搜索
1、GB2312、GB13000、GBK、GB18030介绍GB2312：又称为GB2312-80，是一个简体中文字符集的中国国家标准，于1980年由中国国家标准总局发布，1981年5月1日实施，全称为《信息交换用汉字编码字符集基本集》，规定了6763个汉字和682个非汉字图形。GB13000：为了便于多个文种的同时处理，国际标准化组织下属编码字符集工作组研制了新的编码字符集标准，ISO/IEC10646。该标准第一次颁布是在1993年，当时只颁布了其第一部分，即ISO/IEC10646.1:1993，我国相应的国家标准是GB13000.1-93《信息技术通用多八位编码字符集(UCS)第一部分：体系结构与基本多文种平面》。制定这个标准的目的是对世界上的所有文字统一编码，以实现世界上所有文字在计算机上的统一处理。GBK：随着信息技术在各行业应用的深入，GB2312收录汉字数量不足的缺点已经初步显露出来。例如：镕字现在是高频率使用字，而GB2312却没有为它编码，因而，政府、新闻、出版、印刷等行业和部门在使用中感到十分不便。1995年，全世界大多数的PC操作系统都实现了16/32位。GB13000.1的实现出现了一线曙光。一方面为了对GB2312进行扩充，一方面顺应当时技术的发展向GB13000.1推进，同时兼顾当时最广泛采用GB2312内码系统。原电子部和原国家技术监督局联合颁布了指导性技术文件《汉字内码扩展规范》1.0版，即GBK。在GBK的内码系统中，GB2312汉字所在码位保持不便，这样，保证了GBK对GB2312的完全兼容。同时，GBK内码与GB13000.1代码一一对应，为GBK向GB13000.1的转换提供了解决办法。微软对GB2312的扩展，也就是CP936字码表(CodePage936)的扩展（原来的CP936和GB2312-80一模一样），最初出现于Windows95简体中文版中。注意GBK并非国家正式标准，只是国家技术监督局标准化司、电子工业部科技与质量监督司发布的“技术规范指导性文件”。虽然GBK收录了所有Unicode1.1及GB13000.1-93之中的汉字，但是编码方式与Unicode1.1及GB13000.1-93不同。仅仅是GB2312到GB13000.1-93之间的过渡方案。GB18030-2000：1995年之后的实践表明，GBK作为行业规范，缺乏足够的强制力，不利于其本身的推广，而我们寄予厚望的GB13000的实现又脚步缓慢，现有汉字编码字符集标准已经不能满足我国信息化建设的需要。为此，原国家质量技术监督局和信息产业部组织专家制定发布了新的编码字符集标准，GB18030-2000《信息技术信息交换用汉字编码字符集基本集的扩充》。GB18030-2000收录了ISO/IEC10646.1:2000的全部27484个CJK统一汉字，13个表意文字描述符、部分汉字部首和部件、欧元符号。在编码体系上，GB18030统一了内码和交换码的概念。它完全兼容GB2312和GBK的编码体系，继承GBK的代码映射表的优点，解决了GB18030和GB13000之间的代码转换。GB18030-2005：全称：国家标准GB18030-2005《信息技术中文编码字符集》，是中华人民共和国目前最新的内码字符集，是GB18030-2000《信息技术信息交换用汉字编码字符集基本集的扩充》的修订版。与GB2312-1980完全兼容，与GBK基本兼容，支持GB13000及Unicode的全部统一汉字，共收录汉字70244个。2、GB18030的优点1）编码汉字数量大与西方文字不同，汉字是表意文字，成千上万的不同含义需要成千上万的不同汉字来表示。西方文字主要是拼音文字，通过几十个字母的组合就可以变出成千上万的单词。在计算机里面，西方文字只需要给几十个字母编码就够了，而每一个汉字都要一个编码才行。