学习笔记转汉字区位码查询与算法
生活随笔
收集整理的這篇文章主要介紹了
学习笔记转汉字区位码查询与算法
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
漢字區位碼查詢與算法
2007-10-27 09:44?7680人閱讀?評論(0)?收藏?舉報 算法stringbytecharacterencodinginteger目錄(?)[+]
漢字區位碼查詢與算法——microsoft visual studio 2005系列
www.tuenhai.com?20060427
要從事學術研究，一定要學好數學，數學可以把對事物的描述精確化。
tuenhai為什么要學習編程？其中一個原因就是利用編程工具進行一些數學運算。
記得大約10年前，那時tuenhai還沒有電腦，要進行大數計算，怎么辦？那時就到處打聽，哪里有數位多一些的計算器。一般計算器只有8位，多一些的12位，還是不夠用。有一次和故人到大城市，總算打聽到了超過12位的計算器，考慮再三，還是沒有買下來（不知故人還有沒有記得這件事，畢竟過去這么多年了）。
父親把我們以前讀過的教材，練習本都保存著，我把粘滿灰塵的數學教材找出來，放在我的書房，有時還會去隨便翻翻。
現在學校教育是徹頭徹尾的失敗。教育沒有和實際結合，畢業不久，學過的知識就很多交還給老師了。想起來，學校教育至少浪費了我5年光陰，工作中又至少浪費了我8年光陰，從出生到現在，竟有近一半時間浪費掉了，實在可怕。
把學校教育批評得一無是處，那么理想的教育應該是怎么樣的呢？
理想的教育應該是一切學科相通的，只有這樣，知識才能活起來，學而即用，不用死記。這樣的學習，只有快樂，沒有痛苦。
這樣的學校教育可謂是完美，在這個不完美的世界可能永遠不會實現。就象中醫，這么多人說要發揚真正的中醫，但現代人沒有這個福氣，連偽中醫都要衰落，何況真中醫。現代“小火神”為什么不寫書，或許有深機在焉。
一切學科相通，從而理解這個世界，這個題目太大了，tuenhai(tuenhai.com)也只是玩味了一點點。這里只討論一下用編程的方法數字與漢字的轉換，同時也附錄一些資料，方便研究。
'tuenhai所用獲得漢字或字符對應的區位符
Function quwei(ByVal x As String) As String '
x = Asc(x) 'Asc 返回輸入字符的碼位或字符代碼。對于單字節字符集 (SBCS)，返回值范圍為 0 到 255；對于雙字節字符集 (DBCS)，返回值范圍為 -32768 到 32767。對于單字節 ASCII 字符的圖表，請參見 ASCII 字符代碼。
x = Hex((x)) '返回表示數字的十六進制值的字符串。劉=FFFFC1F5,前面的4個F去掉,得到16進制的內碼。16進制的C=10進制的12
Dim str As String
str = Format(CDec("&H" & Strings.Mid(x, 5, 2)) - 160, "00") & Format(CDec("&H" & Strings.Mid(x, 7, 2)) - 160, "00")
'Strings.Mid(x, 5, 2) '得到16進制的內碼，“劉”內碼高位=C1
'CDec("&H" & str) '轉換成10進制內碼，"&H"表示16進制 “劉”內碼高位=193
'-160 得到10進制區碼, “劉”區碼是33
'Format(decQu, "00") '格式化為兩位數表示
Return str
End Function
'GB2312的原文還是區位碼，從區位碼到內碼，需要在高字節和低字節上分別加上A0，?
'在DBCS中，GB內碼的存儲格式始終是big endian，即高位在前。?
' 區位碼是與漢字一一對應的編碼，用四位數字表示， 前兩位從01 到94稱區碼，后兩位從01到94稱位碼。 一個漢字的前一半是 ASCⅡ碼為“160＋區碼”的字符，后一半是ASCⅡ碼為“160＋ 位碼”的字符。
'例如：“劉”的區位碼是 3385，其意為區碼33位碼85，它是由ASCⅡ碼為160＋33=193和160＋85=245的兩個字符組成。?
'tuenhai所用獲得區位符對應漢字或字符
Function hanzi(ByVal x As String) As String '
On Error Resume Next
Dim str As String
str = Chr("&H" & Hex(Val(Strings.Left(x, 2)) + 160) & Hex(Val(Strings.Right(x, 2)) + 160))
Return (str)
End Function
'Chr 使用 System.Text 命名空間中的 Encoding 類來確定當前線程使用的是單字節字符集 (SBCS) 還是雙字節字符集 (DBCS)。然后將 CharCode 作為相應字符集中的碼位。對于 SBCS 字符，范圍為 0 到 255，對于 DBCS 字符，范圍為 -32768 到 65535。
'ChrW 以 CharCode 作為 Unicode 碼位。其范圍與當前線程的區域性和代碼頁設置無關。-32768 到 -1 范圍內的值的處理方式與 +32768 到 +65535 范圍內的值相同。
(更多文章請訪問www.tuenhai.com?20060427 剡)
漢字區位碼查詢,漢字區位碼查詢系統,區位碼輸入法下載,姓名區位碼查詢,漢字區位碼下載,漢字區位碼軟件,電話號碼區位碼查詢,什么是漢字區位碼,電話區位碼查詢,區位輸入法下載,城市的區位因素,手機號碼區位查詢,農業的區位選擇,高考區位號查詢,重慶高考區位號,工業的區位選擇,漢字區位輸入法,漢字區位代碼表,區位日語輸入法下載,漢字區位代碼查詢
附錄：
從漢字到區位碼的轉換
http://blog.csdn.net/leeajax/archive/2004/07/12/39686.aspx
學校要我們填寫畢業生的情況表,機讀卡那種,姓名要用區位碼.我想如果用程序來查詢的話,就是數據庫查找,我想編一個應該很簡單的,就上網看看有沒有類似的程序,然后我再用它的數據庫自己實現一個,可讓我查到了一個文章講如何實現從漢字到區位碼的轉換,呵呵,可以不用數據庫了.
