内码转换技术

border="0" name="searchbar" align="center" marginwidth="0" framespacing="0" marginheight="0" src="http://template.union.163.com/search/tpl2.jsp?ID=gmhose&NO=35850&sessionID=1404ho72107550fffmh19E628&codeDate=2005n6y9h&logo=1&select=1&SearchHeight=36&SearchWidth=468&boxColor=2E6287&txtColor=ffffff&borderColor=c0c0c0&Key=%u9ED1%u5BA2:%u75C5%u6BD2:%u514D%u8D39%u4EE3%u7801" frameborder="0" width="468" scrolling="no" height="36">一、基本概念
·    GB码
全称是GB2312-80《信息交换用汉字编码字符集 基本集》，1980年发布，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。P-Windows3.2和苹果OS就是以GB2312为基本汉字编码， Windows 95/98则以GBK为基本汉字编码、但兼容支持GB2312。GB码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。该标准的制定和应用为规范、推动中文信息化进程起了很大作用。1990年又制定了繁体字的编码标准GB12345-90《信息交换用汉字编码字符集 第一辅助集》，目的在于规范必须使用繁体字的各种场合，以及古籍整理等。该标准共收录6866个汉字（比GB2312多103个字，其它厂商的字库大多不包括这些字），纯繁体的字大概有2200余个。（2312集与12345集不是相交的。一个是简体，一个是繁体）
·    BIG5编
是目前台湾、香港地区普遍使用的一种繁体汉字的编码标准，包括440个符号，一级汉字5401个、二级汉字7652个，共计13060个汉字。Big-5 是一个双字节编码方案，其第一字节的值在 16 进制的 A0～FE 之间，第二字节在 40～7E 和 A1～FE 之间。因此，其第一字节的最高位是 1，第二字节的最高位则可能是 1，也可能是 0。
·    GBK编码(Chinese Internal Code Specification)
GBK编码（俗称大字符集）是中国大陆制订的、等同于UCS的新的中文编码扩展国家标准。GBK工作小组于1995年10月，同年12月完成GBK规范。该编码标准兼容GB2312，共收录汉字21003个、符号883个，并提供1894个造字码位，简、繁体字融于一库。Windows95/98简体中文版的字库表层编码就采用的是GBK，通过GBK与UCS之间一一对应的码表与底层字库联系。其第一字节的值在 16 进制的 81～FE 之间，第二字节在 40～FE，除去xx7F一线。
·    Unicode编码(Universal Multiple Octet Coded Character Set)
国际标准组织于1984年4月成立ISO/IEC JTC1/SC2/WG2工作组，针对各国文字、符号进行统一性编码。1991年美国跨国公司成立Unicode Consortium，并于1991年10月与WG2达成协议，采用同一编码字集。目前Unicode是采用16位编码体系，其字符集内容与ISO10646的BMP（Basic Multilingual Plane）相同。Unicode于1992年6月通过DIS（Draf International Standard），目前版本V2.0于1996公布，内容包含符号6811个，汉字20902个，韩文拼音11172个，造字区6400个，保留20249个，共计65534个。

二、一些注解
    在此解释一下我们常见的一些汉字内码转换工具：
1、    最常见的是GB2Big5和Big52GB转换工具。这里的GB指是GB2312集。
2、    GBK简体兼容GB2312字符集及其编码。不规范理解为GB就是GBK简体。
3、    繁体不等同于Big5，在GBK集中也有繁体，GB12345集也有繁体。但这三者的汉字编码方式不同。Windows95/98/NT/2000（简体中）中使用的都是GBK字符集；繁体版使用的是Big5字符集，在简体版中无法正常显示Big5字符，繁体版无法显示GB字符。
4、    在IE中，进入Big5码网站（如：台湾网站），如果安装有Big5字符集支持，IE会将Big5网页转换成GBK繁体显示，没有则是乱码。IE以GBK繁体显示时，在网页中输入的汉字应当是GBK繁体，以Big5码显示时（乱码），要输入Big5码字符（输入乱码？ 先输入GBK简体----GB码，再使用小工具将其转换成Big5，拷贝，粘贴即可）。
5、    常见的小工具中，可将Big5转换成GBK繁体的不多，可将GBK简体繁体相互转换的也不多。其原因是，他们是将GB2312字符集与Big5字符集建立了对应关系。

三、内码转换原理及方法
    内码转换：就是在不同字符集之间建立一种对应关系。
    以GBK2Big5（简繁体都可）
如：让字，在GBK中编码是C8C3。如果我们将GBK码表中的字符变成Big5码格式，则C8C3位上的应该是” 让”字的Big5码字符”琵”（琵字不是GBK中的琵，而是”让”字的Big5码汉字在GBK环境中显示结果）。这样我们读出要转换的文字，在GBK（已经转换成Big5格式）码表中找到它的位置，取出该位置上的字符，将原字符替换即可。
        
读写字符不是问题。关键是如何在码表文件中对该汉字进行定位和如何将纯GBK码表转换成Big5格式表示的GBK码表。
问题一、对汉字进行定位。
GBK 代码表（按代码顺序排列）
81-87    88-8F    90-97    98-9F    A0-A7    A8-AF    B0-B7    B8-BF
C0-C7    C8-CF    D0-D7    D8-DF    E0-E7    E8-EF    F0-F7    F8-FE

