区位码，国标码，内码

区位码：可当作一种逻辑概念，它按照区号加位号的方式为每个汉字编码。采用两个两位的十进制数表示。

国标码：GB2312为每个汉字编的码，可认为它是区位码的一个“子集”（比如港澳台地区也按照自己的区位码的方式为每个汉字编码），只不过它的编码方式与区位码不一样。采用两个两位的十六进制数表示。

内码：二进制序列，是字符在计算机内部真正的表示。

 

下面列一下区位码，国标码，内码三者之间的转换公式：

区位码-->国标码：区位码（十进制）的两个字节分别转换为十六进制后加20H得到对应的国标码

国标码-->内码：国标码两个字节的最高位分别加1，国标码的两个字节分别加80H得到对应的机内码

区位码-->内码：区位码（十进制）的两个字节分别转换为十六进制后加A0H（十进制160）得到对应的机内码。

 

下面是根据以上原理，获取汉字声母的函数：

 

// 获取单个汉字的声母

char CDlgBaseDlg::GetInitCNWord(LPCSTR lpszWord){ //存放国标一级汉字不同读音的起始区位码 int aPos[26] = { 1601, 1637, 1833, 2078, 2274, 2302, 2433, 2594, 2787, 3106, 3212, 3472, 3635, 3722, 3730, 3858, 4027, 4086, 4390, 4558, 4684, 4925, 5249, 5600}; //存放国标一级汉字不同读音的起始区位码对应读音 char szLetter[26] = { 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'w', 'x', 'y', 'z'}; char cInit = '-'; BYTE byaWord[2]; // 区和位 memcpy((void*)byaWord, lpszWord, 2); // 获取汉字在机器内的二进制表示，也就是内码 int nPos = 0; int i; for (i = 0; i < 2; i++) { byaWord[i] -= 160; // 内码转换为区位码 } nPos = byaWord[0] * 100 + byaWord[1]; // 区和位构成区位码 for (i = 0; i < 23; i++) { if (nPos >= aPos[i] && nPos< aPos[i + 1]) // 确定区位码属于哪个字母的区位码范围 { cInit = szLetter[i]; break; } } return cInit; }

 

// 获取汉字词组的声母序列

void CDlgBaseDlg::GetInitsFromCNPhrase(LPCSTR lpszPhrase, LPSTR lpszInits) { int len = strlen(lpszPhrase); int p = 0; char szCNWord[2]; memset(szCNWord, 0x00, sizeof(2)); for (int i = 0; i < len; i = i + 2) { strncpy(szCNWord, lpszPhrase + i, 2); *(lpszInits++) = GetInitCNWord(szCNWord); } }

 

注：如果在unicode环境下，需要先把unicode字符转换为MBCS字符，然后再调用上述函数。