第四章 文字输入处理技术

第四章文字输入处理技术第一页，共六十六页，2022年，8月28日文字信息在计算机中的描述、记录、显示和处理，都要以文字的数字化编码为基础。数字化文字技术分为西文和中文两大类。西文大多属于拼音和字母文字，基础字符比较少，而且容易按一定顺序排列，数字化比较简单。而中文数量大、字形复杂、同音字多、异体字多等特点，使其在计算机内部的表示、处理、传输、交换、输入、输出带来了一系列的问题，同时也给汉字编码工作带来了相当大的难度，排序方法多样。2第二页，共六十六页，2022年，8月28日英文字母编码由于计算机用二进制数，故文字信息、符号也要转换成二进制数所进行编码，国际上统一用美国标准信息编码，ASCII码，AmericanStandardCodeforInformationInterchange。ASCII码被国际标准化组织为国际标准ISO646。它用于计算机内码，也用做数据通信中的编码标准。ASCII码标准规定，一个ASCII码占一个字节(长度为8位)的低7位，其中最高位为校验位，用于传输过程检验数据正确性。其余7位二进制数表示一个字符，这样一个字节可表示2的7次方即128种状态，（从00000000～01111111）。3第三页，共六十六页，2022年，8月28日每种编码状态与一个ASCII码字符唯一对应，即可表示27=128个字符，其中包括26个英文大写字符、26个英文小写字符、10个数字字符、33个标点符号和33个控制符。ASCII码采用7位二进制数比特编码，可以表示128个字符。字符又分为图形字符与控制字符两类。图形字符包括数字、字母、运算符号、商用符号等。例如大写A的ASCII码是65，小写a则是97。4第四页，共六十六页，2022年，8月28日128个ASCII码字符的编码规则5第五页，共六十六页，2022年，8月28日ASCII码扩展字符的编码6第六页，共六十六页，2022年，8月28日汉字编码用计算机进行汉字处理，首先必须将汉字代码化，即对汉字进行编码，称为汉字输入码。汉字输入码送入计算机后还必须转换成汉字内部码，才能进行信息处理。处理完毕之后，再把汉字内部码转换成汉字字型码，才能在显示器或打印机输出。因此汉字编码有输入码、内码、字型码三种。7第七页，共六十六页，2022年，8月28日汉字从输入到输出，首先要用汉字的输入码(外码)将汉字输入，再用对应的内码存储并处理汉字，最后用汉字的字型码将汉字输出、显示或打印。8第八页，共六十六页，2022年，8月28日汉字的输入码目前，为了能直接使用西文标准键盘输入汉字，必须给汉字设计相应的输入编码方法。 编码方案有很多种，主要分为以下三类数字编码拼音码字形编码9第九页，共六十六页，2022年，8月28日★数字编码

常用的是国标区位码，用数字串对应汉字输入。区位码是将国家标准局公布的6763个两级汉字分为94个区，每个区分94位，即将汉字表示成二维数组，每个汉字在数组中的位置坐标就是区位码。区码和位码各两位十进制数字，因此输入一个汉字需按键四次。例如“中”字位于第54区48位，区位码为5448。数字编码输入的优点是无重码，输入码与内部编码的转换比较方便，缺点是代码难以记忆。10第十页，共六十六页，2022年，8月28日★拼音码

拼音码是以汉语拼音为基础的输入方法。凡掌握汉语拼音的人，不需训练和记忆，即可使用，容易掌握，但汉字同音字太多，输入重码率很高，因此按拼音输入后还必须进行同音字选择，影响了输入速度。常见的有双拼、全拼、微软拼音、智能ABC、搜狗拼音、紫光拼音等。11第十一页，共六十六页，2022年，8月28日★字型编码字型编码是用汉字的形状来进行的编码。汉字总数虽多，但是由一笔一划组成，全部汉字的部件和笔划其实是有限的。因此，把汉字的笔划部件用字母或数字进行编码，按笔划的顺序依次输入，就能表示一个汉字了，与手工书写自然融合，输入速度较高，重码率低，但字根(笔划)与键位对应关系难记。例如五笔字型编码是最有影响的字形编码方法。12第十二页，共六十六页，2022年，8月28日汉字的机内码

