fbpx
维基百科

GB 18030

行進 14, 2023

GB 18030，全称《信息技术 中文编码字符集》，是中华人民共和国国家标准所规定的变长多字节字符集。其对GB 2312-1980完全向后兼容，与GBK基本向后兼容，并支持Unicode（GB 13000）的所有码位。

GB 18030
GB 18030 字节分配。“半码"（Half codes）指成对使用的四字节部分。
MIME / IANAGB18030
别名代码页 54936
语言国际，但以中文为主
标准GB 18030-2022, GB 18030-2005, GB 18030-2000
分类Unicode转换格式、扩展ASCII、[a]变长编码、CJK
拓展自EUC-CN, GBK
变换/编码ISO 10646（Unicode）
前用GBK, GB2312
  1. ^ 严格来说不是，因为ASCII字节会出现在GBK拓展二字节部分的后半字

GB 18030主要有以下特点：

  • 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。
  • 编码空间庞大，最多可定义161万个字元。
  • 完全支持Unicode，无需动用造字区即可支持中国国內少数民族文字、中日韩和繁体汉字以及emoji等字符。

GB 18030在微软Windows系统中的代码页为54936。

GB 18030不是一个汉字规范，不定义汉字的写法。中国大陆在此方面的规定由《通用规范汉字表》管理。

标准内容

本规格第一版 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日发布和实施。该标准在GBK基础上增加了CJK统一汉字扩充A的汉字。

本规格第二版为 GB 18030-2005《信息技术　中文编码字符集》，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。GB 18030-2005 共收录汉字70,244个。此标准内的单字节编码部分、双字节编码部分，和四字节编码部分收录的少数中日韩统一表意文字扩展A区汉字，为强制性标准。其他部分则属于规模性标准。在中华人民共和国境内所有软件产品，都需要支持这个同时包含单字节、双字节和四字节编码的规格。[1]:4

GB 18030 的第三版本，且最新版本为 GB 18030-2022《信息技术　中文编码字符集》，为国家市场监督管理总局和国家标准化管理委员会于2022年7月19日发布、2023年8月1日实施。此版本在保留总体结构的基础上，从条文强制改为全文强制，但增加了“实现的级别”一章，定义了三个实现级别，并要求“任何本文件使用的产品均应满足实现级别1”，与上一版的“部分强制”相比，实际要求“增加四字节编码部分的CJK统一汉字”的 66 字。另外，该版本完整覆盖 2013 年发布的《通用规范汉字表》，在资料性附录E中明确了《通用规范汉字表》8105 个汉字的代码位置，并规定要通过“实现级别2”来支持。

Unicode支持

不同GB 18030版本中Unicode码位的映射更动
GB 字节串 Unicode 码位
GB 18030-2000 GB 18030-2005
A8 BC (ḿ) U+E7C7 U+1E3F ḿ
81 35 F4 37 U+1E3F ḿ U+E7C7

GB 18030在其标准中以码表形式定义了除去代理对外的全部Unicode码位的定义，因此算得上是一种Unicode的变换格式（UTF）。由于GB 18030基本上是绕开已分配的码点去指定需要对应的Unicode，其变换和UTF-8相比要复杂得多。在日常实现上，常常会直接使用一个偏移量表[2]。

GB 18030—2005与GB 18030—2000、GBK相比，去除了很多原来映射在PUA中的编码；后来剩余的24个PUA码位也在Unicode 4.1中加上。

在GB 18030—2022中，剩余的24个PUA码位已经被去除或更改对应，所有有意义字符都已经映射到正式的 Unicode 码位上。[3]

