1.2　文本、圖形和圖像媒體基礎知識

1.2.1　文本媒體基礎知識

1.文本特點

（1）輸入方便、處理容易：字符的輸入可以有多種方式，操作均很方便。如果用鍵盤輸入漢字，每分鐘可以輸入一百多個漢字。由于每個字符對應一個或兩個字節的二進制數據，所以計算機在進行文字處理時可以直接對字節進行處理。

（2）文件很小、存取快速：由于每個字符對應一個或兩個字節的二進制數，所以生成的文本文件很小。因為計算機在進行文字處理時很容易，所以文本文件的存取速度很快。

（3）表達清楚準確：文字表達可以做到表達清楚、明了和準確，可以敘述事情、邏輯推理、數學公式表述等。

（4）應用最多且樣式多樣：多媒體中應用最多的是文本。文本的樣式多種多樣，可設置文本的字體、大小、顏色、字形（正常、加粗、斜體等）、字間距、行間距和段間距等。

（5）形式簡單、字符編集：文本是字母、數字、數字序號、數學和標點符號、注音符號、制表符號、特殊符號、圖形符號和其他各種符號的集合，通常把這個集合叫字符集。有多種不同類型的字符集，不同的字符集所包含的字符也不一樣，每個字符集對應的編碼也不同。字符編碼有ASCII和EBCDIC編碼，漢字編碼有GB、Unicode和Big5等編碼。

2.文字字體類型

文字的字體類型有點陣字體、矢量字體、描邊和組字體字體。其中，點陣字體在早期計算機中使用很多，它是由點構成的，易于創建和存儲，放大后會失真，目前使用很少。矢量字體是用數學中的矢量函數記錄的文字顏色和形狀，在放大時不會產生失真，廣泛用于印刷領域。描邊字體的漢字采用描邊的方法，采用矢量函數完整地描繪出整個描邊漢字。組字體是采用拆卸組合的方法，將中文分成筆畫（矢量筆畫），再組合成不同的漢字，缺點是在構成漢字時會在筆畫的交叉處產生“漏白”現象，嚴重影響文字的美觀，基本被淘汰。

3.字符編碼

計算機中的數據可以分為數值型數據與非數值型數據。其中數值型數據就是常說的“數”（如整數、實數等），它們在計算機中是以二進制形式存放的。而非數值型數據與一般的“數”不同，通常不表示數值的大小，而只表示字符，非數值型數據還包括各種控制符號和圖形符號等信息，為了便于計算機識別與處理，它們在計算機中是用二進制形式來表示的，通常稱之為字符的二進制編碼。計算機中常用的字符編碼簡介如下。

（1）ASCII碼：目前使用最多的字符集是ASCII碼字符集（美國信息交換標準代碼），它是由美國標準化委員會制定的。該編碼被國際標準化組織ISO采納，作為國際通用的信息交換標準代碼。ASCII碼有7位碼和8位碼兩種版本。

國際的7位ASCII碼（基礎ASCII碼）使用7位二進制數表示一個字符的編碼，其范圍是（0000000）2～（1111111）2，即0000000B～1111111B，共27=128個不同的編碼。包括了計算機處理信息常用的26個英文大寫字母A～Z、26個英文小寫字母a～z，數字符號0～9、算術與邏輯運算符號、標點符號等。在一個字節（八位二進制）中，ASCII碼用了7位，最高一位空閑，常用來作為奇偶校驗位。另外，還有擴展的ASCII碼，它用8位二進制數表示一個字符的編碼，可表示28=256個不同的字符。用ASCII表示的字符稱為ASCII碼字符，如表1-2-1所示。

十進制數字字符的ASCII碼與它們的二進制值是有區別的。例如，十進制數8的7位二進制數為（0001000）2，而十進制數字字符“8”的ASCII碼為（0111000）2=（38）16=（56）10，由此可以看出，數值8與字符“8”在計算機中的表示是不一樣的。數值8能表示數的大小，可以參與數值運算；而字符“8”是一個符號，不能參與數值運算。

為了統一各種語言字符的表達方式，國際上又制定了國際統一編碼（Unicode編碼）。在這種編碼的字符集中，一個字符的編碼占用2個字節，一個字符集可以表示的字符比ASCII碼字符集所表示的字符擴大了一倍。

（2）EBCDIC碼：它是對BCD碼的擴展，稱為擴展BCD碼。BCD碼又稱“二-十進制編碼”，用二進制編碼形式表示十進制數。BCD碼的編碼方法很多，最常用的是8421碼，其方法是用4位二進制數表示一位十進制數，自左至右每一位對應的位權是8、4、2、1。4位二進制數有0000到1111共16種形態，而十進制數只有0～9共10個數碼，BCD碼只取0000～1001十種形態。由于BCD碼中的8421碼應用最廣泛，所以一般說BCD碼就是指8421碼。

