汉字内码扩展规范

维基百科,自由的百科全书
跳转至: 导航搜索

GBK汉字内码扩展规范K为汉语拼音 Kuo Zhan(扩展)中“扩”字的声母。英文全称Chinese Internal Code Specification。

历史[编辑]

1993年,Unicode 1.1版本推出,收录中国大陆台湾日本韩国通用字符集汉字,总共有20,902个。

中国大陆订定了等同于Unicode 1.1版本的“GB 13000.1-93”“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”。

由于GB 2312-80只收录6763个汉字,有不少汉字,如部分在GB 2312-80推出以后才简化的汉字(如“啰”),部分人名用字(如中国前总理朱镕基的“镕”字),台湾及香港使用的繁体字日语朝鲜语汉字等,并未有收录在内。于是厂商微软利用GB 2312-80未使用的编码空间,收录GB 13000.1-93全部字符制定了GBK编码。

根据微软资料,GBK是对GB2312-80的扩展,也就是CP936字码表 (Code Page 936)的扩展(之前CP936和GB 2312-80一模一樣),最早实现于Windows 95简体中文版。虽然GBK收录GB 13000.1-93的全部字符,但编码方式并不相同。

GBK自身并非国家标准,只是曾由国家技术监督局标准化司、电子工业部科技与质量监督司公布为“技术规范指导性文件”。原始GB13000一直未被业界采用,后续国家标准GB18030技术上兼容GBK而非GB13000。

编码方式[编辑]

字符有一字节和双字节编码,007F范围内是第一个字节,和ASCII保持一致,此范围内严格上说有96个文字和32个控制符号。

之后的双字节中,前一字节是双字节的第一位。总体上说第一字节的范围是81FE(也就是不含80FF),第二字节的一部分领域在407E,其他领域在80FE

具体来说,定义的是下列字节:

GBK的编码范围
范围 第1字节 第2字节 编码数 字数
水准 GBK/1 A1A9 A1FE 846 717
水准 GBK/2 B0F7 A1FE 6,768 6,763
水准 GBK/3 81A0 40FE (7F除外) 6,080 6,080
水准 GBK/4 AAFE 40A0 (7F除外) 8,160 8,160
水准 GBK/5 A8A9 40A0 (7F除外) 192 166
用户定义 AAAF A1FE 564
用户定义 F8FE A1FE 658
用户定义 A1A7 40A0 (7F除外) 672
合计: 23,940 21,886

双字节符号可以表达的64K空间如下图所示。绿色和黄色区域是GBK的编码,红色是用户定义区域。没有颜色区域是不正确的代码组合。

GBK encoding zh.svg

与其他编码的关系[编辑]

GBK向下完全兼容GB2312-80编码。 支持GB2312-80编码不支持的部分中文姓,中文繁体,日文假名,还包括希腊字母以及俄语字母等字母。不过这种编码不支持韩国字,也是其在实际使用中与unicode编码相比欠缺的部分。

上述GBK/1和GBK/2的领域即GB 2312-80用通常方法编码的区域。GB 2312 (正确说法是其根据EUC-CN的编码)和ISO/IEC 2022中调用GR其他的94² 字符集一样,A1FE的范围开始读取字节对。这是上图中右下角的部分。但是,GB 2312中对于AAAFF8FE区域是空的,没有赋予编码。于是GBK就在这些领域里进行拓展。二者剩余部分作为用户定义区。

更重要的是,GBK进行了字节范围的扩展。ISO/IEC 2022中GR区域的字数有94²=8,836字的限制。只要放弃ISO/IEC 2022中针对图形文字和控制文字赋予严格的范围的模式,下位字节为单字节文字,上位字节对保留对应字符的功能,潜在的128²=16,384的代码位置就可以使用。GBK采用其中的一部分,第一个字节从A1FE (每个字节有94个选项)扩展成81FE (126个选项) ,第二字节的范围是 40FE (191个选项) ,总共有24066(126*191)个位置。

與CP936字码表比較[编辑]

微软的CP936通常被視为等同GBK,連 IANA 也以「CP936」為「GBK」之別名[1]。事实上比较起来, GBK 定義之字符較 CP936 多出95字(15個非漢字及80個漢字),皆為其時未收入 ISO 10646 / Unicode 之符號:非漢字包括異體字符號[2]、十二個表意文字描述字元(Ideographic Description Characters)[3]及 GB 5007.1-85《信息交換用漢字 24x24 點陣字模集》附錄對 GB 2312 增加,但 Unicode 未收之拼音符號「ḿ」和「ǹ[4][5];漢字包括未收入 ISO 10646 的《簡化字總表》漢字52個、《康熙字典》及《辭海漢字部件28個[4]。CP936中的这95字分配到了Unicode的私有区域[6][7],現已全部收於新版 Unicode。

输入方法[编辑]

  • VimIM 在 Vim 环境中,可以直接键入十进制或十六进制 GBK 码。既不需要启动输入法,也不需要码表。

后续[编辑]

中华人民共和国国家质量技术监督局于2000年3月17日推出了GB 18030-2000标准,以取代GBK。GB 18030-2000除保留全部GBK编码汉字,在第二字节把能使用范围再度进行扩展,增加了大约一百个汉字及四位元组编码空间,但是将GBK作为子集全部保留。请参看GB 18030

参见[编辑]

注釋[编辑]

  1. ^ http://www.iana.org/assignments/charset-reg/GBK
  2. ^ 〾(U+303E)[1]
  3. ^ ⿰⿱⿲⿳⿴⿵⿶⿷⿸⿹⿺⿻(U+2FF0 - U+2FFB)[2]
  4. ^ 4.0 4.1 簡體中文版 Windows 95 “GBK 内码输入法”帮助文件,1995年
  5. ^ http://www.microsoft.com/globaldev/reference/dbcs/936/936_A8.mspx 可見六個拼音符號有兩個沒有收入(A8BC及A8BF);「ḿ」現為U+1E3F、「ǹ」現為U+01F9;舊電腦可以m和U+0301以及n和U+0300合成(顯示如「」及「」)
  6. ^ use of private area in GBK converter. [2007年12月25日]. 
  7. ^ PRC GBK (XGB). (原始内容存档于2002-10-01).  GBK與Unicode變換表,非大陆计算机需要手工切换浏览器编码页至GBK才能正确查看

外部链结[编辑]