GB2312、GB13000、GBK、GB18030介紹和說明文檔

1、1、GB2312、GB 13000、GBK、GB18030 介紹GB 2312：又稱為 GB 2312-80，是一個(gè)簡體中文字符集的中國國家標(biāo)準(zhǔn)，于1980年由中國國家標(biāo)準(zhǔn)總局發(fā)布，1981年5月1日實(shí)施，全稱為信息交換用漢字編碼字符集基本集，規(guī)定了6763個(gè)漢字和682個(gè)非漢字圖形。GB 13000：為了便于多個(gè)文種的同時(shí)處理，國際標(biāo)準(zhǔn)化組織下屬編碼字符集工作組研制了新的編碼字符集標(biāo)準(zhǔn)，ISO/IEC 10646。該標(biāo)準(zhǔn)第一次頒布是在1993年，當(dāng)時(shí)只頒布了其第一部分，即ISO/IEC 10646.1: 1993，我國相應(yīng)的國家標(biāo)準(zhǔn)是GB 13000.1-93信息技術(shù) 通用多八位編碼字符集(

2、UCS) 第一部分：體系結(jié)構(gòu)與基本多文種平面。制定這個(gè)標(biāo)準(zhǔn)的目的是對世界上的所有文字統(tǒng)一編碼，以實(shí)現(xiàn)世界上所有文字在計(jì)算機(jī)上的統(tǒng)一處理。GBK：隨著信息技術(shù)在各行業(yè)應(yīng)用的深入，GB 2312 收錄漢字?jǐn)?shù)量不足的缺點(diǎn)已經(jīng)初步顯露出來。例如："镕"字現(xiàn)在是高頻率使用字，而 GB 2312 卻沒有為它編碼，因而，政府、新聞、出版、印刷等行業(yè)和部門在使用中感到十分不便。1995年，全世界大多數(shù)的PC操作系統(tǒng)都實(shí)現(xiàn)了16/32 位。GB 13000.1 的實(shí)現(xiàn)出現(xiàn)了一線曙光。一方面為了對 GB 2312 進(jìn)行擴(kuò)充，一方面順應(yīng)當(dāng)時(shí)技術(shù)的發(fā)展向 GB 13000.1 推進(jìn)，同時(shí)兼顧當(dāng)時(shí)最

3、廣泛采用 GB 2312 內(nèi)碼系統(tǒng)。原電子部和原國家技術(shù)監(jiān)督局聯(lián)合頒布了指導(dǎo)性技術(shù)文件漢字內(nèi)碼擴(kuò)展規(guī)范1.0版，即 GBK 。在GBK的內(nèi)碼系統(tǒng)中，GB 2312 漢字所在碼位保持不便，這樣，保證了 GBK 對 GB 2312 的完全兼容。同時(shí)，GBK 內(nèi)碼與 GB 13000.1 代碼一一對應(yīng)，為 GBK 向 GB 13000.1 的轉(zhuǎn)換提供了解決辦法。微軟對 GB 2312 的擴(kuò)展，也就是 CP936 字碼表 (Code Page 936)的擴(kuò)展（原來的 CP936 和 GB 2312-80 一模一樣），最初出現(xiàn)于 Windows 95 簡體中文版中。注意 GBK 并非國家正式標(biāo)準(zhǔn)，只是國

4、家技術(shù)監(jiān)督局標(biāo)準(zhǔn)化司、電子工業(yè)部科技與質(zhì)量監(jiān)督司發(fā)布的“技術(shù)規(guī)范指導(dǎo)性文件”。雖然 GBK 收錄了所有 Unicode 1.1 及 GB 13000.1-93 之中的漢字，但是編碼方式與 Unicode 1.1 及 GB 13000.1-93 不同。僅僅是 GB 2312 到 GB 13000.1-93 之間的過渡方案。GB 18030-2000：1995年之后的實(shí)踐表明，GBK 作為行業(yè)規(guī)范，缺乏足夠的強(qiáng)制力，不利于其本身的推廣，而我們寄予厚望的 GB 13000 的實(shí)現(xiàn)又腳步緩慢，現(xiàn)有漢字編碼字符集標(biāo)準(zhǔn)已經(jīng)不能滿足我國信息化建設(shè)的需要。為此，原國家質(zhì)量技術(shù)監(jiān)督局和信息產(chǎn)業(yè)部組織專家制定發(fā)布