區位碼是與漢字一一對應的編碼，用四位數字表示， 前兩位從01 到94稱區碼，后兩位從01到94稱位碼。 一個漢字的前一半是 ASCⅡ碼為“160＋區碼”的字符，后一半是ASCⅡ碼為“160＋ 位碼”的字符。
例如：“劉”的區位碼是 3385，其意為區碼33位碼85，它是由ASCⅡ碼為160＋33=193和160＋85=245的兩個字符組成。?
我用簡單的控制臺程序實現如下
＃i nclude
＃i nclude
void main()
{
char i[64];
while(1)
{
cout<<"輸入單個字母退出"< cin>>i;
if(strlen(i)==1)break;
for(int j=0;j cout<<(i[j]+96)*100+i[j+1]+96< }?
}
如何隨機生成指定數目的國標漢字？
http://blog.csdn.net/northwolves/archive/2004/07/25/51270.aspx
為了使每一個漢字有一個全國統一的代碼，1980年，我國頒布了第一個漢字編碼的國家標準： GB2312-80《信息交換用漢字編碼字符集》基本集，這個字符集是我國中文信息處理技術的發展基礎，也是目前國內所有漢字系統的統一標準。由于國標碼是四位十六進制，為了便于交流，大家常用的是四位十進制的區位碼。所有的國標漢字與符號組成一個94×94的矩陣。在此方陣中,每一行稱為一個"區",每一列稱為一個"位",因此,這個方陣實際上組成了一個有94個區(區號分別為0 1到94)、每個區內有94個位(位號分別為01到94)的漢字字符集。一個漢字所在的區號和位號簡單地組合在一起就構成了該漢字的"區位碼"。在漢字的區位碼中，高兩位為區號，低兩位為位號。 在區位碼中，01-09區為682個特殊字符，16~87區為漢字區，包含6763個漢字?。其中16-55區為一級漢字(3755個最常用的漢字，按拼音字母的次序排列)，56-87區為二級漢字(3008個漢字，按部首次序排列)。?
所以，當我們需要n個任意漢字時，我們不必建一個全部漢字表，而是利用區位碼實現常用漢字的提取。
下面的代碼可以實現任意數目漢字的生成：
Private Sub getrndhanzi(ByVal n As Integer)
Dim s() As String, i As Integer
Dim temp1 As Integer, temp2 As Integer
ReDim s(1 To n)
Randomize
For i = 1 To n
temp1 = 16 + Int(Rnd * 72)
If temp1 = 55 Then
temp2 = Int(Rnd * 90) '一級漢字從1601-1694,1701-1794,.....5401-5494，5501-5589,共94*40-5=3755 個漢字
Else
temp2 = Int(Rnd * 95) '二級漢字從5601-5694,5701-5794,.....8601-8694，8701-8794,共94*32=3008 個漢字
End If
s(i) = Chr("&H" & Hex(temp1 + 160) & Hex(temp2 + 160))
Next
Debug.Print Join(s, "")'輸出
End Sub
Private Sub Command1_Click()
Dim i As Integer
For i = 1 To 25 '分別生成1-25個任意漢字
getrndhanzi i
Next
End Sub
輸出：
腿
夫敞
途罨椽
涅搦侄鋱
榨藸禒艟球
枵舟斟盯灘桫
猻暗田苫撂蕾岢
冠澧炫鲼噘惺馘柘
巧愁炔嗶臆策秈錠昏
紶假媼慈乘嘎膚景濡薤
呋刨鍾灰櫸懋唇弱獻囟垤
均耋撤闐驛邇愍殞堝砸宕薅
蒹翦俄形碌哧烀爝懶繚嬪捭渾
瑾砜疬嚌遒濂勾彐綘珩苓就萌炳
光槨旖趁鯤頎壕狁媼暑額愾帷淤黹
湫熏褲降旺廓淳傻蛻脬蓀色注紫劾吾
陶瀝瑗骶埴于喃刮癭突賅斛簡銓觴抨唼
格鴿乜衍夙菀鱺敗陸褐噲苑滓淆踵訖頭綁
德泠婷岙湔池槳郅峁汩卒控訴芻鏜椎鬣越嫉
義懂聶其定鰳脯膪巰吐昏罰返抖陵沌戧喘茺緙
廢霧旯浠疼贓勛妓鱒埏幫盂蕹朐裂祆膻拌脎威純
宛免作繡稞涑梟搬懌旦熨呈棄馳翔聚飾栩燧艴氫貧
豕源髑乍蚍夏己履畢芤毀簣子褊崖壞忑霉鈿瘢駔遷裨
獬紛胚槳衫蹣瘋祧武琢吣酃踱免逘濁頇坐磬挫鄶嬸繆錳
拽技薯帙陜槲逗蜱嘧雌怙詿橢踉盔锍認致暝榴蘗逆捻螨噬
附：
漢字與區位碼轉換代碼：
Function quwei(ByVal x As String) As String '獲得某漢字或字符對應的的區位碼
If Asc(x) >= 0 Then Exit Function
x = Hex(Asc(x))
quwei = Format(CDec("&H" & Left(x, 2)) - 160, "00") & Format(CDec("&H" & Right(x, 2)) - 160, "00")
End Function
Function hanzi(ByVal x As String) As String'獲得某區位碼對應漢字或字符
hanzi = Chr("&H" & Hex(Val(Left(x, 2)) + 160) & Hex(Val(Right(x, 2)) + 160))
End Function
經驗總結--字符串與編碼
http://www.cnblogs.com/hellosnoopy/articles/98127.html
SRC:http://search.csdn.net/Expert/topic/1880/1880675.xml?temp=3.344363E-02
這幾個月作手機短信的項目，碰到了很多字符編碼的問題，真頭痛。經過多番資料的搜索、親手嘗試和高人的指點，現在好像沒那么迷惘了。現作了一些總結跟大家分享（有誤之處請指點）
首先應該把字節數組看成是String的載體。
