关于汉字编码

arch

关于汉字编码

                       
[color="#336699"]关于汉字编码
    所谓编码，是以固定的顺序排列字符，并以此做为记录、存贮、传递、交换的统一内部特征，这个字符排列顺序被称为“编码”。
    字库的编码是字库组织的依据，也是文字处理的基础。不同国家和地区有不同的编码标准，和中文字库有关的常见编码有：
[color="#1f38c9"]单字节编码
、
[color="#1f38c9"]GB2312-80
、
[color="#1f38c9"]GB12345-90
、
[color="#1f38c9"]GBK
、
[color="#1f38c9"]Unicode编码
、
[color="#1f38c9"]ISO10646 / Unicode字符集
、
[color="#1f38c9"]GB18030-2000
、
[color="#1f38c9"]BIG5编码
，下面简要介绍一下：

[color="#336699"]单字节编码

• MS Windows：Windows Latin 1（ANSI）
  
• MS-DOS：MS-DOS Latin US
  
• Macintosh：Macintosh Roman

[color="#336699"]GB2312-80
   
全称是GB2312-80《信息交换用汉字编码字符集
基本集》，1980年发布，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。P-
Windows3.2和苹果OS就是以GB2312为基本汉字编码， Windows 95/98则以GBK为基本汉字编码、但兼容支持GB2312。

• 双字节编码
  
• 范围：A1A1~FEFE
  
• A1-A9：符号区，包含682个符号
  
• B0-F7：汉字区，包含6763个汉字

     GB码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。该标准的制定和应用为规范、推动中文信息化进程起了很大作用。
[color="#336699"]GB12345-90
   1990
年制定了繁体字的编码标准GB12345-90《信息交换用汉字编码字符集
第一辅助集》，目的在于规范必须使用繁体字的各种场合，以及古籍整理等。该标准共收录6866个汉字（比GB2312多103个字，其它厂商的字库大多不
包括这些字），纯繁体的字大概有2200余个。

• 双字节编码
  
• 范围：A1A1~FEFE
  
• A1-A9：符号区，增加竖排符号
  
• B0-F9：汉字区，包含6866个汉字

[color="#336699"]Unicode编码(Universal Multiple Octet Coded Character Set)
   
国际标准组织于1984年4月成立ISO/IEC
JTC1/SC2/WG2工作组，针对各国文字、符号进行统一性编码。1991年美国跨国公司成立Unicode
Consortium，并于1991年10月与WG2达成协议，采用同一编码字集。目前Unicode是采用16位编码体系，其字符集内容与
ISO10646的BMP（Basic Multilingual Plane）相同。Unicode于1992年6月通过DIS（Draf
International
Standard），目前版本V2.0于1996公布，内容包含符号6811个，汉字20902个，韩文拼音11172个，造字区6400个，保留
20249个，共计65534个。
[color="#336699"]ISO10646 / Unicode字符集
全球可以共享的编码字符集。

• UCS-4：组八位 平面八位 行八位 字位八位
  
• UCS-2：00组中的00平面是基本多文种平面（BMP），4E00~9FFF 中日韩文字
  
• Ext A（CJK）：3400~4DB7，共6584字
  
• Ext B（CJK）：42，807个汉字，在第2平面的0100~A836
  

[color="#336699"]GBK编码(Chinese Internal Code Specification)

   GBK编码是中国大陆制订的、等同于UCS的新的中文编码扩展国家标准。GBK工作小组于1995年10月，同年
12月完成GBK规范。该编码标准兼容GB2312，共收录汉字21003个、符号883个，并提供1894个造字码位，简、繁体字融于一库。
Windows95/98简体中文版的字库表层编码就采用的是GBK，通过GBK与UCS之间一一对应的码表与底层字库联系。

• 英文名：Chinese Internal Code Specification
  
• 中文名：汉字内码扩展规范1.0版
  
• 双字节编码，GB2312-80的扩充，在码位上和GB2312-80兼容
  
• 范围：8140~FEFE（剔除xx7F）共23940个码位
  
• 包含21003个汉字，包含了ISO/IEC 10646-1中的全部中日韩汉字
  

[color="#336699"]GB18030-2000

• 英文名：Chinese Internal Code Specification
• 中文名：信息技术 信息交换用汉字编码字符集
• 基本集的扩充（ 2000-03-17发布和实施）
• 单字节、双字节、四字节编码
• 向下与国家标准GB 2312信息处理交换码所对应的事实上的内码标准兼容。
• 在字汇上支持GB 13000.1的全部中、日、韩（CJK）统一汉字字符和全部CJK统一汉字扩充A的字符。

[color="#336699"]BIG5编码
    是目前台湾、香港地区普遍使用的一种繁体汉字的编码标准，包括440个符号，一级汉字5401个、二级汉字7652个，共计13060个汉字。
               
               
               

本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u/12695/showart_65315.html