根据专家的统计，一般中文应用系统需要13,000个左右的汉字，大型中文应用系统需要23,000个左右的汉字，政府机关的专用中文应用系统需要48,000个左右的汉字，而图书馆用的中文应用系统需要的汉字可能超过10万。GB18030-2000达到了27484个汉字，基本上可以满足目前政府机关内部工作、政府机关的网上工作、电子商务、以及其他网上服务行业的需要。此外，GB18030还提供了13汉字结构符和一些汉字部件，为某些尚未编码的汉字的解决提供了方案。不仅如此，GB18030建立的编码体系提供了超过150万个编码位置的编码空间，为未来增补汉字作了充分准备。一旦本标准得到实现，类似镕字的人名、地名在计算机输入中遇到的困难将越来越少，直至最终完全解决。2）对GB2312、GBK和GB13000的兼容GB18030通过提供完整、清晰、明确的代码映射表，采用GB18030的计算机系统可以轻易地识别和处理GB2312和GBK编码，降低了系统改造/升级的成本。如果未来需要采用GB13000，则通GB18030和GB13000代码的映射表可以轻松地在二者之间进行转换。3）对字符编码技术的发展的贡献在现有系统中，字符编码空间十分有限，例如：GBK只提供了23940个编码位置。GB18030通过对编码空间的扩展提供了超过160万个编码位置（23949+1587600）。可以自信地说，不仅我国所有汉字都可以在这个标准里面编码，而且我国所有少数民族文字也可以在这个标准里面编码，从此不必再担心编码空间不足的问题了。4）对标准的用户自定义区和标准保留区的使用做了明确、详细的规定根据经验，标准或规范的使用者往往误以为标准的用户自定义区和标准保留区可以任意使用，完全自由，因而在标准、规范的实现中自作主张，各按所需使用。实践证明，这种做法非常危险，造成的后果十分严重。GB18030在研制中充分考虑了标准的用户自定义区和标准表留区的问题，明确而详细规定了其使用方法，要求所有标准实现者必须按照标准做，彻底杜绝了类似问题的再次出现。5）强制性国家标准直到不久之前，还经常有人抱怨编码的汉字太少了，只有GB2312的6763个汉字，不能满足使用要求。而此时，收录了20954个汉字的GBK早已发布并在一些操作系统上实现多年了。经过调查发现：由于GBK是个行业规范，缺乏足够的强制力，很多软件开发商并不实现这个规范。而产品的最终用户由于不知道还有这样一个规范，不知道要求软件开发商来实现它。而GB18030是个强制性标准，解决了这个问题。首先，软件开发商不得不重视标准，实现标准。其次，标准的知名度要大大高于规范的知名度，而强制性标准的知名度更高。中文软件的最终用户知道了由一个两万七千汉字的标准，就会要求软件开发商来实现。3、国标码（国家标准代码）国家标准代码，简称国标码，是中国的中文常用汉字编码集，也被新加坡采用。现在GB18030为中国强制性国家标准，但较旧的计算机仍然使用GB2312。较常见的国家汉字标准代码列表：GB2312-80信息交换用汉字编码字符集基本集（又称为GB0）GB13000-93信息技术通用多八位编码字符集（UCS）第一部分GB18030-2005信息技术中文编码字符集其他中华人民共和国发布有关汉字标准代码列表：GB/T12345-90信息交换用汉字编码字符集第一辅助集（又称为GB1）GB/T7589-87信息交换用汉字编码字符集第二辅助集（又称为GB2）GB13131-91信息交换用汉字编码字符集第三辅助集（又称为GB3）GB/T7590-87信息交换用汉字编码字符集第四辅助集（又称为GB4）GB13132-91信息交换用汉字编码字符集第五辅助集（又称为GB5）GB/T16500-1998信息交换用汉字编码字符集第七辅助集国家推荐标准以/T来表示并非强制执行。由于GB2312-80只收录了6763个汉字，未能覆盖繁体中文字、部分人名、方言、古汉语等方面出现的罕用字，所以发布了以上的辅助集。