dot Net使用的字符串String是Unicode編碼的；它也是以Unicode編碼的形式顯示字符串。
以下是用自己語言對幾個常用函數的說明：
（自己總結的，反正看不明MSDN）
bytes=System.Text.Encoding.Unicode.GetBytes(str)
作用：把str的載體作Unicode->Unicode的編碼轉換--也就是沒有對載體作任何的轉換。因些使用此函數可以得代表該String載體的字節數組。
str=System.Text.Encoding.Unicode.GetString(bytes)
作用：對字節數組作Unicode->Unicode的編碼轉換--即沒有轉換，把經過轉換后的字節數組作為str的載體。
bytes=System.Text.Encoding.Utf8.GetBytes(str)
作用：把str的載體作Utf8->Unicode的編碼轉換。返回的是經過轉換后的字符數組
str=System.Text.Encoding.Utf8.GetString(bytes)
作用：對字節數組作Gb2312->Unicode的編碼轉換，把經過轉換后的字節數組作為str的載體。
bytes=System.Text.Encoding.GetEncoding("GB2312").GetBytes(str)
作用：把str的載體作Gb2312->Unicode的編碼轉換。返回的是經過轉換后的字符數組
str=System.Text.Encoding.GetEncoding("GB2312").GetString(bytes)
作用：對字節數組作Gb2312->Unicode的編碼轉換，把經過轉換后的字節數組作為str的載體。
如此類推
bytes=System.Text.Encoding.GetEncoding("XXX").GetBytes(str)
作用：把str的載體作XXX->Unicode的編碼轉換。返回的是經過轉換后的字符數組
str=System.Text.Encoding.GetEncoding("XXX").GetString(bytes)
作用：對字節數組作XXX->Unicode的編碼轉換，把經過轉換后的字節數組作為str的載體。
這里是我收集的一些有關字符編碼的資料：http://61.145.116.154/bm/
還有：
http://www.unicode.org/charts/unihan.html
根據Unicode編碼查其對應字符的字形、Utf8、漢字區位碼等
http://www.unicode.org/Public/MAPPINGS/OBSOLETE/EASTASIA/GB/GB2312.TXT Unicode與Gb2312的對照表
http://www.***/developers/gadc/technicalpublications/articles/mabiao.txt
Unicode與Gbk對照表
用C#生成中文漢字驗證碼的基本原理
http://dev.csdn.net/develop/article/67/67031.shtm
前幾天去申請免費QQ號碼，突然發現申請表單中的驗證碼內容換成了中文，這叫真叫我大跌眼鏡感到好笑，Moper上的貓兒們都大罵騰訊采用中文驗證碼。^_^?
我不得不佩服騰訊為了防止目前網絡上橫行的QQ號碼自動注冊機而采取中文驗證碼的手段。仔細想了想感覺用程序生成隨機的中文驗證碼并不是很難，下面就來介紹一下使用C#生成隨機的中文漢字的原理。?
1、漢字編碼原理?
到底怎么辦到隨機生成漢字的呢？漢字從哪里來的呢？是不是有個后臺數據表，其中存放了所需要的所有漢字，使用程序隨機取出幾個漢字組合就行了呢？使用后臺數據庫先將所有漢字存起來使用時隨機取出，這也是一種辦法，但是中文漢字有這么多，怎么來制作呢？其實可以不使用任何后臺數據庫，使用程序就能做到這一切。要知道如何生成漢字，就得先了解中文漢字的編碼原理。?
1980年，為了使每一個漢字有一個全國統一的代碼，我國頒布了第一個漢字編碼的國家標準： GB2312-80《信息交換用漢字編碼字符集》基本集，簡稱GB2312，這個字符集是我國中文信息處理技術的發展基礎，也是國內所有漢字系統的統一標準。到了后來又公布了國家標準GB18030-2000《信息交換用漢字編碼字符集基本集的擴充》，簡稱GB18030，編程時如果涉及到編碼和本地化的朋友應該對GB18030很熟悉。這是是我國繼GB2312-1980和GB13000-1993之后最重要的漢字編碼標準，同時也是未來我國計算機系統必須遵循的基礎性標準之一。?
目前在中文WINDOWS操作系統中，.NET編程中默認的的代碼頁就是GB18030簡體中文。但是事實上如果生成中文漢字驗證碼只須要使用GB2312字符集就已經足夠了。字符集中除了我們平時大家都認識的漢字外，也包含了很多我們不認識平時也很少見到的漢字。如果生成中文漢字驗證碼中有很多我們不認識的漢字讓我們輸入，對于使用拼音輸入法的朋友來說可不是好事，五筆使用者還能勉強根據漢字的長相打出來，呵呵！所以對于GB2312字符集中的漢字我們也不是全都要用。?
中文漢字字符可以使用區位碼來表示，見?
漢字區位碼表 http://navicy2005.***/resource/gb2312tbl.htm?
漢字區位碼代碼表 http://navicy2005.***/resource/gb2312tbm.htm?
其實這兩個表是同一回事，只不過一個使用十六進制分區表示，一個使用區位所在的數字位置表示。 例如“好”字的十六進制區位碼是ba c3，前兩位是區域，后兩位代表位置，ba處在第26區，“好”處在此區漢字的第35位也就是c3位置，所以數字代碼就是2635。這就是GB2312漢字區位原理。根據《漢字區位碼表 》我們可以發現第15區也就是AF區以前都沒有漢字，只有少量符號，漢字都從第16區B0開始，這就是為什么GB2312字符集都是從16區開始的。?
