GB2312编码下全角转半角的Python实现

运行环境

• python3.7

---

实现思路：

gb2312在文件中的二进制使用的机内码，这里需要区分一下区位码和机内码（这里忽略了国标码的介绍，感兴趣的可以去百度一下）。

• 区位码是gb2312表上每一个字符对应的位置的编码,gb2312将字符集分成了94个区,一个区内又有94个字符,区内码=区号(2位) 区内位置(2位)。
• 机内码则是gb2312在机器内的表示,机内码=区位码+0xA0A0H。

由此我们也可以知道gb2312的编码范围为0xA1A1-0xFEFE

因此接下的事情就是每两个字符判断一下它们的取值范围，如果满足则说明是gb2312编码

这里再说一下全角字符和半角字符的区别，在gb2312中，全角字符占2个字节，而半角字符只占1个字节，对于第三区位的字符来说，半角字符的值=全角字符的第二个字节-0x80H。

第三区位的区位表

下面是实现的代码,这里注意的是转化的全角仅仅包括第三区位的符号,并没有包括空格,空格全角的机内码为0xA1A1,半角的十六进制码为0x20,如果需要可以自行添加转化。

def f2b(contents: bytes):
    r = bytearray()
    skip = False
    for i in range(len(contents) - 1):
        if skip:
            skip = False
            continue
        t1 = contents[i]
        t2 = contents[i + 1]
        # GB2312的机内码的编码范围
        if 0xA1 <= t1 <= 0xFE and 0xA1 <= t2 <= 0xFE:
            # 第三区位的字符，即要替换的全角字符所在的区位
            if t1 == 0xA3:
                r.append(t2 - 0x80)
            else:
                r.append(t1)
                r.append(t2)
            # 两个字节都添加，则要跳过下一个字节
            skip = True
        else:
            r.append(t1)
    # 补充末尾，如果最后没有跳过字符的话
    if not skip:
        r.append(contents[-1])
    return r