汉字的机内码是供计算机系统内部进行存储、加工处理、传输统一使用的代码。目前使用最广泛的一种为两个字节长的机内码。这种格式的机内码是将国标GB2312-80交换码的两个字节的最高位分别置为l而得到的。其最大优点是机内码表示筒单，且与交换码之间有明显的对应关系，同时也解决了中西文机内码存在二义性的问题。

例如“中”的国标码为十六进制：

5448(0101010001001000)，

其对应的机内码为十六进制：

D4C8(1101011011001000)。13第十三页，共六十六页，2022年，8月28日汉字的机内码与国标码的关系：

◆十六进制：

机内码区号(16)＝国标码高位字节＋80H

机内码位号(16)＝国标码低位字节＋80H

◆十进制：

机内码区号＝国标码高位字节(10)＋128

机内码位号＝国标码低位字节(10)＋12814第十四页，共六十六页，2022年，8月28日汉字的区位码与国标码的关系：

◆十六进制：

国标码高位字节＝区位码区号(16)＋20H

国标码低位字节＝区位码位号(16)＋20H

◆十进制：

国标码高位字节(10)＝区位码区号＋32

国标码低位字节(10)＝区位码位号＋3215第十五页，共六十六页，2022年，8月28日汉字的区位码与机内码的关系：

◆十六进制：

机内码高位字节＝区位码区号(16)＋A0H

机内码低位字节＝区位码位号(16)＋A0H

◆十进制：

机内码高位字节(10)＝区位码区号＋160

机内码低位字节(10)＝区位码位号＋16016第十六页，共六十六页，2022年，8月28日汉字信息交换码（国标码）信息交换用汉字编码字符集·基本集是我国于1980年制定的国家标准GB2312-80，简称国标码，是国家规定的用于汉字信息处理的基本依据。GB2312-80中规定了信息交换用的6763个汉字和682个非汉字图形符号(包括几种外文字母、数字和符号)的代码。6763个汉字又按使用频度、组词能力等分成一级常用汉字3755个和二级常用汉字3008个。17第十七页，共六十六页，2022年，8月28日一级汉字按拼音字母顺序排列；若遇同音字，则按起笔的笔形顺序排列；若起笔相同，则按第二笔的笔形顺序排列，依次类推。所谓笔形顺序，就是横、竖、撇、点和折的顺序。二级汉字按部首顺序排列。在此标准中，每个汉字(图形符号)采用双字节表示。每个字节只用低7位，最高位恒为1。由于低7位中有34种状态是用于控制字符，因此，只有94(128-34=94)种状态可用于汉字编码。这样，双字节的低7位只能表示94×94=8836种状态。18第十八页，共六十六页，2022年，8月28日编码范围二进制数码十进制数码基本ASCII码00000000～011111110～127控制字符00000000～00100000、011111110～32、127可用汉字段00100001～0111111033～126(1～94)扩充ASCII码10000000～11111111128～255控制字符10000000～10100000、11111111128～160、255GB2312-8010100001～11111110161～254(1～94)此标准的汉字编码表有94行、94列，其行号称为区号，列号称为位号。双字节中，用高字节表示区号，低字节表示位号。非汉字图形符号置于第1～11区，一级汉字3755个且于第16～55区，二级汉字3008个置于第56～87区。常见中西文编码占用字节情况19第十九页，共六十六页，2022年，8月28日20第二十页，共六十六页，2022年，8月28日汉字的字形码汉字字形码是汉字字库中存储的汉字字形的数字化信息，用于显示和打印。汉字字形信息的表示大体上有两类形式：一类是点阵表示法，另一类是矢量表示法。21第二十一页，共六十六页，2022年，8月28日汉字字形点阵有l6×16点阵、24×24点阵、32×32点阵、64×64点阵、96×96点阵、128×128点阵、256×256点阵等类型。一个汉字方块中行数、列数分得越多，描绘的汉字也就越细微，但占用的存储空间也就越多。汉字字形点阵中每个点的信息要用一位二进制码来表示。对于16×16点阵的字形码，需要用32个字节(16×16÷8=32)表示；24×24点阵的字形码需要用72个字节(24×24÷8=72)表示。22第二十二页，共六十六页，2022年，8月28日汉字字库，是汉字字形数字化后，以二进制文件形式存储在存储器中而形成的汉字字模库。汉字字模库亦称汉字字形库，简称汉字字库。汉字字库可分为软汉字字库和硬汉字字库。23第二十三页，共六十六页，2022年，8月28日通常，计算机中所有汉字的字形码集合起来组成汉字库(或称为字模库)存放在计算机里，当汉字输出时由专门的字形检索程序根据这个汉字的内码从汉字库里检索出对应的字形码，由字形码再控制输出设备输出汉字。汉字点阵字形的汉字库结构简单，但是当需要对汉字进行放大、缩小、平移、倾斜、旋转、投影等变换时，汉字的字形效果不好。若使用矢量汉字库、曲线字库的汉字，其字形用直线或曲线表示，能产生高质量的输出字形。