2、.Net程序處理漢字編碼原理分析?
在.Net中可以使用System.Text來處理所有語言的編碼。在System.Text命名空間中包含眾多編碼的類，可供進行操作及轉換。其中的Encoding類就是重點處理漢字編碼的類。通過在.NET文檔中查詢Encoding類的方法我們可以發現所有和文字編碼有關的都是字節數組，其中有兩個很好用的方法：?
Encoding.GetBytes ()方法將指定的 String 或字符數組的全部或部分內容編碼為字節數組?
Encoding.GetString ()方法將指定字節數組解碼為字符串。?
沒錯我們可以通過這兩個方法將漢字字符編碼為字節數組，同樣知道了漢字GB2312的字節數組編碼也就可以將字節數組解碼為漢字字符。通過對“好”字進行編碼為字節數組后?
Encoding gb=System.Text.Encoding.GetEncoding("gb2312");?
object[] bytes=gb.Encoding.GetBytes ("好")；?
發現得到了一個長度為2的字節數組bytes，使用?
string lowCode = System.Convert.ToString(bytes[0], 16); //取出元素1編碼內容（兩位16進制）?
string hightCode = System.Convert.ToString(bytes[1], 16);//取出元素2編碼內容（兩位16進制）?
之后發現字節數組bytes16進制變碼后內容竟然是{ba,c3}，剛好是“好”字的十六進制區位碼（見區位碼表）。?
因此我們就可以隨機生成一個長度為2的十六進制字節數組，使用GetString ()方法對其進行解碼就可以得到漢字字符了。不過對于生成中文漢字驗證碼來說，因為第15區也就是AF區以前都沒有漢字，只有少量符號，漢字都從第16區B0開始，并且從區位D7開始以后的漢字都是和很難見到的繁雜漢字，所以這些都要排出掉。所以隨機生成的漢字十六進制區位碼第1位范圍在B、C、D之間，如果第1位是D的話，第2位區位碼就不能是7以后的十六進制數。在來看看區位碼表發現每區的第一個位置和最后一個位置都是空的，沒有漢字，因此隨機生成的區位碼第3位如果是A的話，第4位就不能是0；第3位如果是F的話，第4位就不能是F。?
好了，知道了原理，隨機生成中文漢字的程序也就出來了，以下就是生成4個隨機漢字的C#控制臺代碼：?
3、程序代碼：?
using System;?
using System.Text;?
namespace ConsoleApplication?
{?
class ChineseCode?
{?
public static void Main()?
{?
//獲取GB2312編碼頁（表）?
Encoding gb=Encoding.GetEncoding("gb2312");?
//調用函數產生4個隨機中文漢字編碼?
object[] bytes=CreateRegionCode(4);
//根據漢字編碼的字節數組解碼出中文漢字?
string str1=gb.GetString((byte[])Convert.ChangeType(bytes[0], typeof(byte[])));?
string str2=gb.GetString((byte[])Convert.ChangeType(bytes[1], typeof(byte[])));?
string str3=gb.GetString((byte[])Convert.ChangeType(bytes[2], typeof(byte[])));?
string str4=gb.GetString((byte[])Convert.ChangeType(bytes[3], typeof(byte[])));?
//輸出的控制臺?
Console.WriteLine(str1 + str2 +str3 +str4);?
}?
/**//*?
此函數在漢字編碼范圍內隨機創建含兩個元素的十六進制字節數組，每個字節數組代表一個漢字，并將?
四個字節數組存儲在object數組中。?
參數：strlength，代表需要產生的漢字個數?
*/?
public static object[] CreateRegionCode(int strlength)?
{?
//定義一個字符串數組儲存漢字編碼的組成元素?
string[] rBase=new String [16]{"0","1","2","3","4","5","6","7","8","9","a","b","c","d","e","f"};?
?
Random rnd=new Random();?
?
//定義一個object數組用來?
object[] bytes=new object[strlength];?
/**//*每循環一次產生一個含兩個元素的十六進制字節數組，并將其放入bject數組中?
每個漢字有四個區位碼組成?
區位碼第1位和區位碼第2位作為字節數組第一個元素?
區位碼第3位和區位碼第4位作為字節數組第二個元素?
*/?
for(int i=0;i {?
//區位碼第1位?
int r1=rnd.Next(11,14);?
string str_r1=rBase[r1].Trim();?
//區位碼第2位?
rnd=new Random(r1*unchecked((int)DateTime.Now.Ticks)+i);//更換隨機數發生器的?
種子避免產生重復值?
int r2;?
if (r1==13)?
{?
r2=rnd.Next(0,7);?
}?
else?
{?
r2=rnd.Next(0,16);?
}?
string str_r2=rBase[r2].Trim();?
//區位碼第3位?
rnd=new Random(r2*unchecked((int)DateTime.Now.Ticks)+i);?
int r3=rnd.Next(10,16);?
string str_r3=rBase[r3].Trim();?
//區位碼第4位?
rnd=new Random(r3*unchecked((int)DateTime.Now.Ticks)+i);?
int r4;?
if (r3==10)?
{?
r4=rnd.Next(1,16);?
}?
else if (r3==15)?
{?
r4=rnd.Next(0,15);?
}?
else?
{?
r4=rnd.Next(0,16);?
}?
string str_r4=rBase[r4].Trim();?
//定義兩個字節變量存儲產生的隨機漢字區位碼?
byte byte1=Convert.ToByte(str_r1 + str_r2,16);?
byte byte2=Convert.ToByte(str_r3 + str_r4,16);?
//將兩個字節變量存儲在字節數組中?
byte[] str_r=new byte[]{byte1,byte2};?
//將產生的一個漢字的字節數組放入object數組中?
bytes.SetValue(str_r,i);?
?