国标码码表中私有区码位的演变
GB 字节串 Unicode 码位 [a]
GBK 1.0[4] GB 18030-2005 Unicode 4.1 GB 18030-2022[3]
A6 D9[5]:108 U+E78D U+FE10 ︐
A6 DA U+E78E U+FE12 ︒
A6 DB U+E78F U+FE11 ︑
A6 DC U+E790 U+FE13 ︓
A6 DD U+E791 U+FE14 ︔
A6 DE U+E792 U+FE15 ︕
A6 DF U+E793 U+FE16 ︖
A6 EC U+E794 U+FE17 ︗
A6 ED U+E795 U+FE18 ︘
A6 F3 U+E796 U+FE19 ︙
A8 BC U+E7C7 U+1E3F ḿ
A8 BF U+E7C8 U+01F9 ǹ
A9 89 U+E7E7 U+303E 〾
A9 8A U+E7E8 U+2FF0 ⿰
A9 8B U+E7E9 U+2FF1 ⿱
A9 8C U+E7EA U+2FF2 ⿲
A9 8D U+E7EB U+2FF3 ⿳
A9 8E U+E7EC U+2FF4 ⿴
A9 8F U+E7ED U+2FF5 ⿵
A9 90 U+E7EE U+2FF6 ⿶
A9 91 U+E7EF U+2FF7 ⿷
A9 92 U+E7F0 U+2FF8 ⿸
A9 93 U+E7F1 U+2FF9 ⿹
A9 94[5]:173 U+E7F2 U+2FFA ⿺
A9 95 U+E7F3 U+2FFB ⿻
FE 50 U+E815 U+2E81 ⺁
FE 51 U+E816 U+20087 𠂇 [b] U+E816
FE 52 U+E817 U+20089 𠂉 [c] U+E817
FE 53 U+E818 U+200CC 𠃌 [d] U+E818
FE 54 U+E819 U+2E84 ⺄
FE 55 U+E81A U+3473 㑳
FE 56 U+E81B U+3447 㑇
FE 57 U+E81C U+2E88 ⺈
FE 58 U+E81D U+2E8B ⺋
FE 59 U+E81E U+9FB4 龴
FE 5A U+E81F U+359E 㖞
FE 5B U+E820 U+361A 㘚
FE 5C U+E821 U+360E 㘎
FE 5D U+E822 U+2E8C ⺌
FE 5E U+E823 U+2E97 ⺗
FE 5F U+E824 U+396E 㥮
FE 60 U+E825 U+3918 㤘
FE 61 U+E826 U+9FB5 龵
FE 62 U+E827 U+39CF 㧏
FE 63 U+E828 U+39DF 㧟
FE 64 U+E829 U+3A73 㩳
FE 65 U+E82A U+39D0 㧐
FE 66 U+E82B U+9FB6 龶
FE 67 U+E82C U+9FB7 龷
FE 68 U+E82D U+3B4E 㭎
FE 69 U+E82E U+3C6E 㱮
FE 6A U+E82F U+3CE0 㳠
FE 6B U+E830 U+2EA7 ⺧
FE 6C U+E831 U+215D7 𡗗 [e] U+E831
FE 6D U+E832 U+9FB8 龸
FE 6E U+E833 U+2EAA ⺪
FE 6F U+E834 U+4056 䁖
FE 70 U+E835 U+415F 䅟
FE 71 U+E836 U+2EAE ⺮
FE 72 U+E837 U+4337 䌷
FE 73 U+E838 U+2EB3 ⺳
FE 74 U+E839 U+2EB6 ⺶
FE 75 U+E83A U+2EB7 ⺷
FE 76 U+E83B U+2298F 𢦏 [f] U+E83B
FE 77 U+E83C U+43B1 䎱
FE 78 U+E83D U+43AC 䎬
FE 79 U+E83E U+2EBB ⺻
FE 7A U+E83F U+43DD 䏝
FE 7B U+E840 U+44D6 䓖
FE 7C U+E841 U+4661 䙡
FE 7D U+E842 U+464C 䙌
FE 7E U+E843 U+9FB9 龹
FE 80 U+E844 U+4723 䜣
FE 81 U+E845 U+4729 䜩
FE 82 U+E846 U+477C 䝼
FE 83 U+E847 U+478D 䞍
FE 84 U+E848 U+2ECA ⻊
FE 85 U+E849 U+4947 䥇
FE 86 U+E84A U+497A 䥺
FE 87 U+E84B U+497D 䥽
FE 88 U+E84C U+4982 䦂
FE 89 U+E84D U+4983 䦃
FE 8A U+E84E U+4985 䦅
FE 8B U+E84F U+4986 䦆
FE 8C U+E850 U+499F 䦟
FE 8D U+E851 U+499B 䦛
FE 8E U+E852 U+49B7 䦷
FE 8F U+E853 U+49B6 䦶
FE 90 U+E854 U+9FBA 龺
FE 91 U+E855 U+241FE 𤇾 [g] U+E855
FE 92 U+E856 U+4CA3 䲣
FE 93 U+E857 U+4C9F 䲟
FE 94 U+E858 U+4CA0 䲠
FE 95 U+E859 U+4CA1 䲡
FE 96 U+E85A U+4C77 䱷
FE 97 U+E85B U+4CA2 䲢
FE 98 U+E85C U+4D13 䴓
FE 99 U+E85D U+4D14 䴔
FE 9A U+E85E U+4D15 䴕
FE 9B U+E85F U+4D16 䴖
FE 9C U+E860 U+4D17 䴗
FE 9D U+E861 U+4D18 䴘
FE 9E U+E862 U+4D19 䴙
FE 9F U+E863 U+4DAE 䶮
FE A0 U+E864 U+9FBB 龻
备注
a.^ 蓝色代表私用区码位
b.^ GB 18030-2022将U+20087 𠂇 映射至0x95329031
c.^ GB 18030-2022将U+20089 𠂉 映射至0x95329033
d.^ GB 18030-2022将U+200CC 𠃌 映射至0x95329730
e.^ GB 18030-2022将U+215D7 𡗗 映射至0x9536B937
f.^ GB 18030-2022将U+2298F 𢦏 映射至0x9630BA35
g.^ GB 18030-2022将U+241FE 𤇾 映射至0x9635B630

