PHP讀取漢字點陣數據

背景知識: 
      簡體中文國標字庫(1981年訂,中國大陸)。7445個字符,其中漢字6773個,包括一級漢字3755個,二級漢字3008個。采用2字節(16位二進制)編碼。 
區位碼:國標GB2312規定,所有的國標漢字與符號組成一個94×94的矩陣。在此方陣中,每一行稱為一個”區”,每一列稱為一個”位”,因此,這個方陣實際上組成瞭一個有94個區(區號分別為0 1到94)、每個區內有94個位(位號分別為01到94)的漢字字符集。一個漢字所在的區號和位號簡單地組合在一起就構成瞭該漢字的”區位碼”。在漢字的區位碼中,高兩位為區號,低兩位為位號。由此可見,區位碼與漢字或符號之間是一一對應的。
內碼:漢字的內碼是指在計算機中表示漢字的編碼。機內碼與區位碼稍有區別。為什麼不直接用區位碼作為計算機內的編碼呢? 這是因為漢字的區碼和位碼的范圍都在1到94內, 如果直接用區位碼作機內碼, 就會與基本ASCII碼沖突。 漢字的內碼通常與所使用的計算機系統有關。目前,對於國內大多數的計算機系統,一個漢字的內碼占兩個字節,分別稱為高位字節與低位字節,且這兩位字節與區位碼的關系如下: 內碼高位=區碼+A0H(H表示十六進制) 內碼低位=位碼+A0H 例如,漢字”啊”的區位碼為”1601″,區碼和位碼分別用十六進制表示即為”1001H”,則它的內碼為”B0A1H”。其中B0H為內碼的高位字節,A1H為內碼的低位字節。 
php代碼:返回由0和1組成的字符串。
<?php
/**
 * 讀取漢字點陣數據
 *
 * @author    legend <legendsky@hotmail.com>
 * @link      https://www.ugia.cn/?p=82
 * @Copyright www.ugia.cn
 */
    
$str = “中華人民共和國”;
    
$font_file_name   = “simsun12.fon”; // 點陣字庫文件名
$font_width       = 12;  // 單字寬度
$font_height      = 12;  // 單字高度
$start_offset     = 0;   // 偏移
    
$fp = fopen($font_file_name, “rb”);
    
$offset_size = $font_width * $font_height / 8;
$string_size = $font_width * $font_height;
$dot_string  = “”;
    
for ($i = 0; $i < strlen($str); $i ++)
{
    if (ord($str{$i}) > 160)
    {
        // 先求區位碼,然後再計算其在區位碼二維表中的位置,進而得出此字符在文件中的偏移
        $offset = ((ord($str{$i}) – 0xa1) * 94 + ord($str{$i + 1}) – 0xa1) * $offset_size;
        $i ++;
    }
    else
    {
        $offset = (ord($str{$i}) + 156 – 1) * $offset_size;
    }
    
    // 讀取其點陣數據
    fseek($fp, $start_offset + $offset, SEEK_SET);
    $bindot = fread($fp, $offset_size);
    
    for ($j = 0; $j < $offset_size; $j ++)
    {
        // 將二進制點陣數據轉化為字符串
        $dot_string .= sprintf(“%08b”, ord($bindot{$j}));
    }
}
    
fclose($fp);
    
echo $dot_string;
?> 

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。