其中，GB/T12345-90辅助集是GB2312-80基本集的繁体字版本；GB13131-91是GB/T7589-87的繁体字版本；GB13132-91是GB/T7590-87的繁体字版本。而GB/T16500-1998是繁体字版本，它并无对应的简体字版本。鉴于第二辅助集及第四辅助集，有不少汉字均是“类推简化汉字”，实用性不高，因而较少人采用，而且没有收入通用字符集ISO/IEC10646标准中。中国国家标准总局于2000年推出强制性的GB18030-2000标准。于2001年8月31日后发布或出厂的产品，必须符合GB18030-2000的相关要求。这个标准的最新版本是GB18030-2005，它的2字节部分是强制性的。4、BIG5繁体中文字符集Big5，又称为大五码或五大码，是使用繁体中文的地区中常用的电脑汉字字符集标准，共收录13060个汉字，2003年，新版本发布，称为Big5-2003。Big5常用于台湾、香港与澳门等使用繁体中文的地区，倚天中文系统、Windows等主要系统的字符集都是以Big5为基准，但厂商又各自增删，衍生成多种不同版本。中文电脑流行后，由于很多字被认为是异体字而未被收录。例如常见的人名用字(如“堃”、“煊”、“栢”（歌手张柏芝）、“喆”（歌手陶喆）等)，虽被中文社会广泛采用，也没有收录到Big5之中。在互联网上，常看到人们把堃、煊、喆等字，写成为“方方土”、“火宣”和“吉吉”等写法。电视上日本动画的中文字幕中也会看到像“木坚”这样的字。由于各厂商及政府推出的Big5延伸，彼此互不兼容，造成乱码问题。因为Unicode能正确地处理七万多个汉字，近年的操作系统和应用程序(如苹果电脑MacOSX和以CocoaAPI编写的程序、MicrosoftWindows2000及之后版本、MicrosoftOffice2000及之后版本、Mozilla浏览器、InternetExplorer浏览器、Java语言等等)，已改用Unicode编码。可惜现时仍有一些旧的软件(如VisualBasic6、部分Telnet或BBS软件)，未能支持Unicode编码，所以预计Big5缺字的问题仍会困扰用户一段时间，直到所有程序都能改用Unicode为止。三、Unicode标准万国码相关介绍1、Unicode介绍在计算机科学领域中，Unicode（统一码、万国码、单一码、标准万国码）是业界的一种标准，包含了超过十万个字符。Unicode的开发结合了国际标准化组织（ISO）所制定的ISO/IEC10646，即通用字符集（UniversalCharacterSet，简称UCS）。Unicode与ISO/IEC10646在编码的运作原理相同，但TheUnicodeStandard包含了更详尽的实现资讯、涵盖了更细节的主题，诸如字符编码（bitwiseencoding）、校对以及呈现等。TheUnicodeStandard也列举了诸多的字符特性，包含了那些必须支持双方向呈现的文字。Unicode与ISO/IEC10646两个标准在术语上的使用有些微的不同。Unicode是由于传统的字符编码方式的局限性而产生的，例如ISO8859所定义的字符虽然在不同的国家中广泛地使用，可是在不同国家间却经常出现不相容的情况。很多传统的编码方式都具有一个共同的问题，即其允许电脑进行双语环境的处理（通常使用拉丁字母以及其本地语言），但却无法同时支持多语言环境的处理（指可同时处理混合多种语言的情况）。Unicode在字符集的成功，使其得以在电脑软件的国际化与本地化领域中，广泛且具优势的被采用。这标准已在近年来的多种新科技当中被加以采用，包含了可扩展置标语言（XML）、Java编程语言、以及新的操作系统中。Unicode组织（TheUnicodeConsortium）是由一个非营利性的机构所运作，位于美国加州的Unicode组织允许任何愿意支付会员费用的公司或是个人加入，其成员包含了主要的电脑软硬件厂商，例如奥多比系统（AdobeSystems）、苹果公司（Apple）、惠普（HP）、IBM、微软（