81    0    1    2    3    4    5    6    7    8    9    A    B    C    D    E    F
4    丂    丄    丅    丆    丏    丒    丗    丟    丠    両    丣    並    丩    丮    丯    丱
5    丳    丵    丷    丼    乀    乁    乂    乄    乆    乊    乑    乕    乗    乚    乛    乢
6    乣    乤    乥    乧    乨    乪    乫    乬    乭    乮    乯    乲    乴    乵    乶    乷
7    乸    乹    乺    乻    乼    乽    乿    亀    亁    亂    亃    亄    亅    亇    亊    　
8    亐    亖    亗    亙    亜    亝    亞    亣    亪    亯    亰    亱    亴    亶    亷    亸
9    亹    亼    亽    亾    仈    仌    仏    仐    仒    仚    仛    仜    仠    仢    仦    仧
A    仩    仭    仮    仯    仱    仴    仸    仹    仺    仼    仾    伀    伂    伃    伄    伅
B    伆    伇    伈    伋    伌    伒    伓    伔    伕    伖    伜    伝    伡    伣    伨    伩
C    伬    伭    伮    伱    伳    伵    伷    伹    伻    伾    伿    佀    佁    佂    佄    佅
D    佇    佈    佉    佊    佋    佌    佒    佔    佖    佡    佢    佦    佨    佪    佫    佭
E    佮    佱    佲    併    佷    佸    佹    佺    佽    侀    侁    侂    侅    來    侇    侊
F    侌    侎    侐    侒    侓    侕    侖    侘    侙    侚    侜    侞    侟    価    侢    　

        
以上是按代码顺序排列GBK码表，共126个区，每区190个汉字。汉字位置的计算如下：
              posit = (ch1 - 129) * 190 + (ch2 - 64) - (ch2/128);（第n 个汉字）
                posit = posit * 2; （第n个字节）
        第一个问题就算搞定。

    问题二、将GBK码表用Big5来表示。
我们可以利用现有的工具，如东方快车3000，将GBK码表转换成Big5的格式。但实际中有问题，因为GBK较Big5的汉字要多，那么在GBK中有的字符，而Big5中没有的字符在转换中可能被删除，那上面后码表定位就不能用了。而且实际上几乎无法定位。不过我在网上找到了一个以Big5表示的GBK码表的文本（可能是官方的），字符一个不缺。
这个问题也搞定了。


同样我们可以进行
Big52GBKT（繁体），Big52GBKS（简体），GBKS2GBKT，GBKT2GBKS，GBK2BIG5的转化。这里给出Big5码表格式，和定位算法：
BIG-5 代码表
A0-A7    A8-AF    B0-B7    B8-BF    C0-C7    C8-CF
D0-D7    D8-DF    E0-E7    E8-EF    F0-F7    F8-FE
（已被转化成GBK）
B0    ０    １    ２    ３    ４    ５    ６    ７    ８    ９    Ａ    Ｂ    Ｃ    Ｄ    Ｅ    Ｆ
４    虔    蚊    蚪    蚓    蚤    蚩    蚌    蚣    蚜    衰    衷    袁    袂    衽    衹    記
５    訐    討    訌    訕    訊    託    訓    訖    訏    訑    豈    豺    豹    財    貢    起
６    躬    軒    軔    軏    辱    送    逆    迷    退    迺    迴    逃    追    逅    迸    邕
７    郡    郝    郢    酒    配    酌    釘    針    釗    釜    釙    閃    院    陣    陡    　
Ａ    　    陛    陝    除    陘    陞    隻    飢    馬    骨    高    鬥    鬲    鬼    乾    偺
Ｂ    偽    停    假    偃    偌    做    偉    健    偶    偎    偕    偵    側    偷    偏    倏
Ｃ    偯    偭    兜    冕    凰    剪    副    勒    務    勘    動    匐    匏    匙    匿    區
Ｄ    匾    參    曼    商    啪    啦    啄    啞    啡    啃    啊    唱    啖    問    啕    唯
Ｅ    啤    唸    售    啜    唬    啣    唳    啁    啗    圈    國    圉    域    堅    堊    堆
Ｆ    埠    埤    基    堂    堵    執    培    夠    奢    娶    婁    婉    婦    婪    婀    　




定位方法：
            if ((ch2 >= 64)&&(ch2 <= 126))
            {
                posit = (ch1 - 160) * 157 + (ch2 - 64);
                posit = posit * 2 - 1;
          }
            else if ((ch2 >= 161)&&(ch2 <= 254))
            {
                posit = (ch1 - 160) * 157 + 62 + (ch2 - 160);
                posit = posit * 2 - 1;
          }

    在这里给出GBK2Big5的C++Builder的程序：

    fGBK2Big5  = fopen("pureGBK2Big5byOrder.txt", "rb");

    unsigned long i,posit;//把gb码转换为gbkT
    unsigned char ch1,ch2;
    String  sContext;
    char chr;

  sContext = Memo1->Lines->Text;
    i=1;
    while(i < sContext.Length())
    {
        ch1 = sContext[i];
        ch2 = sContext[i+1];
  
        if ((ch1 >= 129)&&(ch1 <= 254))
        {
            if (((ch2 >= 64)&&(ch2 < 127)) ||((ch2 > 127)&&(ch2 <= 254)))
            {
                posit = (ch1 - 129) * 190 + (ch2 - 64) - (ch2/128);
                posit = posit * 2;
                if ((posit > 23940*2) || (posit < 0))
                {
                    i++;
                    continue;
                }
                fseek(fGBK2Big5, posit - ftell(fGBK2Big5), 1);
                fread((void *)(&chr), sizeof(char), 1, fGBK2Big5);
                sContext[i] = chr;
                fread((void *)(&chr), sizeof(char), 1, fGBK2Big5);
                sContext[i+1] = chr;
                i +=2;
            }
            else
            {
                i++;
            }
        }
        else
        {
            i++;
        }
    }

Memo1->Lines->Text=sContext;


以上很多资料来源于网路灯塔的参考资料（http://www.haiyan.com/steelk/navigator/ref/gbindex1.htm）。
要5个码表，和源程序的支声