}?
return bytes;?
}?
}?
}?
實現了隨機生成漢字后，就可以使用.NET GDI來繪制自己需要的驗證碼圖形了。具體的怎樣生成驗證碼圖片，以及改變其中字符的長和寬等效果網上已經有很多相關的文章，這里由于篇幅就不再介紹了。不過有一點要說明的是以上代碼在中文版的Windows下才能運行，因為它帶有GB的字符集，如果你是其他語言的操作系統，就需要安裝GB字符集了。?
有什么問題可以到 http://www.cnblogs.com/navicy/ 發表看法。?
http://navicy.126.com?
用.NET獲取漢字的區位碼(C#)
http://dev.csdn.net/article/58/58359.shtm
首先復習一下計算機基礎知識：
計算機中最底層的數據都是用二進制及0和1來表示的。每個0或1稱作1位，第8位二進制數叫做1個字節，它可以表示ASCII碼中的一個字符。中文計算機中用兩個字節即16位二進制來表示一個漢字。而在Unicode編碼中所有的符號(包括漢字，英文，標題及其它眾多符號）都是為兩字節（16）位來表示。
在System.Text命名空間中包含眾多編碼的類，可供進行操作及轉換，下面用兩個實例來進行區位碼及漢字之間的互換，希望能起到舉一反三的效果，讓大家可以輕松處理文字編碼方面的問題：
程序代碼：?
using System;
using System.Text;
class CodingChange
{
public string CharacterToCoding(string character)
{
string coding = "";
for (int i = 0; i {
byte[] bytes = System.Text.Encoding.Unicode.GetBytes(character.Substring(i,1)); //取出二進制編碼內容
string lowCode = System.Convert.ToString(bytes[0], 16); //取出低字節編碼內容（兩位16進制）
if (lowCode.Length == 1)
lowCode = "0" + lowCode;
string hightCode = System.Convert.ToString(bytes[1], 16);//取出高字節編碼內容（兩位16進制）
if (hightCode.Length == 1)
hightCode = "0" + hightCode;
coding += (lowCode + hightCode);//加入到字符串中,
}
return coding;
}
public string CodingToCharacter(string coding)
{
string characters = "";?
轉自：http://www.guoblog.com/blogview.asp?logID=201?
作者Blog：http://blog.csdn.net/AppleBBS/
2進制、8進制、10進制、16進制...各種進制間的輕松轉換（c#)
http://blog.csdn.net/gztoby/archive/2004/08/16/76293.aspx
在.NET Framework中，System.Convert類中提供了較為全面的各種類型、數值之間的轉換功能。其中的兩個方法可以輕松的實現各種進制的數值間的轉換：
Convert.ToInt32(string value, int fromBase)：
可以把不同進制數值的字符串轉換為數字，其中fromBase參數為進制的格式，只能是2、8、10及16:
如Convert.ToInt32(”0010”,2)執行的結果為2;
Convert.ToString(int value, int toBase):
可以把一個數字轉換為不同進制數值的字符串格式,其中toBase參數為進制的格式，只能是2、8、10及16:
如Convert.ToString(2,2)執行的結果為”0010”
現在我們做一個方法實現各種進制間的字符串自由轉換：選把它轉成數值型，然后再轉成相應的進制的字符串:
public string ConvertString(string value, int fromBase, int toBase)
{
int intValue = Convert.ToInt32(value, fromBase);
return Convert.ToString(intValue, toBase);
}
其中fromBase為原來的格式
toBase為將要轉換成的格式
yolle [原作]
進制轉換
http://www.ypdoor.com/blog/article.asp?id=76
電腦上的常用進制有：2、8、10、16四種，在修改中經常接觸的是2、10和16進制，基本上需要了解的是2和16互轉、10和16互轉，其他多了解也沒虧?
2轉16：?
4個2進制位為一個16進制數，2進制1111為16進制F，2進制中千位的1=8，百位的1=4，十位的1=2，個位的1=1，將各個位的數作相應轉換再相加，的到的數就是10進制數0-15，可輕松轉換成16進制。如01011100，可看成是兩組2進制數0101和1100，則這個數就是16進制的5C。?
10轉16：?
100以內一點的10轉16心算比較快，復雜的用“計算器”算了。10轉16用傳統的計算方式可以了，就是大于15小于256的10進制數除以16為的值為十位的16進制數，其余數為個位的16進制數，沒余數則個位為0。如61的16進制是3D，61除以16得3余13，3作十位數，13轉成D為各位數。?
16轉10：?
用相反的道理，將十位數乘以16加上個位數。如5A，將5乘以16得80，加上A的10進制10，結果是90。?
最直接方便的方法是用windows或win95中的計算器，打開計算器，將計算器置成科學型(win95的乘法)，選中十進制選擇鈕，輸入十進制數然后選擇二進制選擇鈕，OK！又快又準確。可是如果你想成為一個合格的程序員的話，你就必須充分了解十進制數和二進制數的特點，最好的方法是你多做一些進制轉換的題目，這是程序員訓練中的傳統做法。?
三、以十六進制作橋梁?
十進制到二進制的轉換實在麻煩，而且二進制數實在不易記憶和理解，你能馬上感覺到一萬元是多少錢，但是你能感覺到10011100010000(二進制)是多少嗎？為了編程和使用方便，在二進制和十進制之間有了一座橋梁十六進制。十六進制是逢十六進一，0、1、2、3、4、5、…9、A、B、C、D、E、F、10、11、12……。到了9以后用ABCDEF表示，十六進制數與二進制數的轉換非常方便。?
首先你應當牢記下表?
二進制 十六進制?
0 0?
1 1?
10 2?
11 3?
100 4?
101 5?
110 6?
111 7?
1000 8?
1001 9?
