GBK即汉字内码扩展规范
汉字内码扩展规范
GBK即汉字内码扩展规范，K为汉语拼音 Kuo Zhan（扩展）中“扩”字的声母。英文全称Chinese Internal Code Specification。
目录
- 1 历史
- 2 编码方式
- 3 与其他编码的关系
- 4 与CP936字码表比较
- 5 输入方法
- 6 后续
- 7 参见
- 8 注释
- 9 外部链结
历史
1993年，Unicode 1.1版本推出，收录中国大陆、台湾、日本及韩国通用字符集的汉字，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，日语及朝鲜语汉字等，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 2312-80一模一样），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
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。
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81–FE（也就是不含80和FF），第二字节的一部分领域在40–7E，其他领域在80–FE。
具体来说，定义的是下列字节:
| 范围 | 第1字节 | 第2字节 | 编码数 | 字数 |
|---|---|---|---|---|
| 水准 GBK/1 | A1–A9 |
A1–FE |
846 | 717 |
| 水准 GBK/2 | B0–F7 |
A1–FE |
6,768 | 6,763 |
| 水准 GBK/3 | 81–A0 |
40–FE (7F除外) |
6,080 | 6,080 |
| 水准 GBK/4 | AA–FE |
40–A0 (7F除外) |
8,160 | 8,160 |
| 水准 GBK/5 | A8–A9 |
40–A0 (7F除外) |
192 | 166 |
| 用户定义 | AA–AF |
A1–FE |
564 | |
| 用户定义 | F8–FE |
A1–FE |
658 | |
| 用户定义 | A1–A7 |
40–A0 (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。
与其他编码的关系
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，A1–FE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AA–AF和F8–FE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A1–FE (每个字节有94个选项)扩展成81–FE (126个选项) ，第二字节的范围是 40–FE (191个选项) ，总共有24066(126*191)个位置。
与CP936字码表比较
微软的CP936通常被视为等同GBK，连 IANA 也以“CP936”为“GBK”之别名[1]。事实上比较起来， GBK 定义之字符较 CP936 多出95字（15个非汉字及80个汉字），皆为其时未收入 ISO 10646 / Unicode 之符号：非汉字包括异体字符号[2]、十二个表意文字描述字元（Ideographic Description Characters）[3]及 GB 5007.1-85《信息交换用汉字 24x24 点阵字模集》附录对 GB 2312 增加，但 Unicode 未收之拼音符号“ḿ”和“ǹ”[4][5]；汉字包括未收入 ISO 10646 的《简化字总表》汉字52个、《康熙字典》及《辞海》汉字部件28个[4]。CP936中的这95字分配到了Unicode的私有区域[6][7]，现已全部收于新版 Unicode。
输入方法
- 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
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
- 国家标准代码
注释
- ^ http://www.iana.org/assignments/charset-reg/GBK
- ^ 〾（U+303E）[1]
- ^ ⿰⿱⿲⿳⿴⿵⿶⿷⿸⿹⿺⿻（U+2FF0 - U+2FFB）[2]
- ^ 4.0 4.1 简体中文版 Windows 95 “GBK 内码输入法”帮助文件，1995年
- ^ http://www.microsoft.com/globaldev/reference/dbcs/936/936_A8.mspx 可见六个拼音符号有两个没有收入（A8BC及A8BF）；“ḿ”现为U+1E3F、“ǹ”现为U+01F9；旧电脑可以m和U+0301以及n和U+0300合成（显示如“ḿ”及“ǹ”）
- ^ use of private area in GBK converter. [2007年12月25日].
- ^ PRC GBK (XGB). （原始内容存档于2002-10-01）. GBK与Unicode变换表，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
- ICU:UNICODE-GBK table
- 微软CP936编码表
- GBK编码表
- GBK编码查询
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
- 中文信息处理
- 字符集
- Windows代码页