ASKII码、输入码、区位码、国标码、机内码等详解

一、ASKII码

https://baike.baidu.com/item/ASCII?fromtitle=ascii码&fromid=99077

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。[1]

请注意，ASCII是American Standard Code for Information Interchange缩写，而不是ASCⅡ(罗马数字2)，有很多人在这个地方产生误解。

在计算机中，所有的数据在存储和运算时都要使用二进制数表示（因为计算机用高电平和低电平分别表示1和0），例如，像a、b、c、d这样的52个字母（包括大写）、以及0、1等数字还有一些常用的符号（例如*、#、@等）在计算机中存储时也要使用二进制数来表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码），而大家如果要想互相通信而不造成混乱，那么大家就必须使用相同的编码规则，于是美国有关的标准化组织就出台了ASCII编码，统一规定了上述常用符号用哪些二进制数来表示。[2]

美国标准信息交换代码是由美国国家标准学会(American National Standard Institute , ANSI )制定的，标准的单字节字符编码方案，用于基于文本的数据。起始于50年代后期，在1967年定案。它最初是美国国家标准，供不同计算机在相互通信时用作共同遵守的西文字符编码标准，它已被国际标准化组织（International Organization for Standardization, ISO）定为国际标准，称为ISO 646标准。适用于所有拉丁文字字母。[3]

ASCII 码使用指定的7 位或8 位二进制数组合来表示128 或256 种可能的字符。标准ASCII 码也叫基础ASCII码，使用7 位二进制数（剩下的1位二进制为0）来表示所有的大写和小写字母，数字0 到9、标点符号， 以及在美式英语中使用的特殊控制字符。其中：

0～31及127(共33个)是控制字符或通信专用字符（其余为可显示字符），如控制符：LF（换行）、CR（回车）、FF（换页）、DEL（删除）、BS（退格)、BEL（响铃）等；通信专用字符：SOH（文头）、EOT（文尾）、ACK（确认）等；ASCII值为8、9、10 和13 分别转换为退格、制表、换行和回车字符。它们并没有特定的图形显示，但会依不同的应用程序，而对文本显示有不同的影响。

32～126(共95个)是字符(32是空格），其中48～57为0到9十个阿拉伯数字。

65～90为26个大写英文字母，97～122号为26个小写英文字母，其余为一些标点符号、运算符号等。

同时还要注意，在标准ASCII中，其最高位(b7)用作奇偶校验位。所谓奇偶校验，是指在代码传送过程中用来检验是否出现错误的一种方法，一般分奇校验和偶校验两种。奇校验规定：正确的代码一个字节中1的个数必须是奇数，若非奇数，则在最高位b7添1；偶校验规定：正确的代码一个字节中1的个数必须是偶数，若非偶数，则在最高位b7添1。

后128个称为扩展ASCII码。许多基于x86的系统都支持使用扩展（或“高”）ASCII。扩展ASCII 码允许将每个字符的第8 位用于确定附加的128 个特殊符号字符、外来语字母和图形符号。[4]

二、输入码

输入码就是使用英文键盘输入汉字时的编码。目前，我国已推出的输入码有数百种，但用户使用较多的约为十几种，按输入码编码的主要依据，大体可分为顺序码、音码、形码、音形码四类，如“保”?字，用全拼，输入码为码为“BAO”，用区位码，输入码为“1703”，用五笔字型则为“WKS”。汉字输入码是指直接从键盘输入的各种汉字输入方法的编码，属于外码

三、区位码

汉字区位码是采用一种科学可行的办法，为每个汉字编一个唯一的代码，以便计算机辨认、接收和处理。

为了使每一个汉字有一个全国统一的代码，1980年，我国颁布了第一个汉字编码的国家标准： GB2312-80《信息交换用汉字编码字符集》基本集，这个字符集是我国中文信息处理技术的发展基础，也是目前国内所有汉字系统的统一标准。由于国标码是四位十六进制，为了便于交流，大家常用的是四位十进制的区位码。所有的国标汉字与符号组成一个94×94的矩阵。在此方阵中,每一行称为一个"区",每一列称为一个"位",因此,这个方阵实际上组成了一个有94个区(区号分别为1到94)、每个区内有94个位(位号分别为1到94)的汉字字符集。一个汉字所在的区号和位号简单地组合在一起就构成了该汉字的"区位码"。在汉字的区位码中，高两位为区号，低两位为位号。 在区位码中，01-09区为682个特殊字符，16~87区为汉字区，包含6763个汉字 。其中16-55区为一级汉字(3755个最常用的汉字，按拼音字母的次序排列)，56-87区为二级汉字(3008个汉字，按部首次序排列)。