24第二十四页，共六十六页，2022年，8月28日文字信息处理：是依照用户提供的文字稿及对成品的要求，确定合适的字体、字号、行距、字距、版式要求等，再利用文字信息处理设备对文字稿进行版面设计和排版，最后把排好的文字信息输出到纸张、屏幕等介质上。所以，文字处理技术就是日常说的文字处理技术。文字信息处理25第二十五页，共六十六页，2022年，8月28日版面与版面基础知识版面与排版基础知识主要包括版面构成要素、版面技术术语及各种版式处理等。这些知识是各种媒体设计中不可缺少的重要组成部分。一名合格的媒体设计人员和操作员只有掌握“排版语言”和版面设计知识，才能达到高效率和高质量。26第二十六页，共六十六页，2022年，8月28日字体分类和用法1．文字字体、字号及字形1）文字的字体文字的字体是一种规范了的文字书写形式，不同的字体代表了不同的书写风格。因此，在出版中，选用不同的字体对出版的质量有重要作用。27第二十七页，共六十六页，2022年，8月28日文字的字体分为汉字字体和外文字体。媒体常见的基本字体有书宋体、仿宋体、楷体和黑体四种。为了美化版面，经过一段时间的发展，在印刷中开始采用许多新的艺术字体。如，隶书、综艺、行楷、美黑、魏碑等等。28第二十八页，共六十六页，2022年，8月28日对于外文字体而言，在我国版面设计中最为常用的字体有四种，它们是白正体、白斜体、黑正体、黑斜体。 汉字字体和外文字体需要区别对待!

29第二十九页，共六十六页，2022年，8月28日2）文字的字号文字的字号是指文字大小。对文字大小采用以“号数制”为主，“点数制”为辅的原则来进行度量。因此，在国内的电子出版软件中对字体的度量基本采用这一原则的，这种度量的方法与原来的铅字排版统一起来了，符合了我国人员的编辑习惯。比如，大北大方正电子出版系统中，特大号（11号）以下的字都采用号数制来称谓，如4号字、5号字，而特大号以上的字是采用点数制来称谓，如84P、72P等。30第三十页，共六十六页，2022年，8月28日

点是活字专用的计量单位，点的英文名称是Point，音译为磅，采用Point的第一个定母P来表示。1P=0.35mm国外电子出版软件中，字的大小大都以“点”来表示，如办公软件Word等。31第三十一页，共六十六页，2022年，8月28日3）文字的字形文字的字形是指文字的形状，一般有：方形长形扁形粗体形细体形32第三十二页，共六十六页，2022年，8月28日4）媒体中字体号的选用原则

