汉字编码-GB2312-GBK-GB18030-Big5

以你之姓@ 2021-12-23 06:09 799阅读 0赞

### 文章目录 ###

*  1. GB2312
 *  2. Big5
 *  3. GBK
 *   *  一、字汇
     *  二、码位分配及顺序
     *  三、字形
     *   *  GBK 编码表
 *  4. GB18030
 *  5. CJK

# 1. GB2312 #

GB2312字符集由中国国家标准总局1980年发布，其中收录了6763个常用汉字和682个其它符号（6763+682=7445），并将该字符集分为94个区，每个区94位，每个位对应一个字符或零个字符（94x94=8836，8836-7745=1391说明有1391个位置是空的）。

<table> 
 <thead> 
  <tr> 
   <th align="left">区号</th> 
   <th align="left">内容</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">01-09区</td> 
   <td align="left">特殊符号，如：标点符号、数字序列、全角字符、日语假名、拼音音标等</td> 
  </tr> 
  <tr> 
   <td align="left">10-15区</td> 
   <td align="left">空</td> 
  </tr> 
  <tr> 
   <td align="left">16-55区</td> 
   <td align="left">一级汉字，按拼音排序</td> 
  </tr> 
  <tr> 
   <td align="left">56-87区</td> 
   <td align="left">二级汉字，按部首/笔画排序</td> 
  </tr> 
  <tr> 
   <td align="left">88-94区</td> 
   <td align="left">空</td> 
  </tr> 
 </tbody> 
</table>

如果将GB2312看做是一种“字符集”，则可以用多种编码方式对它进行编码。比如“区位码”就是对GB2312字符集最简单的一种编码方式，它直接使用区号和位号组成一个编码值（例如：GB2312字符集中的第一个汉字“啊”，它的区号为16，位号为01，它的区位码就是1601）。这里[GB2312 编码][GB2312]列出了GB2312区位码编码。

但通常，人们所说的GB2312指的是一种编码（并且不是指区位码），它是指通常采用[EUC方法][EUC]对GB2312字符集中的“区”和“位”进行处理后的编码。EUC方法的处理方式：区号和位号分别加上0xA0，结果分别作为GB2312编码的两个字节的值（例如：“啊”字的区号和位号分别为16和01，即十六进制0x10和0x01，分别加0xA0得到编码0xB0A1），这样做是为了兼容ASCII编码（GB2312编码的俩字节都大于ASCII码的最大值）。这里[GB2312简体中文编码表][GB2312 1]列出了通常更常用的GB2312编码。

有趣的是：GB2312中也收录了英文字母和数字等符号（ASCII码中也有这些符号），并且仍然是以俩字节编码，于是GB2312中的英文字母和数字等就成了我们平常所说的**全角符号**，而ASCII码的符号就叫做**半角符号**。

关于GB2312还有另一种声音：[谁设计的GB2312，被日笨人说是抄的][GB2312 2]，尼玛，汉字都是我大中华的，谁抄谁啊…\_

# 2. Big5 #

维基上说：Big5是由台湾财团法人信息产业策进会为五大中文套装软件（*并因此得名Big-5*）所设计的中文共通内码，在1983年12月完成公告。那个之前还没有繁体字编码，GB2312又不含繁体字，因此才有了Big-5。

传说Big5产生前，有着“中文电脑之父”之称的[朱邦复][Link 1]也设计了一套中文编码，可容纳50000多字（包括繁体和简体），但是未被采纳。

# 3. GBK #

话说Unicode 1.1推出时，收录了两万多个中日韩通用字符集的汉字，同一年我国也定制了相应的GB13000，但是一直未被业界采用。而微软利用了GB2312中未使用的编码空间，并且收录了GB13000中的全部字符，从而定制了GBK编码（虽然收录了GB13000的全部字符，但是编码方式并不相同），并且实现于Windows95中文版中。GBK自身并非国家标准，不过1995年由国标局等机构确定为“技术规范指导性文件”。

简单地说：GBK是从GB2312扩展而来的，支持繁体，并且兼容GB2312。

**GBK编码范围：8140－FEFE。**

GBK编码，是对GB2312编码的扩展，因此完全兼容GB2312-80标准。GBK编码依然采用双字节编码方案，**其编码范围：8140－FEFE，剔除xx7F码位，共23940个码位。共收录汉字和图形符号21886个，其中汉字（包括部首和构件）21003个，图形符号883个**。GBK编码支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字。**GBK编码方案于1995年12月15日正式发布，这一版的GBK规范为1.0版**。

## 一、字汇 ##

GBK 规范收录了 ISO 10646.1 中的全部 CJK 汉字和符号，并有所补充。具体包括：

1.  GB 2312 中的全部汉字、非汉字符号。
2.  GB 13000.1 中的其他 CJK 汉字。以上合计 20902 个 GB 化汉字。
3.  《简化字总表》中未收入 GB 13000.1 的 52 个汉字。
4.  《康熙字典》及《辞海》中未收入 GB 13000.1 的 28 个部首及重要构件。
5.  13 个汉字结构符。
6.  BIG-5 中未被 GB 2312 收入、但存在于 GB 13000.1 中的 139 个图形符号。
7.  GB 12345 增补的 6 个拼音符号。
8.  汉字“〇”。
9.  GB 12345 增补的 19 个竖排标点符号（GB 12345 较 GB 2312 增补竖排标点符号 29 个，其中 10 个未被 GB 13000.1 收入，故 GBK 亦不收）。
10. 从 GB 13000.1 的 CJK 兼容区挑选出的 21 个汉字。
11. GB 13000.1 收入的 31 个 IBM OS/2 专用符号。  
    12.未录入《新华字典》上的一些字，如“韡”的简体。

## 二、码位分配及顺序 ##

GBK 亦采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。

全部编码分为三大部分：

1.  汉字区。包括：  
    a. GB 2312 汉字区。即 GBK/2: B0A1-F7FE。收录 GB 2312 汉字 6763 个，按原顺序排列。  
    b. GB 13000.1 扩充汉字区。包括：  
    (1) GBK/3: 8140-A0FE。收录 GB 13000.1 中的 CJK 汉字 6080 个。  
    (2) GBK/4: AA40-FEA0。收录 CJK 汉字和增补的汉字 8160 个。CJK 汉字在前，按 UCS 代码大小排列；增补的汉字（包括部首和构件）在后，按《康熙字典》的页码/字位排列。  
    (3) 汉字“〇”安排在图形符号区GBK/5：A996。
2.  图形符号区。包括：  
    a. GB 2312 非汉字符号区。即 GBK/1: A1A1-A9FE。其中除 GB 2312 的符号外，还有 10 个小写罗马数字和 GB 12345 增补的符号。计符号 717 个。  
    b. GB 13000.1 扩充非汉字区。即 GBK/5: A840-A9A0。BIG-5 非汉字符号、结构符和“〇”排列在此区。计符号 166 个。
3.  用户自定义区：分为(1)(2)(3)三个小区。  
    (1) AAA1-AFFE，码位 564 个。  
    (2) F8A1-FEFE，码位 658 个。  
    (3) A140-A7A0，码位 672 个。  
    第(3)区尽管对用户开放，但限制使用，因为不排除未来在此区域增补新字符的可能性。

## 三、字形 ##

GBK 对字形作了如下的规定：

1.  原则上与 GB 13000.1 G列（即源自中国大陆法定标准的汉字）下的字形/笔形保持一致。
2.  在 CJK 汉字认同规则的总框架内，对所有的 GBK 编码汉字实施“无重码正形”（“GB 化”）；即在不造成重码的前提下，尽量采用中国新字形。
3.  对于超出 CJK 汉字认同规则的、或认同规则尚未明确规定的汉字，在 GBK 码位上暂安放旧字形。这样，在许多情况下 GBK 收入了同一汉字的新旧两种字形。
4.  非汉字符号的字形，凡 GB 2312 已经包括的，与 GB 2312 保持一致；超出 GB 2312 的部分，与 GB 13000.1 保持一致。
5.  带声调的拼音字母取半角形式。

若要查询具体字符的编码请前往：[汉字字符集编码查询][Link 2]。

### GBK 编码表 ###

参看：[https://www.qqxiuzi.cn/zh/hanzi-gbk-bianma.php][https_www.qqxiuzi.cn_zh_hanzi-gbk-bianma.php]

# 4. GB18030 #

GB2312和GBK都是用两个字节来编码的，就算用完所有的位（256\*256=65536）也不够为所有的汉字编码。于是就有了目前最新的GB18030，它采用类似UTF-8的编码方式进行编码（每个字符的编码可以是1、2或4个字节），拥有上百万个编码空间，足以支持中日韩三国所有汉字，并且还可以支持国内少数民族的文字。

# 5. CJK #

CJK：中日韩统一表意文字（CJK Unified Ideographs）。在Unicode中，收集各国相同的汉字，并且进行合并相同的编码点（code point）上，可以避免相同文字重复编码，浪费编码空间。

参考：

*  [百度百科：信息交换用汉字编码字符集][Link 3]
 *  [GB2312 编码][GB2312]
 *  [GB2312简体中文编码表][GB2312 1]
 *  [维基百科：Extended Unix Code][EUC]
 *  [谁设计的GB2312，被日本人说是抄的][GB2312 2]
 *  [字符集和字符编码（Charset & Encoding）][Charset _ Encoding]
 *  [维基百科：大五码][Link 4]
 *  [维基百科：朱邦复][Link 1]
 *  [维基百科：汉字内码扩展规范][Link 5]
 *  [维基百科：GB 18030][GB 18030]

本系列文章包括：

*  [ANSI是什么编码？][ANSI]
 *  [汉字编码：GB2312, GBK, GB18030, Big5][GB2312_ GBK_ GB18030_ Big5]
 *  [细说：Unicode, UTF-8, UTF-16, UTF-32, UCS-2, UCS-4][Unicode_ UTF-8_ UTF-16_ UTF-32_ UCS-2_ UCS-4]

参考文献：

1.  [汉字编码：GB2312, GBK, GB18030, Big5][GB2312_ GBK_ GB18030_ Big5 1]

[GB2312]: http://www.qqxiuzi.cn/zh/hanzi-gb2312-bianma.php
[EUC]: https://en.wikipedia.org/wiki/Extended_Unix_Code
[GB2312 1]: http://www.knowsky.com/resource/gb2312tbl.htm
[GB2312 2]: http://www.unixresources.net/linux/clf/linuxtalk/archive/00/00/51/26/512613.html
[Link 1]: https://zh.wikipedia.org/wiki/%E6%9C%B1%E9%82%A6%E5%BE%A9
[Link 2]: https://www.qqxiuzi.cn/bianma/zifuji.php
[https_www.qqxiuzi.cn_zh_hanzi-gbk-bianma.php]: https://www.qqxiuzi.cn/zh/hanzi-gbk-bianma.php
[Link 3]: http://baike.baidu.com/link?url=ZC7NoCJj10mxKFL71OteexesP4gDtzQR-E_LLR3Myxxx5A4Y4EFJLf-ByTK_8RKN4jnt-tym9h1fNkxqrWuTZQxhNfsNC7tOUOpiNBUCP6t3Ch7CGL2VnRLUDDbBqIt7eSYljcXmxv2FE9l77eSrUK
[Charset _ Encoding]: http://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html
[Link 4]: https://zh.wikipedia.org/zh-cn/%E5%A4%A7%E4%BA%94%E7%A2%BC
[Link 5]: https://zh.wikipedia.org/wiki/%E6%B1%89%E5%AD%97%E5%86%85%E7%A0%81%E6%89%A9%E5%B1%95%E8%A7%84%E8%8C%83
[GB 18030]: https://zh.wikipedia.org/wiki/GB_18030
[ANSI]: http://www.cnblogs.com/malecrab/p/5300486.html
[GB2312_ GBK_ GB18030_ Big5]: http://www.cnblogs.com/malecrab/p/5300497.html
[Unicode_ UTF-8_ UTF-16_ UTF-32_ UCS-2_ UCS-4]: http://www.cnblogs.com/malecrab/p/5300503.html
[GB2312_ GBK_ GB18030_ Big5 1]: https://www.cnblogs.com/malecrab/p/5300497.html