5、了新的編碼字符集標(biāo)準(zhǔn)，GB 18030-2000信息技術(shù) 信息交換用漢字編碼字符集 基本集的擴(kuò)充。GB 18030-2000 收錄了ISO/IEC 10646.1: 2000的全部27484個(gè) CJK 統(tǒng)一漢字，13個(gè)表意文字描述符、部分漢字部首和部件、歐元符號。在編碼體系上，GB 18030 統(tǒng)一了內(nèi)碼和交換碼的概念。它完全兼容 GB 2312 和 GBK 的編碼體系，繼承 GBK 的代碼映射表的優(yōu)點(diǎn)，解決了 GB 18030 和 GB 13000 之間的代碼轉(zhuǎn)換。GB 18030-2005：全稱：國家標(biāo)準(zhǔn) GB 18030-2005信息技術(shù)中文編碼字符集，是中華人民共和國目前最新的內(nèi)碼字符

6、集，是 GB 18030-2000信息技術(shù) 信息交換用漢字編碼字符集基本集的擴(kuò)充的修訂版。與 GB 2312-1980 完全兼容，與 GBK 基本兼容，支持GB 13000 及 Unicode 的全部統(tǒng)一漢字，共收錄漢字70244個(gè)。2、GB 18030的優(yōu)點(diǎn)1）編碼漢字?jǐn)?shù)量大與西方文字不相同，漢字是表意文字，成千上萬的不同含義需要成千上萬的不同漢字來表示。西方文字主要是拼音文字，通過幾十個(gè)字母的組合就可以變出成千上萬的單詞。在計(jì)算機(jī)里面，西方文字只需要給幾十個(gè)字母編碼就夠了，而每一個(gè)漢字都要一個(gè)編碼才行。根據(jù)專家的統(tǒng)計(jì)，一般中文應(yīng)用系統(tǒng)需要13,000個(gè)左右漢字，大型中文應(yīng)用系統(tǒng)需要23,0

7、00個(gè)左右的漢字，政府機(jī)關(guān)的專用中文應(yīng)用系統(tǒng)需要48,000個(gè)左右的漢字，而圖書館用的中文應(yīng)用系統(tǒng)需要的漢字可能超過10萬。GB 18030-2000達(dá)到了27484個(gè)漢字，基本上可以滿足目前政府機(jī)關(guān)內(nèi)部工作、政府機(jī)關(guān)的網(wǎng)上工作、電子商務(wù)、以及其他網(wǎng)上服務(wù)行業(yè)的需要。此外，GB 18030還提供了13漢字結(jié)構(gòu)符和一些漢字部件，為某些尚未編碼的漢字的解決提供了方案。不僅如此，GB 18030建立的編碼體系提供了超過150萬個(gè)編碼位置的編碼空間，為未來增補(bǔ)漢字作了充分準(zhǔn)備。一旦本標(biāo)準(zhǔn)得到實(shí)現(xiàn)，類似"镕"字的人名、地名在計(jì)算機(jī)輸入中遇到的困難將越來越少，直至最終完全解決。2）對G

8、B 2312、GBK和GB 13000的兼容GB 18030通過提供完整、清晰、明確的代碼映射表，采用GB 18030的計(jì)算機(jī)系統(tǒng)可以輕易地識別和處理GB 2312和GBK編碼，降低了系統(tǒng)改造/升級的成本。如果未來需要采用GB 13000，則通GB 18030和GB 13000代碼的映射表可以輕松地在二者之間進(jìn)行轉(zhuǎn)換。3）對字符編碼技術(shù)的發(fā)展的貢獻(xiàn)在現(xiàn)有系統(tǒng)中，字符編碼空間十分有限，例如：GBK只提供了23940個(gè)編碼位置。GB 18030通過對編碼空間的擴(kuò)展提供了超過160萬個(gè)編碼位置（23949+1587600）?？梢宰孕诺卣f，不僅我國所有漢字都可以在這個(gè)標(biāo)準(zhǔn)里面編碼，而且我國所有少數(shù)民族

