用C#產生隨機中文漢字驗證碼的基本原理

漢字|隨機|驗證碼|中文  

前幾天去申請免費QQ號碼，突然發現申請表單中的驗證碼內容換成了中文，這叫真叫我大跌眼鏡感到好笑，Moper上的貓兒們都大罵騰訊採用中文驗證碼。^_^
我不得不佩服騰訊為了防止目前網路上橫行的QQ號碼自動註冊機而採取中文驗證碼的手段。仔細想了想感覺用程式產生隨機的中文驗證碼並不是很難，下面就來介紹一下使用C#產生隨機的中文漢字的原理。

1、漢字編碼原理
到底怎麼辦到隨機產生漢字的呢？漢字從哪裡來的呢？是不是有個後台資料表，其中存放了所需要的所有漢字，使用程式隨機取出幾個漢字組合就行了呢？使用後台資料庫先將所有漢字存起來使用時隨機取出，這也是一種辦法，但是中文漢字有這麼多，怎麼來製作呢？其實可以不使用任何後台資料庫，使用程式就能做到這一切。要知道如何產生漢字，就得先瞭解中文漢字的編碼原理。
1980年，為了使每一個漢字有一個全國統一的代碼，我國頒布了第一個漢字編碼的國家標準： GB2312-80《資訊交換用漢字編碼字元集》基本集，簡稱GB2312，這個字元集是我國中文資訊處理技術的發展基礎，也是國內所有漢字系統的統一標準。到了後來又公布了國家標準GB18030-2000《資訊交換用漢字編碼字元集基本集的擴充》，簡稱GB18030，編程時如果涉及到編碼和本地化的朋友應該對GB18030很熟悉。這是是我國繼GB2312-1980和GB13000-1993之後最重要的漢字編碼通訊協定，同時也是未來我國電腦系統必須遵循的基礎性標準之一。
目前在中文WINDOWS作業系統中，.NET編程中預設的的字碼頁就是GB18030簡體中文。但是事實上如果產生中文漢字驗證碼只須要使用GB2312字元集就已經足夠了。字元集中除了我們平時大家都認識的漢字外，也包含了很多我們不認識平時也很少見到的漢字。如果產生中文漢字驗證碼中有很多我們不認識的漢字讓我們輸入，對於使用拼音IME的朋友來說可不是好事，五筆使用者還能勉強根據漢字的長相打出來，呵呵！所以對於GB2312字元集中的漢字我們也不是全都要用。
中文漢字字元可以使用區位碼來表示，見

漢字區位碼錶            http://navicy2005.home4u.china.com/resource/gb2312tbl.htm
漢字區位碼代碼錶    http://navicy2005.home4u.china.com/resource/gb2312tbm.htm

其實這兩個表是同一回事，只不過一個使用十六進位分區表示，一個使用區位所在的數字位置表示。 例如“好”字的十六進位區位碼是ba c3，前兩位是地區，後兩位代表位置，ba處在第26區，“好”處在此區漢字的第35位也就是c3位置，所以數字代碼就是2635。這就是GB2312漢字區位原理。根據《漢字區位碼錶 》我們可以發現第15區也就是AF區以前都沒有漢字，只有少量符號，漢字都從第16區B0開始，這就是為什麼GB2312字元集都是從16區開始的。

2、.Net程式處理漢字編碼原理分析
在.Net中可以使用System.Text來處理所有語言的編碼。在System.Text命名空間中包含眾多編碼的類，可供進行操作及轉換。其中的Encoding類就是重點處理漢字編碼的類。通過在.NET文檔中查詢Encoding類的方法我們可以發現所有和文字編碼有關的都是位元組數組，其中有兩個很好用的方法：

Encoding.GetBytes ()方法將指定的 String 或字元數組的全部或部分內容編碼為位元組數組
Encoding.GetString ()方法將指定位元組數組解碼為字串。

沒錯我們可以通過這兩個方法將漢字字元編碼為位元組數組，同樣知道了漢字GB2312的位元組數組編碼也就可以將位元組數組解碼為漢字字元。通過對“好”字進行編碼為位元組數組後

Encoding gb=System.Text.Encoding.GetEncoding("gb2312");
object[] bytes=gb.Encoding.GetBytes ("好")；

發現得到了一個長度為2的位元組數組bytes，使用

string lowCode = System.Convert.ToString(bytes[0], 16); //取出元素1編碼內容（兩位16進位）
string hightCode = System.Convert.ToString(bytes[1], 16);//取出元素2編碼內容（兩位16進位）