1010 A?
1011 B?
1100 C?
1101 D?
1110 E?
1111 F?
二進制數轉換成十六進制數方法如下，以二進制數1101110為例：?
將二進制數從右面開始以四位為一組分組，最左面不夠四位的補0，按上表查得對應的十六進制數，組合起來以后就成了。?
0110 1110的十六進制數是6E?
十六進制轉換成二進制方法如下，以十六進制數3E為例：?
將十六進制的每一位轉換成四位二進制數，不足四位的在左面補0，組合起來即可得到二進制數。?
3E的二進制數是00111110，既是111110?
當然你也可以用計算器得出結果。但也建議你熟練掌握。?
Unicode簡介
http://www.1cn.biz/java/index.php?q=node/79
關鍵詞： 字庫,unicode,big5?
Unicode是一種字符編碼規范 。
先從ASCII說起。ASCII是用來表示英文字符的一種編碼規范，每個ASCII字符占用1個字節（8bits）?
因此，ASCII編碼可以表示的最大字符數是256，其實英文字符并沒有那么多，一般只用前128個（最高位為0），其中包括了控制字符、數字、大小寫字母和其他一些符號 。
而最高位為1的另128個字符被成為“擴展ASCII”，一般用來存放英文的制表符、部分音標字符等等的一些其他符號
這種字符編碼規范顯然用來處理英文沒有什么問題 。（實際上也可以用來處理法文、德文等一些其他的西歐字符，但是不能和英文通用），但是面對中文、阿拉伯文之類復雜的文字，255個字符顯然不夠用?
于是，各個國家紛紛制定了自己的文字編碼規范，其中中文的文字編碼規范叫做“GB2312-80”，它是和ASCII兼容的一種編碼規范，其實就是利用擴展ASCII沒有真正標準化這一點，把一個中文字符用兩個擴展ASCII字符來表示。?
但是這個方法有問題，最大的問題就是，中文文字沒有真正屬于自己的編碼，因為擴展ASCII碼雖然沒有真正的標準化，但是PC里的ASCII碼還是有一個事實標準的（存放著英文制表符），所以很多軟件利用這些符號來畫表格。這樣的軟件用到中文系統中，這些表格符就會被誤認作中文字，破壞版面。而且，統計中英文混合字符串中的字數，也是比較復雜的，我們必須判斷一個ASCII碼是否擴展，以及它的下一個ASCII是否擴展，然后才“猜”那可能是一個中文字 。
總之當時處理中文是很痛苦的。而更痛苦的是GB2312是國家標準，臺灣當時有一個Big5編碼標準，很多編碼和GB是相同的，所以……，嘿嘿。?
這時候，我們就知道，要真正解決中文問題，不能從擴展ASCII的角度入手，也不能僅靠中國一家來解決。而必須有一個全新的編碼系統，這個系統要可以將中文、英文、法文、德文……等等所有的文字統一起來考慮，為每個文字都分配一個單獨的編碼，這樣才不會有上面那種現象出現。?
于是，Unicode誕生了。?
Unicode有兩套標準，一套叫UCS-2(Unicode-16)，用2個字節為字符編碼，另一套叫UCS-4(Unicode-32)，用4個字節為字符編碼。?
以目前常用的UCS-2為例，它可以表示的字符數為2^16=65535，基本上可以容納所有的歐美字符和絕大部分的亞洲字符 。
UTF-8的問題后面會提到 。
在Unicode里，所有的字符被一視同仁。漢字不再使用“兩個擴展ASCII”，而是使用“1個Unicode”，注意，現在的漢字是“一個字符”了，于是，拆字、統計字數這些問題也就自然而然的解決了 。
但是，這個世界不是理想的，不可能在一夜之間所有的系統都使用Unicode來處理字符，所以Unicode在誕生之日，就必須考慮一個嚴峻的問題：和ASCII字符集之間的不兼容問題。?
我們知道，ASCII字符是單個字節的，比如“A”的ASCII是65。而Unicode是雙字節的，比如“A”的Unicode是0065，這就造成了一個非常大的問題：以前處理ASCII的那套機制不能被用來處理Unicode了 。
另一個更加嚴重的問題是，C語言使用'/0'作為字符串結尾，而Unicode里恰恰有很多字符都有一個字節為0，這樣一來，C語言的字符串函數將無法正常處理Unicode，除非把世界上所有用C寫的程序以及他們所用的函數庫全部換掉 。
于是，比Unicode更偉大的東東誕生了，之所以說它更偉大是因為它讓Unicode不再存在于紙上，而是真實的存在于我們大家的電腦中。那就是：UTF 。
UTF= UCS Transformation Format UCS轉換格式?
它是將Unicode編碼規則和計算機的實際編碼對應起來的一個規則。現在流行的UTF有2種：UTF-8和UTF-16 。
其中UTF-16和上面提到的Unicode本身的編碼規范是一致的，這里不多說了。而UTF-8不同，它定義了一種“區間規則”，這種規則可以和ASCII編碼保持最大程度的兼容 。
UTF-8有點類似于Haffman編碼，它將Unicode編碼為00000000-0000007F的字符，用單個字節來表示；?
00000080-000007FF的字符用兩個字節表示?
00000800-0000FFFF的字符用3字節表示?
因為目前為止Unicode-16規范沒有指定FFFF以上的字符，所以UTF-8最多是使用3個字節來表示一個字符。但理論上來說，UTF-8最多需要用6字節表示一個字符。?
在UTF-8里，英文字符仍然跟ASCII編碼一樣，因此原先的函數庫可以繼續使用。而中文的編碼范圍是在0080-07FF之間，因此是2個字節表示（但這兩個字節和GB編碼的兩個字節是不同的），用專門的Unicode處理類可以對UTF編碼進行處理。?
下面說說中文的問題。?
由于歷史的原因，在Unicode之前，一共存在過3套中文編碼標準。?