9、文字也可以在這個(gè)標(biāo)準(zhǔn)里面編碼，從此不必再擔(dān)心編碼空間不足的問題了。4）對標(biāo)準(zhǔn)的用戶自定義區(qū)和標(biāo)準(zhǔn)保留區(qū)的使用做了明確、詳細(xì)的規(guī)定根據(jù)經(jīng)驗(yàn)，標(biāo)準(zhǔn)或規(guī)范的使用者往往誤以為標(biāo)準(zhǔn)的用戶自定義區(qū)和標(biāo)準(zhǔn)保留區(qū)可以任意使用，完全自由，因而在標(biāo)準(zhǔn)、規(guī)范的實(shí)現(xiàn)中自作主張，各按所需使用。實(shí)踐證明，這種做法非常危險(xiǎn)，造成的后果十分嚴(yán)重。GB 18030在研制中充分考慮了標(biāo)準(zhǔn)的用戶自定義區(qū)和標(biāo)準(zhǔn)表留區(qū)的問題，明確而詳細(xì)規(guī)定了其使用方法，要求所有標(biāo)準(zhǔn)實(shí)現(xiàn)者必須按照標(biāo)準(zhǔn)做，徹底杜絕了類似問題的再次出現(xiàn)。5）強(qiáng)制性國家標(biāo)準(zhǔn)直到不久之前，還經(jīng)常有人抱怨編碼的漢字太少了，只有GB 2312的6763個(gè)漢字，不能滿足使用要求。而

10、此時(shí)，收錄了20954個(gè)漢字的GBK早已發(fā)布并在一些操作系統(tǒng)上實(shí)現(xiàn)多年了。經(jīng)過調(diào)查發(fā)現(xiàn)：由于GBK 是個(gè)行業(yè)規(guī)范，缺乏足夠的強(qiáng)制力，很多軟件開發(fā)商并不實(shí)現(xiàn)這個(gè)規(guī)范。而產(chǎn)品的最終用戶由于不知道還有這樣一個(gè)規(guī)范，不知道要求軟件開發(fā)商來實(shí)現(xiàn)它。而GB 18030是個(gè)強(qiáng)制性標(biāo)準(zhǔn)，解決了這個(gè)問題。首先，軟件開發(fā)商不得不重視標(biāo)準(zhǔn)，實(shí)現(xiàn)標(biāo)準(zhǔn)。其次，標(biāo)準(zhǔn)的知名度要大大高于規(guī)范的知名度，而強(qiáng)制性標(biāo)準(zhǔn)的知名度更高。中文軟件的最終用戶知道了由一個(gè)兩萬七千漢字的標(biāo)準(zhǔn)，就會(huì)要求軟件開發(fā)商來實(shí)現(xiàn)。3、國標(biāo)碼（國家標(biāo)準(zhǔn)代碼）國家標(biāo)準(zhǔn)代碼，簡稱國標(biāo)碼，是中國的中文常用漢字編碼集，也被新加坡采用。現(xiàn)在 GB 18030 為中國

11、強(qiáng)制性國家標(biāo)準(zhǔn)，但較舊的計(jì)算機(jī)仍然使用 GB 2312 。較常見的國家漢字標(biāo)準(zhǔn)代碼列表：GB 2312-80 信息交換用漢字編碼字符集 基本集（又稱為GB0） GB 13000-93 信息技術(shù) 通用多八位編碼字符集（UCS）第一部分 GB 18030-2005 信息技術(shù) 中文編碼字符集其他中華人民共和國發(fā)布有關(guān)漢字標(biāo)準(zhǔn)代碼列表：GB/T 12345 - 90 信息交換用漢字編碼字符集 第一輔助集（又稱為GB1） GB/T 7589 - 87 信息交換用漢字編碼字符集 第二輔助集（又稱為GB2） GB 13131 - 91 信息交換用漢字編碼字符集 第三輔助集（又稱為GB3） GB/T 7590

12、 - 87 信息交換用漢字編碼字符集 第四輔助集（又稱為GB4） GB 13132 - 91 信息交換用漢字編碼字符集 第五輔助集（又稱為GB5） GB/T 16500 - 1998 信息交換用漢字編碼字符集 第七輔助集國家推薦標(biāo)準(zhǔn)以 "/T" 來表示并非強(qiáng)制執(zhí)行。由于GB 2312-80只收錄了6763個(gè)漢字，未能覆蓋繁體中文字、部分人名、方言、古漢語等方面出現(xiàn)的罕用字，所以發(fā)布了以上的輔助集。其中，GB/T 12345-90輔助集是GB 2312-80基本集的繁體字版本；GB 13131-91是GB/T 7589-87的繁體字版本；GB 13132-91是GB/T 75