要合理运用文字设计版面，对于字体字号的选用原则需要有基本了解，常用字体的特点和选用原则：宋体：宋体的特点是横平竖直，横细竖粗，粗细适中，疏密布局合理，使人看起来清晰爽目，久读不易疲劳，所以一般正文都采用书宋体作为字体。宋体的另一个优点是阅读适性好，字体笔道完整清晰。

宋体33第三十三页，共六十六页，2022年，8月28日楷体：笔画接近于手写体，直接由古代书法发展而来，字体端正、匀称。一般用于小学生课本和幼儿读物，选用4号楷体以便孩子们模仿。除此之外，楷体字也常用作中、小级的标题、作者的署名、报刊中篇幅短小的正文等。黑体：字体方正饱满，笔画横粗竖也粗，主要用于各级大小不同的标题字。

黑体楷34第三十四页，共六十六页，2022年，8月28日仿宋：仿宋中由古代仿宋刻本发展而来的一种字体，是古代常用的一种印刷字体。其笔画粗细一致，起落锋芒突出，刚劲有力，但阅读效果不如书宋体，所以不是一般出版物常用的字体。其主要用于中、小级的标题、文件等用字，一般其字号要在小4号以上，并且字形为长形字比较好看。仿宋35第三十五页，共六十六页，2022年，8月28日字体特征及应用36第三十六页，共六十六页，2022年，8月28日文字形式与内容的统一37第三十七页，共六十六页，2022年，8月28日文字的背景与色彩对比电脑屏幕的正文配色一般宜采用淡彩背景黑色文字，或者白色背景灰色文字，这样整体屏幕色调柔和，对视觉的刺激小，可读性更好。电脑屏幕的正文配色一般宜采用淡彩背景黑色文字，或者白色背景灰色文字，这样整体屏幕色调柔和，对视觉的刺激小，可读性更好。电脑屏幕的正文配色一般宜采用淡彩背景黑色文字，或者白色背景灰色文字，这样整体屏幕色调柔和，对视觉的刺激小，可读性更好。电脑屏幕的正文配色一般宜采用淡彩背景黑色文字，或者白色背景灰色文字，这样整体屏幕色调柔和，对视觉的刺激小，可读性更好。与黑色背景白色文字相比，阅读白色背景黑色文字的速度要快40％。可读性最差的配色是黑色背景红色文字，或反之；最好的是黄色背景黑色文字。与黑色背景白色文字相比，阅读白色背景黑色文字的速度要快40％。可读性最差的配色是黑色背景红色文字，或反之；最好的是黄色背景黑色文字。与黑色背景白色文字相比，阅读白色背景黑色文字的速度要快40％。可读性最差的配色是黑色背景红色文字，或反之；最好的是黄色背景黑色文字。与黑色背景白色文字相比，阅读白色背景黑色文字的速度要快40％。可读性最差的配色是黑色背景红色文字，或反之；最好的是黄色背景黑色文字。与黑色背景白色文字相比，阅读白色背景黑色文字的速度要快40％。可读性最差的配色是黑色背景红色文字，或反之；最好的是黄色背景黑色文字。38第三十八页，共六十六页，2022年，8月28日正文排版规则1.正文版式设计规则一个合格的出版人员不仅要学会如何排版,而且要学会如何将版面排得美观、漂亮。要想达到这一目标首先必须了解正文版式的设计。39第三十九页，共六十六页，2022年，8月28日正文必须按照不同的内容进行设计，不同性质和受众的出版物应该有不同的特点。政治性的出版物，要端庄大方；文艺性的出版物，要清新高雅；生活消遣性的出版物，要活泼花哨。40第四十页，共六十六页，2022年，8月28日不同对象的出版物，也要在版式上作不同的处理：给普通大众看的版面字体不妨大一点，例如：儿童看的书字体要字大行疏，即采用疏排的方法。给青年人看的版面可字小行密。文章的不同部分最好字体有所变化，尤其在设计版式及标题时更要注意，重要文章的标题要十分醒目。41第四十一页，共六十六页，2022年，8月28日书刊正文排版基本上可以分为以下几类：

