● 技术交流——GB18030编码标准

GB18030编码标准

    GB18030在体系结构上延续GB2311-1990《信息处理  七位和八位编码字符集  代码扩充技术》体系，采用单/双/四字节混合编码。该标准与现有的绝大多数操作系统、中文平台在计算机内码一级兼容，能够支持现有的应用系统，在字汇上与GB13000.1-1993《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》兼容，从而为中文信息在国际互联网上的传输与交换提供了保障。该标准同时收录了臧文、蒙文、维吾尔文等主要的少数民族文字，为推进少数民族的信息化奠定了坚实的基础。

GB18030-2000标准作为GB 2311体系的字符编码标准，规定了信息交换用的基本图形字符及其二进制编码的十六进制表示，适用于图形字符信息的处理、交换、存储、传输、显现、输入和输出。

GB18030-2000标准具体规定了图形字符的单字节编码和双字节编码，并对四字节编码体系结构做出了规定。

以下为GB18030-2000标准的详细内容：

■          范围

本标准作为GB 2311体系的编码字符标准，规定了信息交换用的图形字符及其二进制编码的十六进制表示。

    本标准适用于图形字符信息的处理、交换、存储、传输、显现、输入和输出。

■          引用标准

下列标准所包含的条文，通过在本标准中引用而构成为本标准的条文。本标准出版时，所示版本均为有效。所有标准都会被修订，使用本标准的各方应探讨使用下列标准最新版本的可能性。

GB 2311—1990   信息处理 七位和八位编码字符集 代码扩充技术（eqv ISO 2022:1986）
GB 2312—1980 信息交换用汉字编码字符集    基本集
GB 11383—1989  信息处理 信息交换用八位代码结构和编码规则（idt ISO 4873: 1986）
GB 12345—1990  信息交换用汉字编码字符集    辅助集
GB 13000.1—1993  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（idt ISO/IEC 10646.1-1993）

■          原则

本标准向下与国家标准GB 2312信息处理交换码所对应的事实上的内码标准兼容。

本标准在字汇上支持GB 13000.1的全部中、日、韩（CJK）统一汉字字符和全部CJK统一汉字扩充A的字符。

■          定义

本标准采用下列定义。

4．1   字汇  repertoire

用编码字符集表示的一个指定的字符集合。

4．2  字符  character

供组织、控制或表示数据用的元素集合中的一个元素。

4．3  编码字符  coded character

字符及其编码表示。

4．4  保留区  reserved zone

本标准中留作未来国际标准规定的区域。

■          字汇

本标准收录的字符分别以单字节、双字节和四字节编码。

5．1  单字节部分

本标准中，单字节的部分收录了GB 11383的0x00到0x7F全部128个字符及单字节编码的欧元符号。

5．2  双字节部分

本标准中，双字节的部分收录内容如下：

GB 13000.1的全部CJK统一汉字字符。

GB 13000.1的CJK兼容区挑选出来的21个汉字。

GB 13000.1中收录而GB 2312未收录的我国台湾地区使用的图形字符139个。

GB 13000.1收录的其它字符31个。

GB 2312中的非汉字符号。

GB 12345的竖排标点符号19个。

GB 2312未收录的10个小写罗马数字。

GB 2312未收录的带音调的汉语拼音字母5个以及ɑ和ɡ。

汉字数字“〇”。

表意文字描述符13个。

增补汉字和部首/构件80个。

双字节编码的欧元符号。

5．3  四字节部分

本标准的四字节的部分，收录了上述双字节字符之外的，包括CJK统一汉字扩充A在内的GB 13000.1 中的全部字符。

■          总体结构

    本标准中，采用单字节、双字节和四字节三种方式对字符编码。本标准中的任何一个字节均由八位二进制位串组成，任何一个八位的值均由0x00至0xFF的十六进制记数法表示。

    单字节部分采用GB 11383的编码结构与规则，使用0x00至0x80码位。双字节部分采用两个八位二进制位串表示一个字符，其首字节码位从0x81至0xFE，尾字节码位分别是0x40至0x7E和0x80至0xFE。四字节部分采用GB 11383未采用的0x30到0x39作为对双字节编码扩充的后缀，这样扩充的四字节编码，其范围为0x81308130到0xFE39FE39。见表1及图1。

                            表1  码位范围分配图

字节数

码位空间

码位数目

单字节

0x00~0x80

129个码位

双字节

第一字节

第二字节

23940个码位

0x81 ~ 0xFE

0x40 ~ 0x7E

0x80 ~ 0xFE

四字节

第一字节

第二字节

第三字节

第四字节

1587600个码位。

0x81~ 0xFE

0x30~ 0x39

0x81~ 0xFE

0x30~0x39

四字节字符的编码自第四个字节开始，编码码位为0x30 至0x39；其次是第三个字节，编码码位为0x81至0xFE；再次是第二个字节，编码码位为0x30 至0x39；最后是第一个字节，编码码位为0x81至0xFE。即，

0x81308130至0x81308139；

0x81308230至0x81308239；

……

0x8130FE30至0x8130FE39；

0x81318130至0x81318139；

……

0x8131FE30至0x8131FE39；

……

0x82308130至0x82308139；

……

0x8230FE30至0x8230FE39；

……

0xFE308130至0xFE308139；

……

0xFE39FE30至0xFE39FE39。

注：本标准中，凡数字前标有0x的表示采用十六进制，未标有0x的表示采用十进制。

　

　

首字节
第
一
字节 		第三字节 第二字节
 

                         图1    总 体 结 构 图

■          字符的排列顺序

7．1 单字节部分字符的排列顺序

本标准中单字节部分所有字符按照GB 11383中相应字符的顺序排列，单字节编码的欧元符号置于0x80位置，对应于GB 13000.1的0x20AC位置。

7．2  双字节部分字符的排列顺序

本标准双字节部分的字符排列顺序见附录A。

7．3  四字节部分字符的排列顺序

    自0x81308130至0x8439FE39共50400个码位，对应本标准双字节部分未包括的所有GB 13000.1的字符，按照GB 13000.1相应字符的顺序排列，剩余码位保留。

0x85308130至0x8539FE39共12600个码位，为本标准的保留区，留待未来字符扩展使用。

自0x86308130至0x8F39FE39共126000个码位，为本标准的保留区，留待未来汉字字符扩展使用。

      自0x90308130至0xE339FE39共1058400个码位，用于对应GB 13000的16个辅助平面，字符排列顺序完全遵照GB 13000的16个辅助平面的相应码位顺序依次排列，剩余码位保留。

    自0xE4308130至0xFC39FE39共315000个码位，为本标准的保留区，留待未来标准扩展使用。

自0xFD308130至0xFE39FE39共25200个码位，为用户自定义区。

■          码位分配

     8．1  节部分的码位分配

本标准中，单字节的部分的码位分配见GB 11383。单字节编码欧元符号置于0x80位置。

8．2  双字节部分的码位分配

本标准中，双字节的部分的码位安排分为0x8140至0xFE7E和0x8180至0xFEFE两部分，共23940个码位。

8．3  四字节部分的码位分配

    四字节部分的码位分配见7.3条。

【返回技术交流首页】        【上篇文章】GBK内码表