4.漢字編碼和漢字的處理過程

（1）國標碼：我國國家標準總局于1980年頒發了國家漢字編碼標準GB2312—1980，全稱為“信息交換用漢字編碼字符集基本集”，也稱為漢字信息交換碼或國標碼。1981年5月1日開始實施。國標碼規定，一個漢字的編碼用兩個字節表示。國標碼的字符集共收集了6763個漢字，682個數字、序號、拉丁字母等圖形符號。

根據漢字信息交換碼，一個漢字的機內碼也用2個字節存儲。因為ASCII碼是西文的機內碼，為了不使漢字機內碼與ASCII碼發生混淆，就把漢字每個字節的最高位置為1，作為漢字機內碼。國標碼規定，全部國標漢字及符號組成94×94矩陣，在該矩陣中，每一行稱為一個“區”，每一列稱為一個“位”。這樣，就組成了94個區（01～94區），每個區內有94個位（01～94）的漢字字符集。區碼和位碼簡單地組合在一起（即兩位區碼居高位，兩位位碼居低位）就形成了“區位碼”。區位碼可以唯一確定某一個漢字或漢字符號，反之，一個漢字或漢字符號都對應唯一的區位碼，如漢字“啊”的區位碼為“1601”（即在16區的第1位）。所有漢字及符號的94個區劃分成如下四個組。

①1～15區：為圖形符號區，其中，1～9區為標準符號區，10～15區為自定義符號區。

②16～55區：為一級常用漢字區，共有3755個漢字，該區的漢字按拼音排序。

③56～87區：為二級非常用漢字區，共有3008個漢字，該區的漢字按部首排序。

④88～94區：為用戶自定義漢字區。

（2）漢字處理過程：為了使計算機可以處理漢字，也需要對漢字進行編碼。從漢字編碼的角度看，計算機進行漢字處理的過程實際上是各種漢字編碼的轉換過程。這些漢字編碼有漢字輸入碼、漢字內碼、漢字地址碼和漢字字形碼（即漢字輸出碼）等，如圖1-2-1所示。

（3）漢字編碼：在漢字的處理過程中提到的漢字編碼簡介如下。

①漢字輸入碼：是為用戶能夠使用西文鍵盤輸入漢字而編制的編碼，也叫外碼。目前，漢字主要是經標準鍵盤輸入計算機的，所以漢字輸入碼都是由鍵盤上的字符或數字組合而成。漢字輸入碼有許多種不同的編碼方案，包括音碼，以漢語拼音和數字組成的漢字編碼，例如全拼輸入法的編碼等，種類非常多，被大多數用戶采用；形碼，根據漢字的字形結構對漢字進行的編碼，例如五筆字型輸入法的編碼；音形碼，以拼音為主，輔以字形、定義的漢字編碼，例如自然碼輸入法的編碼；數字碼，直接輸入固定位數的數字給漢字編碼等。同一漢字的不同編碼方案中的編碼通常是不同的。好的編碼要求易學習、重碼少、擊鍵次數少、容易實現盲打等。

②漢字機內碼：也稱漢字內碼，是從上述區位碼的基礎上演變而來的。它是在計算機內部進行存儲、處理和傳輸時所使用的漢字編碼。不論用何種輸入碼，輸入的漢字在機器內部都要轉換成統一的漢字機內碼，然后才能在機器內傳輸、處理。

區碼和位碼的范圍都在01～94內，如果直接作為機內碼必將與基本的ASCII碼沖突。為了在計算機內部區分是漢字編碼還是ASCII碼，避免與基本ASCII碼發生沖突，將國際碼每個字節的最高位由0改為1（即漢字內碼的每個字節都大于128）。

漢字的國標碼和相應的漢字機內碼的關系如下（其中的H表示為十六進制數）

漢字機內碼=漢字國標碼+8080H

其中，8080H=（8080）16=（1000000010000000）2。

國標碼+8080H的含義是將國標碼的第7位和第15位置為1，因8080H=1000000010000000B，注意其中的第7位和第15位都為1（二進制是以0開始數起的，所以是7和15位）。為什么要加上8080H呢？是因為在計算機中ASCII碼和漢字機內碼是共存的，如何區分它們呢？因為ASCII碼的最高位是0，所以將漢字機內碼的最高位置為1，用來區別ASCII碼和漢字機內碼，計算機在判斷是ASCII碼還是漢字機內碼時，只需要判斷它們的最高位即可。