(1)横排和直排横排的字序是自左而右，行序是自上而下；直排的字序是自上而下，行序是自右而左。

(2)密排和疏排密排是字与字之间没有空隙的排法，一般书刊正文多采用密排；疏排是字与写之间留有一些空隙的排法，大多用于低年级教科书及通俗读物，排版时应放大行距。42第四十二页，共六十六页，2022年，8月28日(3)通栏排和分栏排

通栏：以版心的整个宽度为每一行的长度，这是书籍的通常排版的方法。

有些出版物，特别是期刊和版面较大的书籍及工具书，版心宽度较大，为了缩短过长的字行，正文往往分栏排，有的分为两栏（双栏），有的三栏，甚至多栏。

43第四十三页，共六十六页，2022年，8月28日2.正文的排版要求版式为标准，排版要求：(1)每段首行必须空两格，特殊的版式作特殊处理；(2)每行之首不能是句号、分号、逗号、顿号、冒号、感叹号、引号、括号、模量号以及矩阵号等的后半个；(3)非成段落的行末必须与版口平齐，行末不能排引号、括号、模量号以及矩阵号等的前半个。44第四十四页，共六十六页，2022年，8月28日(4)双栏排的版面，如有通栏的图、表或公式时，则应以图、表或公式为界，其上方的左右两栏的文字应排齐，其下方的文字再从左栏到右栏接续排。在章、节或每篇文章结束时，左右两栏应平行。行数成奇数时，则右栏可比左栏少排一行字。(5)在转行时，下列各项不能分拆：

①整个数码；

②连点(两字连点)、波折线；

③数码前后附加的符号(如95%，r30，-35℃，×100，～50等)。45第四十五页，共六十六页，2022年，8月28日3.正文排版应注意的问题在正文排版中应严格遵循忠实于原稿的原则。对于一些未经过编辑加工或编辑加工较粗的稿子中出现的一些明显的上下文不统一的特殊情况就可以将其统一。例如：“在××事件中，直接参与者占34%，得占百分之十……”这句话中出现的“34%”和“百分之十”的写法上的不统一。在科技文章中，应将其统一为阿拉伯字。对大而简单的数可以采用两者结合的形式，也可采用指数形式。46第四十六页，共六十六页，2022年，8月28日由于原稿一般为手写稿，因此某些符号难以分辨，例如：中文中的顿号、句号、小数点常常随手点上一个含乎不清的黑点。这时就要求排版人员按照排版的规范来区分。

在科技书籍中，汉字之后句号一般用圆圈(。)，但有些书籍(如数学方面的)因圈点容易与下角标数码“0”或英文小写字母“o”相混，为了有所分辨，常采用黑点作外文、数字及数学式的句号。47第四十七页，共六十六页，2022年，8月28日中文序码后习惯用顿号(如“五、”)。阿拉伯数码后习惯用黑脚点(如“5.”)，不要用顿点(“5、”)。

外国人名译名的间隔号处于中文后时用中圆点，如：弗·阿·左尔格；处于外文后时应用下脚点，如：弗·A.左尔格。当然，在全是外文的外国人名中自然要按照国际习惯用下脚点：F.A.Sorge。

省略号在中文中用六个黑点“……”，在外文和公式中用三个黑点“…”来表示。48第四十八页，共六十六页，2022年，8月28日文字或数字、符号之间的短线，应根据原稿的标注来确定短线的长短。在没有标注的情况下，范围号用“一字线”(稿纸上占一格)，例如54-94%，但也可用“～”。破折号用“两字线”，例如插语“机组——发电机和电动机”。连结号用“半字线”(稿纸上不占格，写在两字之间)，例如章节码(§3-2)，图表码(图6-4)。