所以，当我们需要n个任意汉字时，我们不必建一个全部汉字表，而是利用区位码实现常用汉字的提取。

汉字你在数据包中只能获得机内码.区位码是输入码,不在计算机当中的。

 

四、国标码

汉字国标码，创建于1980年，目的为了使每个汉字有一个全国统一的代码而颁布了汉字编码的国家标准。每个汉字有个二进制编码，叫汉字国标码。 在我国汉字代码标准GB2312-80中有6763个常用汉字规定了二进制编码。

每个汉字有个二进制编码，叫汉字国标码。

在我国汉字代码标准GB2312-80中有6763个常用汉字规定了二进制编码。

每个汉字使用2个字节。

GB2312-80 GB2312将代码表分为94个区，对应第一字节；每个区94个位，对应第二字节，两个字节的值分别为区号值和位号值加32（20H）,因此也称为区位码。01-09区为符号、数字区，16-87区为汉字区，10-15区、88-94区是有待进一步标准化的空白区。GB2312将收录的汉字分成两级：第一级是常用汉字计 3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。故而 GB2312最多能表示6763个汉字。

五、机内码

汉字机内码，又称“汉字ASCII码”，简称“内码”，指计算机内部存储，处理加工和传输汉字时所用的由0和1符号组成的代码。输入码被接受后就由汉字操作系统的“输入码转换模块”转换为机内码，与所采用的键盘输入法无关。机内码是汉字最基本的编码，不管是什么汉字系统和汉字输入方法，输入的汉字外码到机器内部都要转换成机内码，才能被存储和进行各种处理。

因为汉字处理系统要保证中西文的兼容，当系统中同时存在ASCII码和汉字国标码时，将会产生二义性。例如：有两个字节的内容为30H和21H，它既可表示汉字“啊”的国标码，又可表示西文“0”和“!”的ASCII码。为此，汉字机内码应对国标码加以适当处理和变换。

国标码的机内码为二字节长的代码，它是在相应国标码的每个字节最高位上加“1”，即

汉字机内码=汉字国标码+8080H

例如，上述“啊”字的国标码是3021H，其汉字机内码则是B0A1H。

汉字机内码的基础是汉字国标码。

机内码：为了避免ASCII码和国标码同时使用时产生二义性问题，大部分汉字系统都采用将国标码每个字节高位置1作为汉字机内码。这样既解决了汉字机内码与西文机内码之间的二义性，又使汉字机内码与国标码具有极简单的对应关系。

汉字机内码、国标码和区位码三者之间的关系为：区位码（十进制）的两个字节分别转换为十六进制后加2020H得到对应的国标码；机内码是汉字交换码（国标码）两个字节的最高位分别加1，即汉字交换码（国标码）的两个字节分别加80H得到对应的机内码；区位码（十进制）的两个字节分别转换为十六进制后加A0H得到对应的机内码。

机内码位BEDF，求区位码？

有两种解法：1.BEDFH-A0A0H=1E3FH=3063D；

2.BEDFH-8080H=3E5FH(国标码),3E5FH-2020H=1E3FH=3063D.

