【自学嵌入式：计算机组成原理】8. 二进制表示文字

8. 二进制表示文字

一、二进制与信息表示的基础

计算机以二进制（0和1）为核心编码方式，其本质是利用物理设备的两种稳定状态（如电路的通/断、光源的亮/灭）表示信息。这种方式具备以下优势：

• 物理实现简单：两种状态易区分、抗干扰（如电压高低只需识别阈值，无需精确测量）；
• 逻辑兼容性：契合布尔代数（True/False 对应 1/0），可直接用于逻辑运算与数据处理。

案例：《三体》中的“宇宙闪烁”

在《三体》剧情中，“宇宙闪烁”通过恒星的亮灭周期传递信息，本质是一种二进制编码：

• 亮 → 1（或摩斯码的“点”●）
• 灭 → 0（或摩斯码的“划”—）

这种编码方式验证了一个核心思想：只要约定“状态映射规则”，简单的二进制状态可表达复杂信息。

二、编码：信息数字化的“翻译规则”

编码是信息与二进制序列的映射约定，需同时定义“编码规则”（信息→二进制）与“解码规则”（二进制→信息）。以下通过摩斯码说明编码的基本逻辑。

摩斯码的编码机制

摩斯码是一种经典的字符编码，通过“点（●，短信号）”和“划（—，长信号）”的组合表示字符。例如：

• 字母 A → ●—
• 字母 B → —●●●

编码的灵活性体现在：

• 明码：规则公开（如国际摩斯码表），用于通用通信（如电报）；
• 密码：规则私有（如双方约定特定组合代表密文），用于保密通信（如将 Q 的标准码“— — ● —”重新映射为 Y）。

本质：编码的“约定性”

无论明码还是密码，核心是通过“状态组合规则”扩展信息表达能力。即使物理状态只有2种（如亮/灭），通过增加“状态持续时间”（点/划）或“序列长度”，可表示的信息数量会指数级增长。

三、文字的二进制编码体系

1. ASCII码：英文环境的基础编码

计算机起源于英文环境，最初需解决英文字母、数字、符号的二进制表示问题。由此诞生了 ASCII（美国信息交换标准代码，American Standard Code for Information Interchange）：

• 编码结构：7位二进制数（\(2^7 = 128\) 种组合），可表示 128 个字符；
• 覆盖内容：英文字母（大小写）、数字（0-9）、标点符号、控制字符（如换行、空格）；
• 作用：统一英文文本的二进制表示，解决不同设备间的数据兼容性。

2. 汉字编码：解决非英文文本的表示

由于汉字数量庞大（常用字超数千个），ASCII的7位编码无法覆盖，因此需要专门的汉字编码体系。以下是中国汉字编码的发展历程：

（1）GB2312编码（1981年）

• 定位：中国大陆简体中文的基础编码标准；
• 内容：收录 7445 个图形字符，其中汉字 6763 个（覆盖常用简体字）；
• 编码方式：采用 2 字节（16位二进制，\(2^{16} = 65536\) 种组合），通过分区管理字符（如汉字区、符号区）。

（2）BIG5编码（1984年）

• 定位：中国台湾地区的繁体中文编码标准；
• 内容：收录 13053 个中文字符（覆盖常用繁体字）；
• 局限性：与GB2312不兼容，跨地区文本交互需转换。

（3）GBK编码（2000年）

• 定位：GB2312的扩展版，支持更全面的汉字与符号；
• 内容：收录 21003 个汉字，包含 GB2312 全部字符、BIG5 繁体汉字，以及日韩汉字；
• 优势：兼容GB2312，解决了简繁体、跨语言的文本表示需求。

3. 编码的核心逻辑

文字编码的本质是通过增加二进制位数，扩展可表示的字符数量：

• ASCII（7位）→ 128 字符；
• GB2312/GBK（16位）→ 数万个字符。

这种扩展体现了二进制编码的灵活性：基础状态（0/1）不变，通过增加“状态组合长度”或“组合规则”，可覆盖更复杂的信息需求。

总结：
信息的数字化表示依赖二进制编码，核心是通过“状态映射规则”将复杂信息转换为0和1的序列。从摩斯码到文字编码（ASCII、GB2312/GBK），本质是不断优化“编码规则”以适配更丰富的信息表达需求。理解编码的约定性与扩展性，是掌握计算机数据表示的基础。