前面的一些篇章更多談?wù)摿薝nicode的相關(guān)話題，雖然也有提到GBK等編碼，但都沒(méi)細(xì)說(shuō)，這里打算系統(tǒng)說(shuō)一下。GB系列包括GB2312，GBK，GB18030.
前面已經(jīng)提過(guò)，GB=Guo Biao=國(guó)標(biāo)=國(guó)家標(biāo)準(zhǔn)，至于所謂的2312就是一編號(hào)了，沒(méi)有其它特別的意義，18030類似。GBK沒(méi)有編號(hào)，所以它實(shí)際上并不是國(guó)家標(biāo)準(zhǔn)，只是一個(gè)事實(shí)標(biāo)準(zhǔn)，GBK中K指“擴(kuò)展”的意思。
最早的是GB2312，我們從它開(kāi)始說(shuō)起。
以下為一簡(jiǎn)介（官方文檔見(jiàn)：http://gbread.sac.gov.cn/bzzyReadWebApp/standardresources.action?m=readFile&bzNum=GB%202312-1980&flag=1，用IE打開(kāi)，它要安裝一個(gè)ActiveX我插呀件~）：
GB 2312-1980，全稱《信息交換用漢字編碼字符集 基本集》，由國(guó)家標(biāo)準(zhǔn)總局于1980年3月9號(hào)發(fā)布，1981年5月1日實(shí)施，通行于大陸。新加坡等地也使用此編碼。它是一個(gè)簡(jiǎn)化字的編碼規(guī)范，也包括其他的符號(hào)、字母、日文假名等，共7445個(gè)圖形字符，其中漢字占6763個(gè)。
上述官網(wǎng)地址無(wú)法下載，如果你想下載，可試下這個(gè)ftp://ftp.oreilly.com/examples/cjkvinfo/AppE/gb2312.pdf（比標(biāo)準(zhǔn)方案多增加了一些字符）
作為一個(gè)編碼字符集而言，前面也曾說(shuō)到，它采用了所謂的二維區(qū)位編號(hào)，下面是一個(gè)概覽圖：
它是一個(gè)94*94的表格，理論上有94*94=8836個(gè)空間。
橫的叫區(qū)，豎的叫位，總共94個(gè)區(qū)，區(qū)和位的編號(hào)都從1開(kāi)始?？梢钥吹酱致杂腥蟛糠帧?/p>
1. 中間黑色的主體部分即是漢字區(qū)了，具體為16-87區(qū)，共87-16+1=72個(gè)區(qū)，理論空間為72*94=6768.
從上圖中可以看到中間有5個(gè)編碼為空白（中間靠右邊部分，D7FA-D7FE），所以總共有6768-5=6763個(gè)漢字。
一級(jí)漢字與二級(jí)漢字：
第16－55區(qū)：一級(jí)漢字，3755個(gè)（以拼音字母排序）
第56－87區(qū)：二級(jí)漢字，3008個(gè)（以部首筆畫(huà)排序）
2. 最下面的88-94區(qū)是有待進(jìn)一步標(biāo)準(zhǔn)化的空白區(qū)。
3. 關(guān)于前面的01-15區(qū)，下圖為概覽圖左上角的局部放大圖：
1. 01-09區(qū)為符號(hào)、字母、日文假名等，部分區(qū)還有空白位。
03區(qū)即是對(duì)應(yīng)ASCII字符的全角字符區(qū)。輸入法的全角模式下輸入的即是這些字符。
2. 10-15區(qū)也是有待進(jìn)一步標(biāo)準(zhǔn)化的空白區(qū)。
各區(qū)的一個(gè)具體情況：
第01區(qū)：中文標(biāo)點(diǎn)、數(shù)學(xué)符號(hào)以及一些特殊字符
第02區(qū)：序號(hào)
第03區(qū)：全角西文字符
第04區(qū)：日文平假名
第05區(qū)：日文片假名
第06區(qū)：希臘字母表
第07區(qū)：俄文字母表
第08區(qū)：中文拼音字母表
第09區(qū)：制表符號(hào)
第10－15區(qū)：未定義
第16－55區(qū)：一級(jí)漢字（以拼音字母排序）
第56－87區(qū)：二級(jí)漢字（以部首筆畫(huà)排序）
第88－94區(qū)：未定義
在上圖中還標(biāo)出了一個(gè)漢字“啊”，它就是GB2312方案中的天字第一號(hào)漢字，它處于16區(qū)01位上，所以它的區(qū)位碼即是1601.