 

六、输入码、区位码、国标码与机内码

1980年，为了使每个汉字有一个全国统一的代码，我国颁布了汉字编码的国家标准：GB2312-80《信息交换用汉字编码字符集》基本集，这个字符集是我国中文信息处理技术的发展基础，也是目前国内所有汉字系统的统一标准。国标码是一个四位十六进制数，区位码是一个四位的十进制数，每个国标码或区位码都对应着一个唯一的汉字或符号，但因为十六进制数我们很少用到，所以大家常用的是区位码，它的前两位叫做区码，后两位叫做位码。

输入码、区位码、国标码与机内码，这些字对每一位computer fan 来说，可能都不陌生，但其中的联系与区别，可能就不那么清楚了，（笔者作为一名中专电脑教师，经常遇到同学问类似的问题），下面就这问题讲述一下，以飨读者。

我们知道，键盘是当前微机的主要输入设备，输入码就是使用英文键盘输入汉字时的编码。目前，我国已推出的输入码有数百种，但用户使用较多的约为十几种，按输入码编码的主要依据，大体可分为顺序码、音码、形码、音形码四类，如“保”字，用全拼，输入码为码为“BAO”，用区位码，输入码为“1703 ”，用五笔字型则为“WKS”。

计算机只识别由0、1组成的代码，ASCII码是英文信息处理的标准编码，汉字信息处理也必须有一个统一的标准编码。我国国家标准局于1981年5月颁布了《信息交换用汉字编码字符集——基本集》，代号为GB2312-80，共对6763个汉字和682个图形字符进行了编码，其编码原则为：汉字用两个字节表示，每个字节用七位码（高位为0），;国家标准将汉字和图形符号排列在一个94行94列的二维代码表中，;每两个字节分别用两位十进制编码，前字节的编码称为区码，后字节的编码称为位码，此即区位码，如“保”字在二维代码表中处于17区第3位，区位码即为“1703 ”。

国标码并不等于区位码，它是由区位码稍作转换得到,其转换方法为：先将十进制区码和位码转换为十六进制的区码和位码，;这样就得了一个与国标码有一个相对位置差的代码，;再将这个代码的第一个字节和第二个字节分别加上20H，就得到国标码。如：“保”字的国标码为3123H，它是经过下面的转换得到的：1703D－>1103H->+20H－>3123H。国标码是汉字信息交换的标准编码，但因其前后字节的最高位为0，与ASCII码发生冲突，如“保”?字，国标码为31H和23H，而西文字符“1”和“#”的ASCII也为31H和23H，现假如内存中有两个字节为31H和23H，这到底是一个汉字?，还是两个西文字符“1”和“#”于是就出现了二义性，显然，国标码是不可能在计算机内部直接采用的，于是，汉字的机内码采用变形国标码，其变换方法为：将国标码的每个字节都加上128，即将两个字节的最高位由0改1，其余7位不变，如：由上面我们知道，“保”字的国标码为3123H，前字节为00110001B，后字节为00100011B，高位改1为10110001B和10100011B 即为B1A3H，因此，汉字的机内码就是B1A3H。

显然，汉字机内码的每个字节都大于128，这就解决了与西文字符的ASCII码冲突的问题。 如上所述，汉字输入码、区位码、国标码与机内码都是汉字的编码形式，它们之间有着千丝万缕的联系，但其间的区别也是不容忽视的。

七、为什么不用区位码直接表示国标码，为要加上2020H？

区位码是中国定义的94乘以94的一个表。一个字节只用低七位的话有127中状态。英文中0到32的字符都是些控制字符，第127位是del字符，即删除字符，所以总共有34个控制字符。（从0到127）128减去（从0到32是33加上第127位的那一个字符共34）34等于94。所以可供中文使用的是94个状态。

国标码其实就是交换码，是中国用来交换的，当然交换码是不能引起歧义的，94行94列的一个编码再加上32就是行号从33到126列号也是从33到126。这样就与0~32的英文控制字符没有冲突了。

其实你在记事本里键入tab键然后用十六进制查看器查看一下就知道tab键对应的十进制是9。所以在中文输入法状态下还是会用到英文的34个控制字符的。也就是说人家美国已经制定了这些控制字符，咱们借来用就是了。

国标码也是用来交换的，最高位是0，最好是避开人家的控制字符，所以就剩下94个了。

其实我个人认为，完全可以用128*128这样的表。因为，我们的两字节汉字最高位（机内码最高位是1）是1，已经完全和英文区分开了，没必要用什么国标码之类的中间技术，直接就是区位码和机内码，机内码=区位码-1+128（区位码是从1开始算起的，其实真正的范围是0到127，但总数是一样的128），这样多省事啊