13、90-87的繁體字版本。而GB/T 16500-1998是繁體字版本，它并無對應(yīng)的簡體字版本。鑒于第二輔助集及第四輔助集，有不少漢字均是“類推簡化漢字”，實(shí)用性不高，因而較少人采用，而且沒有收入 通用字符集ISO/IEC 10646 標(biāo)準(zhǔn)中。中國國家標(biāo)準(zhǔn)總局于2000年推出強(qiáng)制性的GB 18030-2000標(biāo)準(zhǔn)。于2001年8月31日后發(fā)布或出廠的產(chǎn)品，必須符合GB 18030-2000的相關(guān)要求。這個(gè)標(biāo)準(zhǔn)的最新版本是GB 18030-2005，它的2字節(jié)部分是強(qiáng)制性的。4、BIG5繁體中文字符集Big5，又稱為大五碼或五大碼，是使用繁體中文的地區(qū)中常用的電腦漢字字符集標(biāo)準(zhǔn)，共收錄13060個(gè)

14、漢字，2003年，新版本發(fā)布，稱為Big5-2003 。Big5 常用于臺(tái)灣、香港與澳門等使用繁體中文的地區(qū)，倚天中文系統(tǒng)、Windows 等主要系統(tǒng)的字符集都是以 Big5 為基準(zhǔn)，但廠商又各自增刪，衍生成多種不同版本。中文電腦流行后，由于很多字被認(rèn)為是異體字而未被收錄。例如常見的人名用字(如“堃”、“煊”、“栢”（歌手張柏芝）、“喆”（歌手陶喆）等)，雖被中文社會(huì)廣泛采用，也沒有收錄到 Big5 之中。在互聯(lián)網(wǎng)上，?？吹饺藗儼褕摇㈧?、喆等字，寫成為“方方土”、“火宣”和“吉吉”等寫法。電視上日本動(dòng)畫的中文字幕中也會(huì)看到像“木堅(jiān)”這樣的字。由于各廠商及政府推出的 Big5 延伸，彼此互不兼容

15、，造成亂碼問題。因?yàn)?Unicode 能正確地處理七萬多個(gè)漢字，近年的操作系統(tǒng)和應(yīng)用程序(如蘋果電腦 Mac OS X 和以 Cocoa API 編寫的程序、Microsoft Windows 2000 及之后版本、Microsoft Office 2000 及之后版本、Mozilla 瀏覽器、Internet Explorer 瀏覽器、Java 語言等等)，已改用 Unicode 編碼。可惜現(xiàn)時(shí)仍有一些舊的軟件(如 Visual Basic 6、部分 Telnet 或 BBS 軟件)，未能支持 Unicode 編碼，所以預(yù)計(jì) Big5 缺字的問題仍會(huì)困擾用戶一段時(shí)間，直到所有程序都能改用 U

16、nicode 為止。三、Unicode 標(biāo)準(zhǔn)萬國碼相關(guān)介紹1、Unicode 介紹在計(jì)算機(jī)科學(xué)領(lǐng)域中，Unicode（統(tǒng)一碼、萬國碼、單一碼、標(biāo)準(zhǔn)萬國碼）是業(yè)界的一種標(biāo)準(zhǔn)，包含了超過十萬個(gè)字符。Unicode 的開發(fā)結(jié)合了國際標(biāo)準(zhǔn)化組織（ ISO ）所制定的 ISO/IEC 10646，即通用字符集（Universal Character Set，簡稱 UCS ）。Unicode 與 ISO/IEC 10646 在編碼的運(yùn)作原理相同，但 The Unicode Standard 包含了更詳盡的實(shí)現(xiàn)資訊、涵蓋了更細(xì)節(jié)的主題，諸如字符編碼（bitwise encoding）、校對以及呈現(xiàn)等。 Th

17、e Unicode Standard 也列舉了諸多的字符特性，包含了那些必須支持雙方向呈現(xiàn)的文字。 Unicode 與 ISO/IEC 10646 兩個(gè)標(biāo)準(zhǔn)在術(shù)語上的使用有些微的不同。Unicode 是由于傳統(tǒng)的字符編碼方式的局限性而產(chǎn)生的，例如 ISO 8859 所定義的字符雖然在不同的國家中廣泛地使用，可是在不同國家間卻經(jīng)常出現(xiàn)不相容的情況。很多傳統(tǒng)的編碼方式都具有一個(gè)共同的問題，即其允許電腦進(jìn)行雙語環(huán)境的處理（通常使用拉丁字母以及其本地語言），但卻無法同時(shí)支持多語言環(huán)境的處理（指可同時(shí)處理混合多種語言的情況）。Unicode 在字符集的成功，使其得以在電腦軟件的國際化與本地化領(lǐng)域中，廣泛

