当我们使用Windows记事本的“另存为”，可以在GBK、Unicode、
Unicode b ig e ndian和UTF-‐8这几种编码方式间相互转换。同样是txt文件，Windows是怎样识别编码方式的呢？
同样一份txt文件，Unicode、Unicode b ig e ndian和UTF-‐8编码的txt文件的大
小都不一样，二进制文件开头会多出几个字节，分别是FF、 FE（Unicode）,FE、FF（Unicode b ig e ndian）,EF、BB、BF（UTF-‐8）。但这些标记是基于什么标
准呢？
本文主要介绍一下目前常用的汉字编码方案，从而使读者看完后能对于汉字编
码有基本的认识。
1.GB2312字符集
GB2312是1980年国家制定的汉字内码规范。GB是国标的汉语拼音首字母。
该字符集收录了收入汉字6763个，符号715个，总计7478个字符，通常所说的一、二级汉字库就全部包
含在GB2312中。楷体-‐GB2312、仿宋-‐
GB2312、华文行楷等市面上绝大多数字体支持显示这个字符集，亦是大多数输入法所采用的字符集。
GB2312将收录的汉字分成两级：第一级是常用汉字计3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56－87区，按部首/笔画顺序排列。故而GB2312最多能表示6763个汉字。
虽然GB2312包含了绝大部分的常用简体汉字，但是由于中文的复杂性，所以GB2312目前已经越来越不能适应需要了，特别是因为人名、地名中包含的很多字GB2312中都没有，如的‘镕’字，GB2312中就没有包含，这样导致很多混乱。
2.Big5字符集
Big5中文名“大五码”，是繁体字常用的字符集，共收入13060个繁体汉字，808个符号，总计13868个字符，普遍使用于台湾、香港等地区。台湾教育部标准宋体楷体等港台大多数字体支持这个字符集的显示。
1983年10月，科学委员会、教育部国语推行委员会、中央标准局、行政院共同制定了《通用汉字标准交换码》，后经修订于1992年5月公布，更名为《中文标准交换码》，BIG5是台湾资讯工业
策进会根据以上标准制定的编码方案。虽然Big5存在一些瑕疵，但广泛应用于电脑行业，尤其是互联网中，从而成为一种事实上的行业标准。
BIG5码是双字节编码方案，其中第一个字节的值在OXAO－OXFE之间，第二个字节在OX40-OX7E和OXA1-OXFE之间。
BIG5收录13461个汉字和符号，包括：
＊符号408个，编码位置A140－A3BE
＊常用字5401个，编码位置A440－C67E，包括台湾教育部颁布的《常用国字标准字体表》的全部汉字4808个，台湾教科书常用字587个，异体字6个。
＊次常用字7652个，编码位置C940－F9D5，包括台湾教育部颁布的《次常用国字标准字体表》的全部汉字6341个，《罕用国字标准字体表》中使用频率较高的字1311个。
3.GBK字符集
GB2312－80仅收汉字6763个，这大大少于现有汉字，随着时间推移及汉字文化的不断延伸推广，有些原来很少用的字，现在变成了常用字。因此全国信息技术化技术委员会于1995年12月1日《汉字内码扩展规范》。
GBK向下与GB2312 完全兼容，包含Big-‐5的繁体字（但是不兼容Big-‐5字符集编码）。unicode汉字
GBK共收入21886个汉字和图形符号，包括：
* G B2312中的全部汉字、非汉字符号。
* B IG5中的全部汉字。
* 与ISO－10646相应的国家标准GB13000中的其它CJK汉字
（以上合计20902个汉字）
* 其它汉字、部首、符号，共计984个。
微软公司自Windows95简体中文版开始支持GBK代码，但目前的多数搜索引擎都不能很好地支持GBK汉字。宋体、隶书、黑体、幼圆、华文中宋、华文细黑、华文楷体、标楷体（DFKai-‐SB）、Arial U nicode M S、MingLiU、PMingLiU等字体支持显示这个字符集。微软拼音输入法2003、全拼、紫光拼音等输入法，能够录入GBK简繁体汉字。
4.Unicode字符集
很多传统的编码方式都有一个共同的问题，即容许电脑处理双语环境（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。例如ISO 8859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兼容的情况。因此产生了Unicode , 它是由国际组织设计，可以容纳全世界所有语言文字的编码方案。Unicode的学名“Universal M ultiple-‐Octet C oded C haracter S et”，简称为UCS。UCS可以看作 是
"Unicode C haracter S et"的缩写。历史上存在两个试图独立设计Unicode的
组织，即国际标准化组织（ISO）和一个软件制造商的协会（）。
ISO开发了ISO 10646项目，Unicode协会开发了Unicode项目。
在1991年前后，双方都认识到世界不需要两个不兼容的字符集。于是它们开始合并双方的工作成果，并为创立一个单一编码表而协同工作。从
Unicode2.0开始，Unicode项目采用了与ISO 10646-‐1相同的字库和字码。
目前两个项目仍都存在，并独立地公布各自的标准。Unicode协会现在的最新版本是2005年的Unicode 4.1.0。ISO的最新标准是ISO 10646-‐3:2003。
5.UTF-‐8、UTF-‐16等编码方式
UCS只是规定如何编码，并没有规定如何传输、保存这个编码。例如“汉”字的UCS编码是6C49，我可以用4个ascii数字来传输、保存这个编码；也 可以用utf-‐8编码:3个连续的字节E6 B1 89来表示它。关键在于通信双方都要认可。UTF-‐8、UTF-‐7、UTF-‐16都是被广泛接受的方 案。UTF-‐8的一个特别的好处是它与ISO-‐8859-‐1完全兼容。UTF是“UCS T ransformation F ormat”
的缩写。
简单来说，unicode，gbk和大五码就是编码的值，而utf-‐8,uft-‐16之类就是这个值的表现形式．而前面那三种编码是一兼容的，同一个汉 字，那三个码值是完全不一样的．如＂汉＂的uncode值与gbk就是不一样的，假设
uncode为a040，gbk为b030，而uft-‐8码，就是把 那个值表现的形
式．utf-‐8码完全只针对uncode来组织的，如果GBK要转UTF－8必须先转uncode码，再转utf-‐8就可以了．
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论