中文编码:GB2312编码、GBK编码、GB18030编码

2016-09-01 0 By ADMIN

中华人民共和国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，又称GB0或GB 2312 80。
由中国国家标准总局发布，1981年5月1日实施。
GB 2312编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB 2312。

1、收录

GB 2312标准共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个字符。
GB 2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。
但对于人名、古汉语等方面出现的罕用字和繁体字，GB 2312不能处理，因此后来GBK及GB 18030汉字字符集相继出现以解决这些问题。

2、字节结构

每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”，第二个字节称为“低位字节”。

汉字内码扩展规范，全名为《汉字内码扩展规范(GBK)》1.0版。
由中华人民共和国全国信息技术标准化技术委员会1995年12月1日制订，国家技术监督局标准化司和电子工业部科技与质量监督司1995年12月15日联合以《技术标函[1995]229号》文件的形式公布。
GBK 只为“技术规范指导性文件”，不属于国家标准。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。
GBK的K为汉语拼音Kuo Zhan（扩展）中“扩”字的声母。英文全称Chinese Internal Code Extension Specification。

1、收录

GBK共收录21886个汉字和图形符号，其中汉字（包括部首和构件）21003个，图形符号883个。
GBK向下完全兼容GB2312-80编码。

2、字节结构

字符有一字节和双字节编码，00–7F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。

本规格的初版“GB 18030-2000《信息技术信息交换用汉字编码字符集基本集的扩充》”是由中华人民共和国信息产业部电子工业标准化研究所起草，由国家质量技术监督局于2000年3月17日发布。在GBK基础上增加了CJK统一汉字扩充A的汉字。
现行版本为国家质量监督检验总局和中国国家标准化管理委员会于2005年11月8日发布，2006年5月1日实施；是在GB18030-2000基础上增加了CJK统一汉字扩充B的汉字。

1、收录

GB 18030，全称：“国家标准GB 18030-2005《信息技术中文编码字符集》”，是中华人民共和国现时最新的变长度多字节字符集。
对GB 2312-1980完全向后兼容，与GBK基本向后兼容；支持GB 13000（Unicode）的所有码位；共收录汉字70,244个。
支持中国国内少数民族文字，不需要动用造字区。
汉字收录范围包含繁体汉字以及日韩汉字。
编码空间庞大，最多可定义161万个字符。

2、字节结构

采用变长多字节编码，每个字可以由1个、2个或4个字节组成。

目前国内一些发行的WEB开源框架，都提供这两种编码格式。
不过既然UTF-8是世界通用的，支持全世界的字符编码；为什么还有人选择使用GBK这种主要为针对中文的编码格式？

中文领域GBK比UTF-8存储小

GBK是字节结构定长的编码；每个字符占用两个字节的编码，并收录了基本能接触到的所有中文字，和其他部分字符的扩充。
UTF-8可变多字节编码；多数中文字符都会占用不小于两个字节的编码。
所以如果软件不考虑兼容国外字符的话，使用GBK会减少代码传输和代码存储。