GB2312-80，是中國大陸使用的國家標準，其中一共編碼了6763個常用簡體漢字。Big5，是臺灣使用的編碼標準，編碼了臺灣使用的繁體漢字，大概有8千多個。HKSCS，是中國香港使用的編碼標準，字體也是繁體，但跟Big5有所不同。?
這3套編碼標準都采用了兩個擴展ASCII的方法，因此，幾套編碼互不兼容，而且編碼區間也各有不同?
因為其不兼容性，在同一個系統中同時顯示GB和Big5基本上是不可能的。當時的南極星、RichWin等等軟件，在自動識別中文編碼、自動顯示正確編碼方面都做了很多努力 。
他們用了怎樣的技術我就不得而知了，我知道好像南極星曾經以同屏顯示繁簡中文為賣點。?
后來，由于各方面的原因，國際上又制定了針對中文的統一字符集GBK和GB18030，其中GBK已經在Windows、Linux等多種操作系統中被實現。?
GBK兼容GB2312，并增加了大量不常用漢字，還加入了幾乎所有的Big5中的繁體漢字。但是GBK中的繁體漢字和Big5中的幾乎不兼容。?
GB18030相當于是GBK的超集，比GBK包含的字符更多。據我所知目前還沒有操作系統直接支持GB18030。?
談談Unicode編碼，簡要解釋UCS、UTF、BMP、BOM等名詞?
這是一篇程序員寫給程序員的趣味讀物。所謂趣味是指可以比較輕松地了解一些原來不清楚的概念，增進知識，類似于打RPG游戲的升級。整理這篇文章的動機是兩個問題：
問題一：?
使用Windows記事本的“另存為”，可以在GBK、Unicode、Unicode big endian和UTF-8這幾種編碼方式間相互轉換。同樣是txt文件，Windows是怎樣識別編碼方式的呢？
我很早前就發現Unicode、Unicode big endian和UTF-8編碼的txt文件的開頭會多出幾個字節，分別是FF、FE（Unicode）,FE、FF（Unicode big endian）,EF、BB、BF（UTF-8）。但這些標記是基于什么標準呢？
問題二：?
最近在網上看到一個ConvertUTF.c，實現了UTF-32、UTF-16和UTF-8這三種編碼方式的相互轉換。對于Unicode(UCS2)、GBK、UTF-8這些編碼方式，我原來就了解。但這個程序讓我有些糊涂，想不起來UTF-16和UCS2有什么關系。?
查了查相關資料，總算將這些問題弄清楚了，順帶也了解了一些Unicode的細節。寫成一篇文章，送給有過類似疑問的朋友。本文在寫作時盡量做到通俗易懂，但要求讀者知道什么是字節，什么是十六進制。
0、big endian和little endian
big endian和little endian是CPU處理多字節數的不同方式。例如“漢”字的Unicode編碼是6C49。那么寫到文件里時，究竟是將6C寫在前面，還是將49寫在前面？如果將6C寫在前面，就是big endian。還是將49寫在前面，就是little endian。
“endian”這個詞出自《格列佛游記》。小人國的內戰就源于吃雞蛋時是究竟從大頭(Big-Endian)敲開還是從小頭(Little-Endian)敲開，由此曾發生過六次叛亂，其中一個皇帝送了命，另一個丟了王位。
我們一般將endian翻譯成“字節序”，將big endian和little endian稱作“大尾”和“小尾”。
1、字符編碼、內碼，順帶介紹漢字編碼
字符必須編碼后才能被計算機處理。計算機使用的缺省編碼方式就是計算機的內碼。早期的計算機使用7位的ASCII編碼，為了處理漢字，程序員設計了用于簡體中文的GB2312和用于繁體中文的big5。
GB2312(1980年)一共收錄了7445個字符，包括6763個漢字和682個其它符號。漢字區的內碼范圍高字節從B0-F7，低字節從A1-FE，占用的碼位是72*94=6768。其中有5個空位是D7FA-D7FE。
GB2312支持的漢字太少。1995年的漢字擴展規范GBK1.0收錄了21886個符號，它分為漢字區和圖形符號區。漢字區包括21003個字符。2000年的GB18030是取代GBK1.0的正式國家標準。該標準收錄了27484個漢字，同時還收錄了藏文、蒙文、維吾爾文等主要的少數民族文字。現在的PC平臺必須支持GB18030，對嵌入式產品暫不作要求。所以手機、MP3一般只支持GB2312。
從ASCII、GB2312、GBK到GB18030，這些編碼方法是向下兼容的，即同一個字符在這些方案中總是有相同的編碼，后面的標準支持更多的字符。在這些編碼中，英文和中文可以統一地處理。區分中文編碼的方法是高字節的最高位不為0。按照程序員的稱呼，GB2312、GBK到GB18030都屬于雙字節字符集 (DBCS)。
有的中文Windows的缺省內碼還是GBK，可以通過GB18030升級包升級到GB18030。不過GB18030相對GBK增加的字符，普通人是很難用到的，通常我們還是用GBK指代中文Windows內碼。
這里還有一些細節：
GB2312的原文還是區位碼，從區位碼到內碼，需要在高字節和低字節上分別加上A0。
在DBCS中，GB內碼的存儲格式始終是big endian，即高位在前。
GB2312的兩個字節的最高位都是1。但符合這個條件的碼位只有128*128=16384個。所以GBK和GB18030的低字節最高位都可能不是1。不過這不影響DBCS字符流的解析：在讀取DBCS字符流時，只要遇到高位為1的字節，就可以將下兩個字節作為一個雙字節編碼，而不用管低字節的高位是什么。
2、Unicode、UCS和UTF
前面提到從ASCII、GB2312、GBK到GB18030的編碼方法是向下兼容的。而Unicode只與ASCII兼容（更準確地說，是與ISO-8859-1兼容），與GB碼不兼容。例如“漢”字的Unicode編碼是6C49，而GB碼是BABA。
Unicode也是一種字符編碼方法，不過它是由國際組織設計，可以容納全世界所有語言文字的編碼方案。Unicode的學名是"Universal Multiple-Octet Coded Character Set"，簡稱為UCS。UCS可以看作是"Unicode Character Set"的縮寫。
根據維基百科全書(http://zh.wikipedia.org/wiki/)的記載：歷史上存在兩個試圖獨立設計Unicode的組織，即國際標準化組織（ISO）和一個軟件制造商的協會（unicode.org）。ISO開發了ISO 10646項目，Unicode協會開發了Unicode項目。