所謂區(qū)位碼就是這一94*94的大表格中的行號(hào)與列號(hào)了，均從1開(kāi)始編號(hào)。
第一個(gè)字符0101為“全角空格”（圖中顯示為SP（space））。
將區(qū)位碼的區(qū)和位分別加上32（=0x20）就得到了國(guó)標(biāo)碼。
“啊”的區(qū)位碼是16-01，分別加32，得到16+32-01+32=48-33，即是國(guó)標(biāo)碼。當(dāng)然，你通常應(yīng)該寫(xiě)成16進(jìn)制，48-33即是0x30-0x21，所以3021即是“啊”十六進(jìn)制的國(guó)標(biāo)碼，使用兩字節(jié)保存，30為高字節(jié)，21為低字節(jié)。如下：
GB2312方案規(guī)定，對(duì)上述表中任意一個(gè)圖形字符都采用兩個(gè)字節(jié)表示，每個(gè)字節(jié)均采用七位編碼表示。
如上圖所示，只用了7位，這即是說(shuō)最高位就是0了。
但為何不直接采用區(qū)位碼呢？為什么要加32呢？你也許還記得前面說(shuō)到ASCII時(shí)，前面32個(gè)字符是控制碼，中文系統(tǒng)自然也不能少了這些控制碼，為了不與這些控制碼沖突，加上32就能跳過(guò)它們了。
一字節(jié)有128個(gè)空間，128-32=96，實(shí)際上，ASCII中第127個(gè)也是控制碼（DEL， 刪除），再減去就還有95個(gè)有效位，再加上區(qū)位從1開(kāi)始，又損失了一位，所以最終只有94個(gè)有效位了，這也是前面為何是一個(gè)94*94的表格。
國(guó)標(biāo)碼的定位實(shí)際應(yīng)該是與ASCII一致的，是作為國(guó)家信息交換的標(biāo)準(zhǔn)碼。從設(shè)計(jì)上看，它并沒(méi)打算兼容ASCII，它已經(jīng)把ASCII中的字符收錄了過(guò)來(lái)，不過(guò)是作為所謂的全角字符來(lái)看待，但全角英文顯示效果其實(shí)是很差的，下面是全角英文的一個(gè)示例：
ｈｅｌｌｏ，ｗｏｒｌｄ
顯得非常不緊湊，最終，一種能兼容ASCII的存儲(chǔ)方案得到了廣泛采納，這就是所謂的機(jī)內(nèi)碼了。
將國(guó)標(biāo)碼高低字節(jié)分別加上0x80（=128）就得到了機(jī)內(nèi)碼（有時(shí)又叫交換碼）。128的二進(jìn)制形式為10000000，加128，簡(jiǎn)單地講，就是把國(guó)標(biāo)碼最高位置成1.至于為什么要這樣呢？我想你應(yīng)該也清楚了，就是要兼容ASCII，ASCII最高位為0，國(guó)標(biāo)碼加128后，高低字節(jié)的最高位都成了1，這樣就與ASCII區(qū)分開(kāi)來(lái)。
將“啊”的國(guó)標(biāo)碼3021分別加上0x80，0x30+0x80=0xB0，0x21+0x80=0xA1，所以B0A1即是機(jī)內(nèi)碼。
如果從區(qū)位碼算起，那么則是加上0x20+0x80=32+128=160=0xA0，也即區(qū)位碼的區(qū)和位分別直接加上0xA0即可得到機(jī)內(nèi)碼，如下圖所示：
如果你新建一個(gè)文本文件，錄入“啊”字，以GB2312編碼方式保存（使用GBK即可，它兼容GB2312），再用十六進(jìn)制查看，你會(huì)發(fā)現(xiàn)使用的是機(jī)內(nèi)碼：
使用代碼的測(cè)試也可驗(yàn)證這一點(diǎn)：
