非数值数据的编码方式预习

非数值数据的编码方式预习

非数值数据的类型：

逻辑数据，字符数据，汉字数据，图像数据等等。

ASCII编码：

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。
GBK编码：由于ASCII编码不支持中文，因此，当中国人用到计算机时，就需要寻求一种编码方式来支持中文。于是，国人就定义了一套编码规则：当字符小于127位时，与ASCII的字符相同，但当两个大于127的字符连接在一起时，就代表一个汉字，第一个字节称为高字节（从0xA1-0xF7）,第二个字节为低字节（从0xA1-0xFE）,这样大约可以组合7000多个简体汉字。这个规则叫做GB2312。

汉字字符：

1个汉字字符存储需要2个字节，1个英文字符存储需要1个字节。　　字符是可使用多种不同字符方案或代码页来表示的抽象实体。例如，Unicode UTF-16 编码将字符表示为 16 位整数序列，而 Unicode UTF-8 编码则将相同的字符表示为 8 位字节序列。公共语言运行库使用 Unicode UTF-16（Unicode 转换格式，16 位编码形式）表示字符。

汉字的输入码：

汉字输入码也称外码，是为将汉字输入到计算机设计的代码。汉字输入码种类较多，选择不同的输入码方案，则输入的方法及按键次数、输入速度均有所不同。综合起来，汉字输入码可分为流水码、拼音类输入法、拼形类输入法和音形结合类输入法几大类。

字符集与汉字内码：

按照内码的形式在系统中进行储存，查找，传输等处理，内码就是ASCII码。
内码选择考虑的因素：
1）不能有二议性，即不能和ASCII码有相同的编码。
2）要与汉字在字库中的位置有关系，以便于汉字的处理，查找。
编码应尽量短。

汉字的字模点阵码和轮廓描述：

1）字模点阵描述是将字库的各个汉字或其他字符的字形用一个其元素0和1组成的方阵。汉字或字符中有黑点用1表示，空白处用0表示。
2）汉字的轮廓描述是吧汉字笔画的轮廓用一组直线和曲线来勾画，记下直线和曲线的数学描述公式。

数据的宽度和单位：

1）计算机内部任何信息都被表示为二进制编码形式。二进制数据的每一位（0和1）组成的最小单位叫做比特（bit）或称为元，简称为位。PS：比特是计算机中处理、存储和传输信息的最小单位。
2）二进制信息的计量单位是字节（byte），也称为组。还有一个“字”作为单位的。
3）所谓字长指的是CPU内部用于整数运算的数据通路宽度。
4）字用来表示被处理信息的单位，用来量度各种数据类型的宽度。
5）字长表示进行数据运算、存储和传送的部件的宽度。
6）带宽单位。

数据的存储和排列顺序：

1）信息在计算机中用二进制编码后，得到的是一串0/1序列，每8位构成的一个字节，不同的数据类型具有不同的字节宽度。
2）最低有效位LSB表示最低位，最高有效位MSB表示最高位。最高位MSB是符号位。
3）计算机中，多字节数据都被放在连续的字节序列中。两种排列的方式：大端和小端
4）大端方式将数据的最高有效字节MSB存放在低地址单元中，将最低有效字节LSB放在高地址单元中。数据的地址就是MSB所在的地址。
5）小端方式将数据最高有效字节MSB存放在高地址汇总，将最低有效字节放在低地址中。数据就是LSB在的地址。

数据校验码：

1）由于元器件故障或者噪声干扰等原因会出现差错，为了提升计算机的抗干扰能力以及自动的发现并纠正错误。
2）码距：任何编码都由一组码字（code word）组成，两个码字间变化的二进制位数称为码距（code distance）。
3）码距与检错和纠错之间的关系。
若在一个码组内为了检测e个误码，最小的码距d应该满足 d>=e+1。
若在一个码组内为了纠正t个误码，最小的码距d应该满足 d>=2t+1。
若在一个码组内为了纠正t个错误，同时检测e（e>=t）个错误，要求最小码距d满足 d>t+e+1。

奇偶校验码：

每位异或判断是奇数个一还是偶数个一。奇偶校验码是奇校验码和偶校验码的统称. 它们都是通过在要校验的编码上加一位校验位组成. 如果是奇校验加上校验位后,编码中1的个数为奇数个。如果是偶校验加上校验位后,编码中1的个数为偶数个。

海明校验码：

海明码也是利用奇偶性来校验数据的. 它是一种多重奇偶校验检错系统,它通过在数据位之间插入k个校验位,来扩大码距,从而实现检错和纠错。

循环冗余校验码：

实现方法：利用除数以及余数的原理进行错误检测，将接收到的码组进行除法运算，如果除尽，则说明传输无误；如果未除尽，则表明传输出现差错。