gb18030.c

关于在GB18030 大字库中的汉字检索的原代码用 C语言开发。

/**************************************************************************************************************
在中国，中文信息编码由政府负责制定并监督实施。这是为了保证对于所有的系统中文的编码都是一致的，能够互相进行操作。
从计算机的应用开始，我国已经颁布了多种中文信息编码标准，常用的是GB2312-1980，GB12345，GB13000（GBK），以及最新
标准GB18030。值得一提的是，最新的GB18030标准将要作为强制标准实行，所有不支持GB18030标准的软件将不能作为产品出售。 


从GB2312-1980编码开始，汉字都是采用双字节编码。为了与系统中基本的ASCII字符集区分开，所有汉字编码的每个字节的第一位都是1。
例如：“啊”字的编码为0xB0A1。GB2312的汉字编码规则为：第一个字节的值在0xB0到0xF7之间，第二个字节的值在0xA0到0xFE之间。
GB12345和GB13000是对GB2312-1980的扩充，所有已经包含在GB2312中的汉字编码不变，另外增加更多的码位。其编码规则大致为：
第一个字节的值在0x81到0xFE之间，第二个字节的值在0x40到0xFE之间。由于GB13000是对GB2312的扩展，所以也被成为GBK。 

GB18030也是对GB2312的扩展，其编码长度由2个字节变为1~4个字节。其中包括： * 单字节，其值从0到0x7F
* 双字节，第一个字节的值从0x81到0xFE，第二个字节的值从0x40到0xFE（不包括0x7F）
* 四字节，第一个字节的值从0x81到0xFE，第二个字节的值从0x30到0x39，第三个字节的值从0x81到0xFE，第四个字节的值从0x30到0x39。

可以看出，GB18030的容量非常大，共有码位160万左右。另外，它与GB13000标准是兼容的。
因此，所有基于GB13000设计的软件都能够不经修改运行在支持GB18030的系统平台上。 


汉字点阵在字库中的地址的计算由下面的函数实现（ANSI C 语言编写）
***********************************************************************************************************************/
/***************************************************************************************************
函数：unsigned long gt(unsigned char c1, unsigned char c2, unsigned char c3, unsigned char c4)
功能：计算汉字点阵在字库中的地址
参数：c1,c2,c3,c4：4字节汉字内码通过参数c1,c2,c3,c4传入，双字节内码通过参数c1,c2传入，c3=0,c4=0
返回：汉字点阵的字节地址(byte address)。如果用户是按word mode 读取点阵数据，则其地址(word
address)为字节地址除以2，即：word address = byte address / 2 .
例如：BaseAdd: 说明汉字点阵数据在字库中的起始地址，
“啊”字的内码为0xb0a1,则byte address = gt(0xb0,0xa1,0x00,0x00) *32

“ ”字的内码为0x8139ee39,则byte address = gt(0xee,0x39,0x81,0x39) *32

****************************************************************************************************/

unsigned long gt (unsigned char c1, unsigned char c2, unsigned char c3, unsigned char c4)
{
	unsigned long h=0;
	if(c2==0x7f)
		return (h);
	if(c1>=0xA1 && c1 <= 0xAB && c2>=0xa1) //Section 1
		h= (c1 - 0xA1) * 94 + (c2 - 0xA1);
	else if(c1>=0xa8 && c1 <= 0xa9 && c2<0xa1) //Section 5
	{
		if(c2>0x7f)
			c2--;
		h=(c1-0xa8)*96 + (c2-0x40)+846;
	}
	if(c1>=0xb0 && c1 <= 0xf7 && c2>=0xa1) //Section 2
		h= (c1 - 0xB0) * 94 + (c2 - 0xA1)+1038;
	else if(c1<0xa1 && c1>=0x81) //Section 3
	{
		if(c2>0x7f)
			c2--;
		h=(c1-0x81)*190 + (c2-0x40) + 1038 +6768;
	}
	else if(c1>=0xaa && c2<0xa1) //Section 4
	{
		if(c2>0x7f)
			c2--;
		h=(c1-0xaa)*96 + (c2-0x40) + 1038 +12848;
	}
	if(c2>=0x30 && c2<=0x39) //Extended Section (With 4 BYTES InCode)
	{
		if(c4<0x30 || c4>0x39)
			return(h=0);			
		h=(c3-0x81)*12600+(c4-0x39)*1260+(c1-0xee)*10+(c2-0x39)+22046;
		if(h>=22046 && h<=22046+6530)
			return(h);
		else
		{ 	h=0;
			return(h);
		}
	}
	return(h);
}