FPGA 工程实践：GB2312 中文字符集与字库存储

装配说明

本实例工程除了 SF-VIP 核心板，还需要 SF-USB 子板以及 SF-L70 子板用于驱动 LCD 显示。SF-USB 子板的 USB-TypeA（P4）用 USB 线连接 PC，整个系统的装配连接如图 16-2 所示。VIP 核心板的 P2 插座连接到 SF-USB 子板的 P1 插座，VIP 核心板的 P4 插座连接到 SF-L70 子板的 P3 插座。SF-USB 子板通过 UART-USB 插座 P4 连接到 PC 机，同时该板的 SD 卡槽上需要插入一张标准的 SD 卡。而 SF-L70 子板的 P1 和 P2 插座则分别连接到 7 寸液晶屏的触摸屏和 40PIN FPC 连接器上。

GB2312 中文字符集简介

1. 概述

GB2312 是一个简体中文字符集的中国国家标准，全称为《信息交换用汉字编码字符集——基本集》，由中国国家标准总局发布，1981 年 5 月 1 日实施。GB2312 编码通行于大陆，新加坡等地也采用此编码。几乎所有的中文系统和国际化的软件都支持 GB2312。

GB2312 标准共收录 6763 个汉字，其中一级汉字 3755 个，二级汉字 3008 个；同时，GB2312 收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄罗斯语西里尔字母在内的 682 个全形字符。GB2312 的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖 99.75% 的使用频率。

2. 分区表示

GB2312 中对所收汉字进行了'分区'处理，每区含有 94 个汉字或符号。这种表示方式也称为区位码。

• 01~09 区为特殊符号。
• 16~55 区为一级汉字，按拼音排序。
• 56~87 区为二级汉字，按部首/笔画排序。
• 1015 区及 8894 区则未有编码。

举例来说，'啊'字是 GB2312 之中的第一个汉字，它的区位码就是 1601。

3. 字节结构

在使用 GB2312 的程序中，通常采用 EUC 储存方法，以便兼容于 ASCII。每个汉字及符号以两个字节来表示。第一个字节称为'高位字节'（或称 MSB），第二个字节称为'低位字节'（或称 LSB）。

'高位字节'使用了 0xA10xF7（把 0187 区的区号加上 0xA0）区间的数据进行编码，'低位字节'使用了 0xA10xFE（把 0194 加上 0xA0）区间的数据进行编码。

例如'啊'字在大多数程序中，会以 0xB0A1 储存（由区位码计算为：0xB0=0xA0+16,0xA1=0xA0+1）。

结合前面的分区，我们可以将 GB2312 的编码规则归纳如下。

• 每个汉字或符号用 2 个字节表示，高字节代表其所在分区，低字节代表具体的编码值。
• 编码高字节，即分区字节的取值范围是 0xA1~0xF7，共 94 个可用的分区。
• 编码低字节，即具体的编码值取值范围是 0xA1~0xFE，共 94 个可用编码值。

对于分区字节，又分为以下几个部分。

• 0xA1~0xA9 区为特殊符号。
• 0xB0~0xD7 区为一级汉字，按拼音排序。
• 0xD8~0xF7 区为二级汉字，按部首/笔画排序。
• 0xAA~0xAF 区及 0xF8-0xFE 区则未有编码。

4. 字模显示原理

如图 16-3 所示，这是某字符取模软件的截图。它大体示意出了字模显示的基本原理。通常，我们若希望在液晶屏上显示出一个字符，比如这个字符是分辨率为 64×32 的'A'，那么在这个显示区域内，我们就必须有 64×32 个像素点对应的色彩数据来表示这个字符。当然，每个像素点的色彩可以用 24bit（RGB888）表示，也可以用 16bit（RGB565）表示。但是，从最经济实用的角度来看，我们还是愿意用最小的数据量去表示最重要的特征信息。因此，通常的字模只会花 1bit 来表示 1 个像素点。1bit 的数据可以是 0，也可以是 1，我们可以假设代表某个像素点的 1bit 为 1 时，显示图示的白色；为 0 时，显示图示的黑色。当然了，我们不会这么'土得掉牙'地让这些字符在我们的液晶屏上只显示黑白，我们可以换任何我们期望的颜色，这是后话，设计中我们可以变通。那么，对于 64×32 分辨率的字符'A'，我们需要 64×32bit，即 256B 数据就可以表示出来。

我们这个实例中涉及的 GB2312 中文字符分别有 3 种分辨率大小，即 16×16、32×32 和 64×64，它们所需要的 Flash 存储空间计算如表 16-1 所示。

5. 实际字库存储结构

标准的 GB2312 码，出于'节能减排'的需要，我们不管它们的编码如何，字模数据一定是按顺序依次排列的。因此，对于给定的高字节为 MSB、低字节为 LSB 的 GB2312 码，它在我们的字库中的寻址换算为：(((MSB-0xa1)×0x5e)+(LSB-0xa1))。

由于 GB2312 中并没有定义 ASCII 码，而我们实际的工程使用中通常会非常频繁地使用 ASCII 码。ASCII 码只有 1 个字节表示，取值为 0x00~0x7F。因此，我们在原有的 GB2312 标准字库字模中人为地插入一些我们 ASCII 码对应的字库。

如图 16-4 所示，在 GB2312 定义的 0xA4 分区中，这些符号恐怕我们这辈子都用不上，那么我们就考虑直接将 ASCII 码的字模存放在这个区域。从 0x21~0x7f 对应的 ASCII 码为'!#$%&'0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[]'。