49第四十九页，共六十六页，2022年，8月28日标题排版规则

标题是一篇文章核心和主题的概括，其特点是字句简明、层次分明、美观醒目。

如果标题层次比较多，有大、中、小之别。书籍中最大的标题称之为一级标题，其次是二级标题、三级标题等。如本书最大的标题是章，则一级标题从章开始，二级是节（*.*），三级是目（*.*.*）。大小标题的层次，表现出正文内容的逻辑结构，通常采用不同的字体、字号来加以区别，使全书章节分明、层次清楚，便于阅读。1.标题的结构50第五十页，共六十六页，2022年，8月28日2.标题的字体、字号（1）标题的字体应与正文的字体有所区别，既美观醒目、又与正文字体协调。标题字和正文字如为同一字体，标题的字号应大于正文。

（2）标题的字体字号要根据版面的大小来选用。一般说来，开本越大，字号也应越大。16开版面可选一号字或二号字作一级标题，32开版面可选用二号字或三号字作一级标题。51第五十一页，共六十六页，2022年，8月28日（3）应根据出版物标题分级的多少来选用字号。多级标题的字号，原则上应按部、篇、章、节的级别逐渐缩小。常见的排法是：大标题用二号或三号，中标题用四号和小四号，小标题用与正文相同字号的其他字体。52第五十二页，共六十六页，2022年，8月28日3．标题的排版方法标题的排版要求排出的标题层次分明、美观醒目。标题所用的字号，应大于正文(如采用同号字，则以字体来区别，但绝不能采用小于正文的字号)。为了使标题醒目，往往采用空行（在标题上下加大空距）和占行（采用大于正文字号，多占一些位置）的排版方法。期刊上除了正标题外，有时还有副标题，标题的常用版式的排版方法(竖排标题、双跨单标题从略)如下：53第五十三页，共六十六页，2022年，8月28日(1)居中标题：这种标题用得最多，既可有序数或篇章序数，也可没有序数或篇章序数。它的版式有以下几种：①无序数或无篇章序数②有章节序数，转行居中54第五十四页，共六十六页，2022年，8月28日③有章节序数，转行齐题名(2)边题：边题通常有两种排法。其一是顶格排，边题占正文二行位置；其二是缩进两格排，只占一行位置。(3)段首标题：标题与正文一样缩进两格排，题后加排名号，空一格接排正文；若题后不加句号，则空两格或一格接排正文。(4)提示标题：提示标题亦称窗式标题，其特点是如同在文中开一个窗户。55第五十五页，共六十六页，2022年，8月28日窗式标题排版法插图的排版规则以文字为主的书刊版面中的图称为插图。书刊中的插图是书刊版面的重要组成部分，是为了弥补文字的不足，能够直观、形象地说明问题，使读者能够获得更深刻的印象。56第五十六页，共六十六页，2022年，8月28日1.插图的分类按插图的性质，可将其分为线条图和照片等。在书刊中一般图和照片采用统一编号的方式。

按插图相对位置来分，插图可分为串文图(卧文图)和非串文图(非卧文图)。

按插图所占的版面来分，插图可分为：（1）单面图即可排在一面的版心内的插图；（2）跨页图又称为合页图即采用双码跨单码的方法分排在同一视面的两面内的插图。57第五十七页，共六十六页，2022年，8月28日按版心尺寸来分，插图可分为版内图(不超过版心)、超版心图(超过版心尺寸但小于开本的图)和出血图。出血图多用于美化版面的书刊(文艺画册、少儿读物等)。图版的一边或双边超出开本，经裁切后不留白边，这种图称为出血图。

按插图颜色来分，可分为黑白图和彩色图。一般书刊采用黑白图，而画册和科技书刊中某些有特殊要求的插图则采用彩色图。

按插图跨栏与否来分，插图可分为短栏图、