雖然我們常把GB2312稱為國(guó)標(biāo)碼，但我們應(yīng)該清楚，實(shí)際存儲(chǔ)使用的是機(jī)內(nèi)碼，通常說(shuō)到GB2312編碼時(shí)指的就是這個(gè)機(jī)內(nèi)碼了。它能兼容ASCII，是一種變長(zhǎng)的編碼方案，對(duì)ASCII中的字符（也即所謂的“半角西文字符”）采用一字節(jié)編碼，最高位為0；對(duì)區(qū)位表中的字符采用兩字節(jié)編碼，且每字節(jié)最高位均為1，以此區(qū)分。
自然，全角英文字符就是兩字節(jié)編碼了，跟漢字是一樣的。
下面是一個(gè)混合了漢字，半角字母a和全角字母ａ的編碼示例，共5個(gè)字節(jié)：
我們說(shuō)GB2312是一個(gè)變長(zhǎng)編碼方案，是站在其兼容ASCII編碼角度而言，就其方案標(biāo)準(zhǔn)本身定義的字符而言，它是一個(gè)雙字節(jié)定長(zhǎng)編碼方案。
你可能會(huì)想，那國(guó)標(biāo)碼還有什么用？
我個(gè)人覺(jué)得，國(guó)標(biāo)碼既然稱為中文信息交換的標(biāo)準(zhǔn)碼，必然要成為“機(jī)內(nèi)”碼才有意義，只不過(guò)由于各種原因，最終未能如愿。早期的一些系統(tǒng)或者一些小型的嵌入式系統(tǒng)或許采納了它做為“機(jī)內(nèi)”碼。當(dāng)然以上為個(gè)人猜測(cè)，僅供參考。
另：我在前面的一些文章中談到區(qū)位碼時(shí)把它與機(jī)內(nèi)碼混為一談，特此更正。
下面是三種碼在256*256坐標(biāo)中的位置的一個(gè)示意圖：
GBK是對(duì)GB2312的一個(gè)擴(kuò)展，兼容GB2312，因此也兼容ASCII，也是一個(gè)變長(zhǎng)編碼方案。下面是一個(gè)簡(jiǎn)介：
GBK總體編碼范圍為8140-FEFE，首字節(jié)在81-FE 之間，尾字節(jié)在40-FE 之間，總計(jì)23940 個(gè)碼位，共收入21886個(gè)漢字和圖形符號(hào)，其中漢字（包括部首和構(gòu)件）21003 個(gè)，圖形符號(hào)883 個(gè)。
GBK是國(guó)家有關(guān)部門(mén)與一些信息行業(yè)企業(yè)等一起合作推出的方案，但并未作為國(guó)家標(biāo)準(zhǔn)發(fā)布，只是一個(gè)事實(shí)上的標(biāo)準(zhǔn)，一個(gè)過(guò)渡方案，為GB18030標(biāo)準(zhǔn)作的一個(gè)準(zhǔn)備。
下面是Windows Code page: 936 (GBK)，第一字節(jié)的概況（來(lái)自http://msdn.microsoft.com/en-US/goglobal/cc305153.aspx）
Code page 936實(shí)質(zhì)上是GBK到UTF-16編碼的一個(gè)轉(zhuǎn)換表，圖中字符下面標(biāo)注的四位16進(jìn)制數(shù)字即是UTF-16編碼
1. 上面部分是兼容ASCII單字節(jié)編碼。
2. 下面陰影部分是雙字節(jié)編碼中的第一個(gè)字節(jié)，表中作為超鏈接，可以點(diǎn)擊進(jìn)去查看具體內(nèi)容。
注：0x80(=128)被用于歐元符。（圖中小圓框部分）0xFF則保留，實(shí)際共有128-2=126塊。
另：新的GB18030標(biāo)準(zhǔn)使用雙字節(jié)編碼歐元符號(hào)，去掉了這個(gè)單字節(jié)編碼。
前面說(shuō)到“啊”的機(jī)內(nèi)碼是B0A1，我們點(diǎn)擊B0（上圖中紅色小框部分）去查看一下（來(lái)自http://msdn.microsoft.com/en-US/goglobal/gg675356）：
1. “啊”位于A1處，所以它是兼容GB2312的。而前面的那些字符就是GBK擴(kuò)展的了。
