基于支持4字节编码汉字的数字化及全文检索发布系统

全文数字化是信息资源建设的方向,研究型资源的全文化检索尤其重要.计算器现有系统能处理的汉字,对于中文古籍、辞书、人名地名系统、报刊出版远不够用.几年前,国际标准ISO/IEC 106462003(即Unicode 4.0)编码汉字字符集已经拥有7万余汉字,但其中有4万2千多个汉字是4字节编码,在应用领域的处理方面有一定难度.文章介绍中易公司处理4字节编码汉字的技术成果,并结合在古籍数字化项目中的实际应用,着重说明用自行开发的7万汉字的应用系统,支持数字化工程和全文检索发布的技术特点,强调超大字符集、XML开放数据等标准技术的应用等.通过实践,总结出一套基于支持超大字符集4字节编码汉字的数字化的应用技术,以及信息全文检索发布的可行方法,解决了古籍和文献的数字化工程中的技术难点.     

JAVA编程技术中藏文处理问题的分析及解决

在基于UNICODE编码方式的Java编程技术中,利用国际标准框架下的<信息技术藏文编码字符集国家标准扩充集A、B>,使基于GUI图形的用户界面上能够正确地显示藏文、在即时通信中能够正确地传输藏文数据.本文将从藏文编码字符集的知识入手,以Java编写的藏文即时通讯软件为例,分析以上两个问题并提出解决它们的方案.