之後發現位元組數組bytes16進位變碼後內容竟然是{ba,c3}，剛好是“好”字的十六進位區位碼（見區位碼錶）。
因此我們就可以隨機產生一個長度為2的十六進位位元組數組，使用GetString ()方法對其進行解碼就可以得到漢字字元了。不過對於產生中文漢字驗證碼來說，因為第15區也就是AF區以前都沒有漢字，只有少量符號，漢字都從第16區B0開始，並且從區位D7開始以後的漢字都是和很難見到的繁雜漢字，所以這些都要排出掉。所以隨機產生的漢字十六進位區位碼第1位範圍在B、C、D之間，如果第1位是D的話，第2位區位碼就不能是7以後的十六進位數。在來看看區位碼錶發現每區的第一個位置和最後一個位置都是空的，沒有漢字，因此隨機產生的區位碼第3位如果是A的話，第4位就不能是0；第3位如果是F的話，第4位就不能是F。
好了，知道了原理，隨機產生中文漢字的程式也就出來了，以下就是產生4個隨機漢字的C#控制台代碼：

3、程式碼：

using System;
using System.Text;

namespace ConsoleApplication
{
    class ChineseCode
　　{
        public static void Main()
        {
            //擷取GB2312編碼頁（表）
            Encoding gb=Encoding.GetEncoding("gb2312");

            //調用函數產生4個隨機中文漢字編碼
            object[] bytes=CreateRegionCode(4); 

            //根據漢字編碼的位元組數組解碼出中文漢字
            string str1=gb.GetString((byte[])Convert.ChangeType(bytes[0], typeof(byte[])));
            string str2=gb.GetString((byte[])Convert.ChangeType(bytes[1], typeof(byte[])));
            string str3=gb.GetString((byte[])Convert.ChangeType(bytes[2], typeof(byte[])));
            string str4=gb.GetString((byte[])Convert.ChangeType(bytes[3], typeof(byte[])));

            //輸出的控制台
　　        Console.WriteLine(str1 + str2 +str3 +str4);
　　    }


        /**//*
        此函數在漢字編碼範圍內隨機建立含兩個元素的十六進位位元組數組，每個位元組數組代表一個漢字，並將
        四個位元組數組儲存在object數組中。
        參數：strlength，代表需要產生的漢字個數
        */
        public static object[] CreateRegionCode(int strlength)
        {
            //定義一個字串數組儲存漢字編碼的組成元素
            string[] rBase=new String [16]{"0","1","2","3","4","5","6","7","8","9","a","b","c","d","e","f"};
            
            Random rnd=new Random();
        
            //定義一個object數組用來
            object[] bytes=new object[strlength];

            /**//*每迴圈一次產生一個含兩個元素的十六進位位元組數組，並將其放入bject數組中
             每個漢字有四個區位碼組成
             區位碼第1位和區位碼第2位作為位元組數組第一個元素
             區位碼第3位和區位碼第4位作為位元組數組第二個元素
            */
            for(int i=0;i<strlength;i++)
            {
                //區位碼第1位
                int r1=rnd.Next(11,14);
                string str_r1=rBase[r1].Trim();

                //區位碼第2位
                rnd=new Random(r1*unchecked((int)DateTime.Now.Ticks)+i);//更換隨機數發生器的

種子避免產生重複值
                int r2;
                if (r1==13)
                {
                    r2=rnd.Next(0,7);
                }
                else
                {
                    r2=rnd.Next(0,16);
                }
                string str_r2=rBase[r2].Trim();

                //區位碼第3位
                rnd=new Random(r2*unchecked((int)DateTime.Now.Ticks)+i);
                int r3=rnd.Next(10,16);
                string str_r3=rBase[r3].Trim();

                //區位碼第4位
                rnd=new Random(r3*unchecked((int)DateTime.Now.Ticks)+i);
                int r4;
                if (r3==10)
                {
                    r4=rnd.Next(1,16);
                }
                else if (r3==15)
                {
                    r4=rnd.Next(0,15);
                }
                else
                {
                    r4=rnd.Next(0,16);
                }
                string str_r4=rBase[r4].Trim();

                //定義兩個位元組變數儲存產生的隨機漢字區位碼
                byte byte1=Convert.ToByte(str_r1 + str_r2,16);
                byte byte2=Convert.ToByte(str_r3 + str_r4,16);
                //將兩個位元組變數儲存在位元組數組中
                byte[] str_r=new byte[]{byte1,byte2};

                //將產生的一個漢字的位元組數組放入object數組中
                bytes.SetValue(str_r,i);
                
            }

            return bytes;

            }
　　}

}

實現了隨機產生漢字後，就可以使用.NET GDI來繪製自己需要的驗證碼圖形了。具體的怎樣產生驗證碼圖片，以及改變其中字元的長和寬等效果網上已經有很多相關的文章，這裡由於篇幅就不再介紹了。不過有一點要說明的是以上代碼在中文版的Windows下才能運行，因為它帶有GB的字元集，如果你是其他語言的作業系統，就需要安裝GB字元集了。