在1991年前后，雙方都認識到世界不需要兩個不兼容的字符集。于是它們開始合并雙方的工作成果，并為創立一個單一編碼表而協同工作。從Unicode2.0開始，Unicode項目采用了與ISO 10646-1相同的字庫和字碼。
目前兩個項目仍都存在，并獨立地公布各自的標準。Unicode協會現在的最新版本是2005年的Unicode 4.1.0。ISO的最新標準是10646-3:2003。
UCS規定了怎么用多個字節表示各種文字。怎樣傳輸這些編碼，是由UTF(UCS Transformation Format)規范規定的，常見的UTF規范包括UTF-8、UTF-7、UTF-16。
IETF的RFC2781和RFC3629以RFC的一貫風格，清晰、明快又不失嚴謹地描述了UTF-16和UTF-8的編碼方法。我總是記不得IETF是Internet Engineering Task Force的縮寫。但IETF負責維護的RFC是Internet上一切規范的基礎。
3、UCS-2、UCS-4、BMP
UCS有兩種格式：UCS-2和UCS-4。顧名思義，UCS-2就是用兩個字節編碼，UCS-4就是用4個字節（實際上只用了31位，最高位必須為0）編碼。下面讓我們做一些簡單的數學游戲：
UCS-2有2^16=65536個碼位，UCS-4有2^31=2147483648個碼位。
UCS-4根據最高位為0的最高字節分成2^7=128個group。每個group再根據次高字節分為256個plane。每個plane根據第3個字節分為256行 (rows)，每行包含256個cells。當然同一行的cells只是最后一個字節不同，其余都相同。
group 0的plane 0被稱作Basic Multilingual Plane, 即BMP。或者說UCS-4中，高兩個字節為0的碼位被稱作BMP。
將UCS-4的BMP去掉前面的兩個零字節就得到了UCS-2。在UCS-2的兩個字節前加上兩個零字節，就得到了UCS-4的BMP。而目前的UCS-4規范中還沒有任何字符被分配在BMP之外。
4、UTF編碼
UTF-8就是以8位為單元對UCS進行編碼。從UCS-2到UTF-8的編碼方式如下：
UCS-2編碼(16進制) UTF-8 字節流(二進制)?
0000 - 007F 0xxxxxxx?
0080 - 07FF 110xxxxx 10xxxxxx?
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx?
例如“漢”字的Unicode編碼是6C49。6C49在0800-FFFF之間，所以肯定要用3字節模板了：1110xxxx 10xxxxxx 10xxxxxx。將6C49寫成二進制是：0110 110001 001001， 用這個比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。
讀者可以用記事本測試一下我們的編碼是否正確。
UTF-16以16位為單元對UCS進行編碼。對于小于0x10000的UCS碼，UTF-16編碼就等于UCS碼對應的16位無符號整數。對于不小于0x10000的UCS碼，定義了一個算法。不過由于實際使用的UCS2，或者UCS4的BMP必然小于0x10000，所以就目前而言，可以認為UTF-16和UCS-2基本相同。但UCS-2只是一個編碼方案，UTF-16卻要用于實際的傳輸，所以就不得不考慮字節序的問題。
5、UTF的字節序和BOM
UTF-8以字節為編碼單元，沒有字節序的問題。UTF-16以兩個字節為編碼單元，在解釋一個UTF-16文本前，首先要弄清楚每個編碼單元的字節序。例如收到一個“奎”的Unicode編碼是594E，“乙”的Unicode編碼是4E59。如果我們收到UTF-16字節流“594E”，那么這是“奎”還是“乙”？
Unicode規范中推薦的標記字節順序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一個有點小聰明的想法：
在UCS編碼中有一個叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的編碼是FEFF。而FFFE在UCS中是不存在的字符，所以不應該出現在實際傳輸中。UCS規范建議我們在傳輸字節流前，先傳輸字符"ZERO WIDTH NO-BREAK SPACE"。
這樣如果接收者收到FEFF，就表明這個字節流是Big-Endian的；如果收到FFFE，就表明這個字節流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被稱作BOM。
UTF-8不需要BOM來表明字節順序，但可以用BOM來表明編碼方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8編碼是EF BB BF（讀者可以用我們前面介紹的編碼方法驗證一下）。所以如果接收者收到以EF BB BF開頭的字節流，就知道這是UTF-8編碼了。
Windows就是使用BOM來標記文本文件的編碼方式的。
6、進一步的參考資料
本文主要參考的資料是 "Short overview of ISO-IEC 10646 and Unicode" (http://www.nada.kth.se/i18n/ucs/unicode-iso10646-oview.html)。
我還找了兩篇看上去不錯的資料，不過因為我開始的疑問都找到了答案，所以就沒有看：
"Understanding Unicode A general introduction to the Unicode Standard" (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter04a)?
"Character set encoding basics Understanding character set encodings and legacy encodings" (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter03)?
轉載于:https://www.cnblogs.com/hitler/p/3638432.html
總結
以上是生活随笔為你收集整理的学习笔记转汉字区位码查询与算法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 移动应用开发相关法律法规
- 下一篇： 静态网页简单设计