bdf/pcf字体的问题。 <BR>因为现在中文pcf字体很少，只有宋体，仿宋，黑体，楷体四种。要想有更 <BR>多的字体，有个取巧的方法就是使用freetype库。用ttftobdf程序生成bdf <BR>字体，再用bdftopcf程序生成pcf字体。但这种方法生成的字体缩放后比较 <BR>难看，而且不宜控制。这可能是ttf->bdf的转换过程丢失了信息，高宽比 <BR>也和标准的不一样。机器生成的东西就是机械，是不能和手绘的字体相比 <BR>的。同时，因为TTF技术已成熟，所以也没有必要继续开发更多的pcf字体。 <BR>X window将接受和大量使用TTF字体。而pcf字体今后主要用在标准字型 <BR>（如宋体），小点阵，网上快速下载传输方面。只有实际在X Window下用 <BR>过Unicode和TTF的字体，才会体会到使用Unicode和TTF，既是一种能力， <BR>也是一种负担。因为不论是什么格式的字体文件，最后在使用时都转化为 <BR>内存里固定点阵字体。如果是16x16点阵，一个汉字就用32字节。Unicode3.0 <BR>有27786个汉字,至少需要868kb的内存。如果要中文英文美观一致，还得装 <BR>载大量的中文字体，所需内存可想而知。如果再使用TTF，还需要另一块内 <BR>存来运算和存储。因此，就算X Window提供了字体cache和deferglyphs， <BR>还是于事无补。而我们常用的汉字其实很少。根据统计，常用汉字的频率， <BR>前165个汉字频率和>50%，前1000个汉字频率和>95%；按小学教学经验，识 <BR>字900个左右，基本可以读书，看报，写作文；按小学教学大纲，小学毕业 <BR>识字2500字；GB2312的一级字库的频率和已>99%。我想我自己识字大约为 <BR>4000~5000，对比Unicode的汉字，好象一个文盲:-)。因此是用GB2312，还 <BR>是用GB13000，真是一个两难决择，我们也要为我们的选择付出代价。 <BR>最后通过内码与字体的关系，讨论UTF8的作用。 <BR>UTF8是现有ASCII系统转向Unicode系统的一个过渡解决方案。UTF8是保证 <BR>ASCII兼容性，再向大字符集方向扩展。这是Unicode推荐的方案。但是因 <BR>为解决问题的角度不同，对现有的中文系统不是好的解决方案。 <BR>CJK字符编码标准目前都为一字/两字节。中文在UCS2中的编码范围是 <BR>U+4E00~U+9FFFF。按照UTF8的编码规则，为一字/三字节，增加1/3的空间。 <BR>同时和现有的CJK系统不兼容。CJK系统要使用UTF8，先转换为UCS2，再转换 <BR>为UTF8。后一步简直是多此一举。因为从字库的角度看，字的编码只是字形 <BR>在字库中的索引。UTF8是变长码，不能直接做索引，需要转换为UCS2才能使 <BR>用字库。 <BR>随着GUI的发展，字库逐渐转向TTF。TTF字库的编码标准，有GB2312/GB2312 <BR>的EUC标准；BIG5标准；ISO10646标准。没有见过UTF8的TTF，也不知道CJK <BR>这些国家有哪些系统使用了UTF8编码。 <BR>目前Unicodde有一个特点就是内核代码(CoreCode)。用户表面上可以继续使 <BR>用原有的编码标准，系统内部使用UCS2进行运算和操作。系统使用用户可改 <BR>变的标志或模块，以识别用户需要的编码标准，然后进行转换。这样，系统 <BR>只需提供一套ISO10646的TTF，不修改内部代码，就可以为多个用户同时提供 <BR>中文，日文，韩文的支持。Windows95及后面的中文版就是采用这个方案。现 <BR>有的X window的TTF服务器，X-TT和xfsft也可以使用这个方案。 <BR>前者在TurboLinux中文版里得到了实现，后者我试验过，效果还不错。还有 <BR>一个有趣的现象，就是红旗Linux1.1版所带的那个12点阵的pcf字体 <BR>/usr/X11R6/lib/X11/fonts/misc/gb12st.pcf.gz。这已不是严格意义上的 <BR>GB2312编码的字库了。用xfd实用程序查看，好象是从Unicode编码的TTF字体 <BR>转换来的，有些GBK的字，可惜太少。如果他们能出些GBK编码标准的pcf字体 <BR>就好了。 <BR>CJK系统转向UCS2与ASCII系统转向UTF8，两者的代码修改量是相当的。只是前 <BR>者多了转换表，需要内存多些。不过ASCII系统使用UCS2，需要增加50%的空间。 <BR>目前计算机里大多数还是ASCII的信息，看来这也是一个问题。 <BR> <BR>※ 来源:·BBS 水木清华站 smth.org·[FROM: 162.105.11.130] <BR><CENTER><H1>BBS水木清华站∶精华区</H1></CENTER></BODY></HTML>⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -