GB2312,GBK,GB18030详解

来源：互联网发布：sqlserver 别名编辑：程序博客网时间：2024/06/13 12:37

1. GB2312

GB2312 是中国国家标准简体中文字符集，由中国国家标准总局发布，1981年5月1日实施。GB2312编码通行于中国大陆。新加坡等地也采用此编码，中国大陆几乎所有的中文系统和国际化的软件都支持GB2312。

GB2312标准共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个字符。GB 2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。但对于人名、古汉语等方面出现的罕用字和繁体字，GB 2312不能处理，因此后来GBK及GB 18030汉字字符集相继出现以解决这些问题。

编码方式：

GB2312中对所收汉字进行了“分区”处理，每区含有94个汉字／符号。这种表示方式也称为区位码。

01-09区为特殊符号
16-55区为一级汉字，按拼音排序
56-87区为二级汉字，按部首／笔画排序
10-15区及88-94区则未有编码

2. GBK

GBK即汉字内码扩展规范，K即扩展。1993年，Unicode 1.1版本推出，收录中国大陆、台湾、日本及韩国通用字符集的汉字，总共有20,902个。中国大陆订定了等同于Unicode 1.1版本的“GB 13000.1-93”“信息技术通用多八位编码字符集（UCS）第一部分。
由于GB 2312-80只收录6763个汉字，有不少汉字，如部分在GB 2312-80推出以后才简化的汉字（如“啰”），部分人名用字（如中国前总理朱镕基的“镕”字），台湾及香港使用的繁体字，日语及朝鲜语汉字等，并未有收录在内。于是微软利用GB 2312-80未使用的编码空间，收录GB 13000.1-93全部字符制定了GBK编码。GBK是对GB2312-80的扩展，也就是CP936字码表 (Code Page 936)的扩展（之前CP936和GB 2312-80一模一样），最早实现Windows 95简体中文版。虽然GBK收录GB 13000.1-93的全部字符，但编码方式并不相同。
GBK自身并非国家标准，只是曾相关部门公布为“技术规范指导性文件”。原始GB13000一直未被业界采用，后续国家标准GB18030技术上兼容GBK而非GB13000。

编码方式
字符有一字节和双字节编码，00–7F范围内是一位，和ASCII一致，此范围内严格上说有96个文字和32个控制符号。GBK向下完全兼容GB2312-80编码。支持GB2312-80编码不支持的部分中文姓，中文繁体，日文假名，还包括希腊字母以及俄语字母等字母。不过这种编码不支持韩国字，也是其在实际使用中与unicode编码相比欠缺的部分。
之后的双字节中，前一字节是双字节的第一位。总体上说第一字节的范围是81–FE（也就是不含80和FF），第二字节的一部分领域在40–7E，其他领域在80–FE。

3. GB18030

GB 18030，是中国现时最新的内码字集，是GB 18030-2000的修订版。与GB 2312-1980完全兼容，与GBK基本兼容，支持GB 13000及Unicode的全部统一汉字，共收录汉字70244个。
GB 18030主要有以下特点：

与 UTF-8 相同，采用多字节编码，每个字可以由1个、2个或4个字节组成
编码空间庞大，最多可定义161万个字符
支持中国国内少数民族的文字，不需要动用造字区
汉字收录范围包含繁体汉字以及日韩汉字

单字节，其值从0到0x7F。
双字节，第一个字节的值从0x81到0xFE，第二个字节的值从0x40到0xFE（不包括0x7F）。
四字节，第一个字节的值从0x81到0xFE，第二个字节的值从0x30到0x39，第三个字节从0x81到0xFE，第四个字节从0x30到0x39。

GB 18030-2000，兼容 Unicode 3.0 中日韩统一表意文字，共收27533个汉字；2000年3月17日发布
GB 18030-2005，更新至 Unicode 3.1 中日韩统一表意文字及增加少数民族文字，共有70244个汉字；2005年11月8日发布、2006年5月1日实施

0 0