“啊”下面的554A即是它的UTF-16編碼。GBK與UTF-16之間編碼的轉(zhuǎn)換只能通過(guò)查表實(shí)現(xiàn)。
2. 第二字節(jié)從0x40開(kāi)始，不是從0x00也不是從0x80開(kāi)始。表格只有12行。
因?yàn)椴皇菑?x80開(kāi)始，這意味著第二字節(jié)最高位也可能是0.這點(diǎn)與GB2312不同，GB2312確保了無(wú)論是高低字節(jié)最高位均是1。
3. 另外0x7F和0xFF兩處保留未定義。
所以實(shí)際有12*16-2=192-2=190個(gè)字符。注：并非所有的塊里面都是190個(gè)字符，也有不少是少于190的。
粗略估算可得126*190=23940，所以GBK也就是兩萬(wàn)多個(gè)字符這樣子。
GBK使用兩字節(jié)保存中文，也能兼容ASCII，而對(duì)常用漢字，UTF-8都是采用三字節(jié)編碼，因此無(wú)論是全中文還是中英文混合的情況，GBK保存的效率都要好于UTF-8.
這也不奇怪，畢竟是親生的。
但它也有些不好的地方，比如它不能支持一些國(guó)際性的文字，在國(guó)際化，通用性方面它肯定不如UTF-8；就漢字而言，由于容量空間的限制，它也無(wú)法收錄更多的漢字了。
所以，怎么選擇，自己看著辦。
GB18030前后發(fā)布了兩個(gè)標(biāo)準(zhǔn)，最新的是2005年發(fā)布的GB 18030-2005（《信息技術(shù) 中文編碼字符集》），2000年還有一版GB18030-2000，更多了解可參考百度百科http://baike.baidu.com/view/889058.htm，官網(wǎng)見(jiàn)http://gbread.sac.gov.cn/bzzyReadWebApp/standardresources.action?m=readFile&bzNum=GB 18030-2005&flag=1，（注：這個(gè)文件比較大）
對(duì)于多數(shù)用戶而言，無(wú)需了解太多，這里也不打算詳細(xì)介紹，下面是一些簡(jiǎn)介（針對(duì)最新的GB18030-2005）：
它也是一個(gè)多字節(jié)編碼方案，有一，二，四字節(jié)三種變長(zhǎng)組合。
它的編碼空間很大，高達(dá)160萬(wàn)（約數(shù)），這甚至超過(guò)了Unicode規(guī)定的110萬(wàn)（約數(shù)）。
它兼容GB2312，基本兼容GBK（只有很少幾處不同）。
它收錄高達(dá)7萬(wàn)多的漢字，Unicode中的CJK統(tǒng)一漢字，CJK統(tǒng)一漢字?jǐn)U充A，CJK統(tǒng)一漢字?jǐn)U充B均收錄了進(jìn)來(lái)。
它還支持許多少數(shù)民族如藏、蒙古、彝、維吾爾等的文字。
對(duì)于普通用戶，超大字符集很少用到，通常情況下，如Windows系統(tǒng)下你可能要安裝GB18030的相關(guān)插件才能處理及顯示那些增補(bǔ)的字符，一般系統(tǒng)默認(rèn)情況也不會(huì)安裝能支持完整顯示GB18030全體字符的字體。
GB18030作為一個(gè)強(qiáng)制標(biāo)準(zhǔn)，但由于采用了高達(dá)四字節(jié)的情形，無(wú)論是操作系統(tǒng)還是各種應(yīng)用軟件，可能涉及許多調(diào)整才能很好地支持，這決不是一件簡(jiǎn)單的事情。
作為國(guó)際性標(biāo)準(zhǔn)的Unicode，BMP以外的字符的處理與顯示都還有很多不完善，所以如果GB18030沒(méi)有得到很好的支持，那也不足為奇了。
關(guān)于GB系列的編碼就說(shuō)到這里。
聯(lián)系客服