18、且具優(yōu)勢的被采用。這標(biāo)準(zhǔn)已在近年來的多種新科技當(dāng)中被加以采用，包含了可擴(kuò)展置標(biāo)語言（XML）、Java 編程語言、以及新的操作系統(tǒng)中。Unicode 組織（The Unicode Consortium）是由一個(gè)非營利性的機(jī)構(gòu)所運(yùn)作，位于美國加州的 Unicode 組織允許任何愿意支付會(huì)員費(fèi)用的公司或是個(gè)人加入，其成員包含了主要的電腦軟硬件廠商，例如奧多比系統(tǒng)（Adobe Systems）、蘋果公司（Apple）、惠普（HP）、IBM、微軟（Microsoft）、全錄（Xerox）等。2、Unicode 截至目前為止歷次的版本與發(fā)布時(shí)間如下：· Unicode 1.0：1991年10月

19、 · Unicode 1.0.1：1992年6月 · Unicode 1.1：1993年6月 · Unicode 2.0：1997年7月 · Unicode 2.1：1998年5月 · Unicode 2.1.2：1998年5月 · Unicode 3.0：1999年9月；涵蓋了來自ISO 10646-1的十六位元通用字符集（UCS）基本多文種平面（Basic Multilingual Plane） · Unicode 3.1：2001年3月；新增從ISO 10646-2定義的輔助平面（Supplementary Plane

20、s) · Unicode 3.2：2002年3月 · Unicode 4.0：2003年4月 · Unicode 4.0.1：2004年3月 · Unicode 4.1：2005年3月 · Unicode 5.0：2006年7月 · Unicode 5.1：2008年4月3、UTF-8 介紹UTF-8（8 位通用字符集/Unicode轉(zhuǎn)換格式）是針對 Unicode 的一種可變長度字符編碼。它可以用來表示 Unicode 標(biāo)準(zhǔn)中的任何字符，而且其編碼中的第一個(gè)字節(jié)仍與 ASCII 相容，使得原來處理 ASCII 字符的軟件無需或只作少

21、部份修改后，便可繼續(xù)使用。因此，它逐漸成為電子郵件、網(wǎng)頁及其他儲(chǔ)存或傳送文字的應(yīng)用中，優(yōu)先采用的編碼。因特網(wǎng)工程工作小組（IETF）要求所有因特網(wǎng)協(xié)議都必須支持 UTF-8 編碼?；ヂ?lián)網(wǎng)郵件聯(lián)盟（IMC）建議所有電子郵件軟件都支持 UTF-8編碼。四、GB 13000、GB 18030 和 Unicode 之間的比較本節(jié)內(nèi)容引用自全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會(huì)的技術(shù)文件。不代表本站觀點(diǎn)。原文地址：與GB 2312相比，上面提到的其它幾種標(biāo)準(zhǔn)/規(guī)范的字匯要大的多，在廣義上都可以稱為"大字符集"，顯然優(yōu)于GB 2312。因此，下面的比較將不包括GB 2312。由于GBK已經(jīng)為GB

22、 18030取代，下面的比較將在GB 13000、GB 18030和Unicode規(guī)范之間進(jìn)行。1、技術(shù)三者的編碼空間都十分龐大：GB 18030的編碼位置超過了1,600,000個(gè)，ISO/IEC 10646和Unicode規(guī)范的編碼位置更高達(dá)2,147,483,648個(gè)。就編碼空間來說，無論哪一個(gè)標(biāo)準(zhǔn)，都可以綽綽有余地容納世界上所有文字在其中編碼。因此，三個(gè)標(biāo)準(zhǔn)在編碼空間大小上沒有優(yōu)劣之分。三者的字匯都十分巨大：GB 18030力圖為全部漢字和我國所有少數(shù)民族文字編碼，ISO/IEC 10646和Unicode規(guī)范力圖為世界上所有文字編碼。因此，前者具有更強(qiáng)的針對性，后者具有更強(qiáng)的通用性。三者都采用了四字節(jié)的編碼方式：為了擴(kuò)大編碼空間，增加編碼位置，必須采用多字節(jié)編碼方式。ISO/IEC 10646和Unicode規(guī)范通過在基本多文種平面劃出"代理區(qū)"映射輔助平面的方式實(shí)現(xiàn)四字節(jié)編碼，GB 13000通過0x30到0x39碼位實(shí)現(xiàn)編碼空間擴(kuò)展，達(dá)到四字節(jié)。由于GB 18030采用了雙字節(jié)和四字節(jié)的混合排列，因此在標(biāo)準(zhǔn)的實(shí)現(xiàn)過程中略微復(fù)雜一些。在我國，G