漢字編碼：GB2312, GBK, GB18030, Big5

時間 2019-12-10

標籤漢字編碼 gb2312 gbk gb18030 big5 big 欄目字符編碼简体版

原文原文鏈接

前一篇博文：ANSI是什麼編碼？中有這樣一段小故事：php

話說計算機是由美國佬搞出來的嘛，他們以爲一個字節（能夠表示256個編碼）表示英語世界裏全部的字母、數字和經常使用特殊符號已經綽綽有餘了（其實ASCII只用了前127個編碼）。後來歐洲人不幹了，法國人說：我須要在小寫字母加上變音符號（如：é），德國人說：我也要加幾個字母（Ä ä、Ö ö、Ü ü、ß）。因而，歐洲人就將ASCII沒用完的編碼（128-255）爲本身特有的符號編碼（後來稱之爲「擴展字符集」）。等到咱們中國人開始使用計算機的時候，尼瑪，256個編碼哪夠？我泱泱大中華，漢字起碼也得N多萬吧，就連小學生都得要求掌握兩三千字。國標局最後拍板：一個字節不夠，那咱們就用多個字節來爲漢字編碼吧，可是，國情那麼窮，字節那麼貴，三個字節傷不起，那就用倆字節吧，先給經常使用的幾千漢字編個碼，等之後國家強盛了人民富裕了，咱再擴展唄---因而GB2312就產生了。臺灣同胞一看，尼瑪，全是簡體字，還讓不讓咱們寫繁體字的活了，因而臺灣同胞也本身弄了個繁體字編碼---大五碼（Big-5）。...html

它基本道出了GB2312和Big5的由來。linux

1. GB2312編碼

GB2312字符集由中國國家標準總局1980年發佈，其中收錄了6763個經常使用漢字和682個其它符號（6763+682=7445），並將該字符集分爲94個區，每一個區94位，每一個位對應一個字符或零個字符（94x94=8836，8836-7745=1391說明有1391個位置是空的）。url

區號	內容
01-09區	特殊符號，如：標點符號、數字序列、全角字符、日語假名、拼音音標等
10-15區	空
16-55區	一級漢字，按拼音排序
56-87區	二級漢字，按部首/筆畫排序
88-94區	空

若是將GB2312看作是一種「字符集」，則能夠用多種編碼方式對它進行編碼。好比「區位碼」就是對GB2312字符集最簡單的一種編碼方式，它直接使用區號和位號組成一個編碼值（例如：GB2312字符集中的第一個漢字「啊」，它的區號爲16，位號爲01，它的區位碼就是1601）。這裏GB2312 編碼列出了GB2312區位碼編碼。spa

但一般，人們所說的GB2312指的是一種編碼（而且不是指區位碼），它是指一般採用EUC方法對GB2312字符集中的「區」和「位」進行處理後的編碼。EUC方法的處理方式：區號和位號分別加上0xA0，結果分別做爲GB2312編碼的兩個字節的值（例如：「啊」字的區號和位號分別爲16和01，即十六進制0x10和0x01，分別加0xA0獲得編碼0xB0A1），這樣作是爲了兼容ASCII編碼（GB2312編碼的倆字節都大於ASCII碼的最大值）。這裏GB2312簡體中文編碼表列出了一般更經常使用的GB2312編碼。.net

有趣的是：GB2312中也收錄了英文字母和數字等符號（ASCII碼中也有這些符號），而且仍然是以倆字節編碼，因而GB2312中的英文字母和數字等就成了咱們日常所說的全角符號，而ASCII碼的符號就叫作半角符號。nuxt

關於GB2312還有另外一種聲音：誰設計的GB2312，被日笨人說是抄的，尼瑪，漢字都是我大中華的，誰抄誰啊...^_^設計

2. Big5unix

維基上說：Big5是由臺灣財團法人信息產業策進會爲五大中文套裝軟件（並所以得名Big-5）所設計的中文共通內碼，在1983年12月完成公告。那個以前尚未繁體字編碼，GB2312又不含繁體字，所以纔有了Big-5。

傳說Big5產生前，有着「中文電腦之父」之稱的朱邦復也設計了一套中文編碼，可容納50000多字（包括繁體和簡體），可是未被採納。

3. GBK

話說Unicode 1.1推出時，收錄了兩萬多箇中日韓通用字符集的漢字，同一年我國也定製了相應的GB13000，可是一直未被業界採用。而微軟利用了GB2312中未使用的編碼空間，而且收錄了GB13000中的所有字符，從而定製了GBK編碼（雖然收錄了GB13000的所有字符，可是編碼方式並不相同），而且實現於Windows95中文版中。GBK自身並不是國家標準，不過1995年由國標局等機構肯定爲「技術規範指導性文件」。

簡單地說：GBK是從GB2312擴展而來的，支持繁體，而且兼容GB2312。例如：「啊」字的GB2312編碼和GBK編碼都爲0xB0A1。

4. GB18030

GB2312和GBK都是用兩個字節來編碼的，就算用完全部的位（256*256=65536）也不夠爲全部的漢字編碼。因而就有了目前最新的GB18030，它採用相似UTF-8的編碼方式進行編碼（每一個字符的編碼能夠是一、2或4個字節），擁有上百萬個編碼空間，足以支持中日韓三國全部漢字，而且還能夠支持國內少數民族的文字。

5. CJK

百度裏輸入CJK，即時搜索提示的第一項竟然是「蒼井空」！！！

好吧，它並非一種編碼方式，而是中日韓統一表意文字（CJK Unified Ideographs）。在Unicode中，收集各國相同的漢字，而且進行合併相同的編碼點（code point）上，能夠避免相同文字重複編碼，浪費編碼空間。

參考：