③漢字字形碼：也稱漢字輸出碼，漢字是一種象形文字，每一個漢字都是一個特定的圖形，它可以用點陣來描述。例如，如果用16×16點陣來表示一個漢字（見圖1-2-2），則該漢字圖形由16行16列共256個點構成，這256個點需用256個二進制的位來描述。約定當二進制位值為“1”表示對應點為黑，二進制位值為“0”表示對應點為白。一個16×16點陣的漢字需要2×16=32個字節存放圖形信息，這就構成了一個漢字的圖形碼，所有漢字的圖形碼就構成了漢字字庫。

④漢字地址碼：是指漢字庫中存儲的漢字字形編碼的邏輯地址。在漢字庫中，字形編碼數據一般是按照一定順序連續存放在存儲介質內。漢字地址碼大多數也是連續有序的，而且與漢字內碼間有著簡單的對應關系，從而可以簡化漢字內碼到漢字的轉換。

當用某種漢字輸入法將一個漢字輸入到計算機之后，漢字管理模塊立即將它轉換為2個字節的國標碼，同時將國標碼每個字節的最高位置為“1”，作為漢字的標志，將國標碼轉換成漢字內碼。然后，根據漢字內碼轉換為漢字地址碼，再根據漢字地址碼在漢字庫中找到對應的一個漢字圖形碼，最后根據漢字圖形碼輸出漢字字形。

5.常見的文本文件格式

（1）TXT格式：TXT格式文件是包含極少格式信息的文本文件，是通用的、跨平臺的文本文件。TXT格式沒有明確的定義，它通常是指那些能夠被系統終端或者簡單的文本編輯器接受的格式。Windows“附件”中提供了一個“記事本”軟件，可以輸入、編輯、瀏覽和打開TXT格式文件。其他任何可以讀取文字的程序都能讀取TXT格式的文本。

（2）RTF格式：RTF是Rich Text Format的縮寫，含義是多文本格式，類似DOC格式，有很好的兼容性，是由微軟公司開發的跨平臺文檔格式。大多數的文字處理軟件都能讀取和保存RTF文檔。使用Windows“附件”中的“寫字板”可以創建、打開和編輯RTF文檔。

RTF的最大優點是具有通用兼容性，它的缺點是文件一般相對較大。Word等應用軟件可能無法正常保存為RTF格式文件等。對普通用戶而言，RTF格式是一個很好的文件格式轉換工具，用于在不同應用程序之間進行格式化文本文檔的傳送。

（3）DOC和DOCX格式：DOC格式文件是Office Word2003或之前版本的文件，DOCX格式文件是Office Word2007或之后版本的文件。它們都是微軟公司Office軟件的專屬格式，其文檔可以容納腳本語言和圖片等，但因為該格式屬于封閉格式，其兼容性也較低。

（4）WPS格式：WPS是Word Processing System的縮寫，中文含義是文字編輯系統，是金山軟件公司的一款辦公軟件。它具有豐富的全屏幕編輯功能、各種控制輸出格式及打印功能，基本上能滿足各界文字工作者編輯的需要。WPS格式是WPS軟件獨有的文檔格式。

在WPS軟件中打開WPS格式文檔，可以再保存為DOC或DOCX格式的文檔；在WPS軟件中打開DOC或DOCX格式的文檔，可以再保存為WPS格式的文檔。

（5）ODF格式：是Open Office軟件的專有格式，也有很多軟件可以打開ODF格式文檔。Open Office軟件是一款開源的、整合性、商業級辦公套件，它包含了許許多多的工具，其功能絕不遜于微軟的Microsoft Office，不但可以有Word一樣的字處理等功能，還可以輸出與Microsoft Office的Word、Excel和PowerPoint軟件的文檔格式相同的文檔。

Open Office是一套跨平臺的辦公室軟件套件，能在Windows、Linux、MacOSX（X11）等操作系統上執行，是自由軟件，可以免費下載。它與各個主要的辦公室軟件套件兼容。

（6）PDF格式：PDF文件格式是Adobe公司開發的電子文件格式，它與操作系統平臺無關，也就是說，PDF文件在Windows、UNIX和Mac OS操作系統中都是通用的，使它成為在Internet上進行電子文檔傳播的理想文檔格式。它已成為一個工業標準。

（7）RSS格式：RSS（簡易信息聚合）是一種消息來源格式規范，用以聚合經常發布更新數據的網站，如博客文章、新聞、音頻或視頻的網摘。RSS文件包含了全文或節錄的文字等。RSS文件可以借由RSS閱讀器來閱讀。RSS閱讀器軟件的種類很多，如看天下RSS閱讀器、Feedreader軟件和博閱RSS閱讀器等。RSS文件常用于更新頻繁的網站。