但国家由国家的想法，我也不清楚 哎

总之这个问题也不要去深究了，这是国家编码人员负责的事情，咱只要知道怎么用就行了。你只要记住加上32是为了避免和英文的控制字符冲突就行了。

八、机内码为什么要在国标码的基础上加上8080H，而不是直接只用国标码作为机内码？

这里我先解决第二个问题，

国标码就是由2个ASCII码组成，为什么呢（这里简单介绍一下，后面会详细说明）？因为在英文中只有26个字母，所以用一个字节就可以表示了，用一个字节的话可以表示2^8个符号，就是256个符号，绰绰有余啊，于是外国人制订了规范，规定0-127（00000000-01111111）个字符他们用了，用来表示英文字符和一些符号，就是ASCII码，但是汉字有很多，256个根本就不够，于是国家就用两个ASCII来表示一个汉字，就是2个字节标识一个汉字，例如“保”的区位码为：1703，所以国标码为：1703的10进制+2020H=3123H，

然而：31H 和23H在ASCII中式有值的，31H在ASCII中表示数字1，23H表示的是“#”（这个可以在网上查询），那么如果我以国标码作为机内码的话，如果内存中有两个字节为31H和23H，那么到底是表示汉字“保”呢？还是字符1#呢？这样就有了歧义，但是解决办法就有了，0-127不是被英文字符占了吗？那么我就用127之后的来表示不就可以了吗？于是我把汉字的两个字节每个字节机上128（16进制就是80H），于是问题解决了，汉字“保”的机内码变为：3123H+8080H=B2A3H(10进制就是45475)，打开记事本按住alt+45475看看是不是“保”，这样就不会和英文的ASCII冲突了。

九、三者之间的关系。

1.国标码：“国家标准信息交换用汉字编码”（GB2312-80标准），简称国标码。

国标码是二字节码, 用两个七位二进制数编码表示一个汉字。

2.区位码：为了使每一个汉字有一个全国统一的代码，区位码是国家规定的94*94的一个方阵，其中每行叫做一个区，每列叫做一个位，组合起来就组成了区位码，我们可以在相关网站查询某个汉字的区位码，例如汉字“我”的区位码是46 50 ，标识“我”在46区，50位。

3.机内码：机内码是在计算机中存储的汉子编码。(相当于AcsiII码)

 

机内码=国标码+8080H

国标码=区位码+2020H

机内码+区位码+A0A0H

 

国标码=16进制的区位码+2020H

机内码=国标码+8080H

区位码+2020H=国标码

国标码+8080H=内码

区位码=内码- A0A0H

 

例如“我”的的区位码是46 50 这是10进制的转化为16进制：2E32H

所以“我”的国标码：2E32H+2020H=4E52H

所以“我”机内码：4E52H+8080H=CED2（其实就是把二进制国标码的最高位置1，注意看E和2都没有变化）

机内码转化为2进制就可以再计算机中存储，这里面转化为10进制可以输出。

CED2的10进制为：52946，这里我们打开记事本，按住alt建，输入52946即可以看见“我”，因为52946是“我”的机内码的10进制。

十、区位码转换为国标码为什么要加十进制数32

答案：1、加上32是为了避免和英文的控制字符冲突。

2、汉字区位码使用01~94作区号，01~94作位号。区号和位号组合在一起就构成了汉字的区位码。

3、汉字国标码用两个字节表示，每个字节用七位码（最高位为0），与ascii码0~127相同。

4、汉字作文字处理时，也使用英文控制字符，如果直接转换过来就会造成混乱，加上32就是为了让出英文控制字符的编码。

 

十一、例题：一个汉字区位码占多少个字节？

答：区位码是国家公布的一种汉字编码，分为94区94位的二维表格，

是汉字输入码的一种，区号和位号都是两位数，十进制的。

区位码不是在计算机内部的，所以也就没办法说占多少个字节，这种说法有点不妥。

 

另：汉字在计算机内部的内码是占2个字节的。