字节结构

GB 18030包含三种长度的编码：单字节的ASCII、双字节的GBK（略带扩展）、以及用于填补所有Unicode码位的四字节UTF区段。GBK双字节部分通过查表定义，而四字节部分则根据之前两个部分没有提到的通用字符集码位顺序填补。由于和GBK兼容，GB 18030在搜索ASCII字符时也需要使用特别代码进行判断。

GB 18030编码[6]:3[7]:252[8]
GB 18030 码位数 Unicode[a]
字节1（最高位） 字节2 字节3 字节4
00 – 7F 128 0000 – 007F
80 — 错误[b]
81 – FE 40 – FE 除去 7F[c] 23940 0080 – FFFF 除去 D800 – DFFF[d]
81 – 84 30 – 39 81 – FE 30 – 39 39420
85 — (12600) （未来字符拓展）
86 – 8F — (126000) （未来汉字拓展）
无 — D800 – DFFF[e]
90 – E3 30 – 39 81 – FE 30 – 39 1048576 1 0000 – 10 FFFF
E4 – FC — (315000) （未来标准拓展）
FD – FE — (25200) （用户造字区域）
FF — 错误
总计 1112064

一、二字节区段基本就是GBK编码，另外加上了专门的欧元字符、竖排版本的标点符号，以及造字区对Unicode造字区的对应。四字节区段可以视作两段形似GBK二字节区段结构的部分，每段的第一字节可以为0x81到0xFE，第二字节为0x30到0x39。由于结构类似，能够安全于GBK的字符串搜索程序对于GB 18030来说也基本安全（正如基于字节（英语：byte-oriented）的搜索程序对于EUC、UTF-8也基本安全一般。）

四字节区段总共可以表达1,587,600（126×10×126×10）种字符，足以覆盖Unicode的1,112,064（17×65536 − 2048个代理对）个有效码位。

由于四字节区段通过填空定义，要写出处理这段转换的程序需要同时知道GBK的覆盖范围，并不简单： 

U+00DE (Þ) → 81 30 89 37 U+00DF (ß) → 81 30 89 38 U+00E0 (à) → A8 A4 U+00E1 (á) → A8 A2 U+00E2 (â) → 81 30 89 39 U+00E3 (ã) → 81 30 8A 30

WHATWG和W3C的GB 18030实现通过一张“位置偏移表”记录GB 18030四字节区中连续的几块碎片，以便高效处理转换。[10]ICU[8]和glibc也都对大块连续的区域使用了类似的策略。

版本

参见

注釋

  1. ^ 包含66个“非字符”
  2. ^ 虽然两个版本的GB 18030都认为此码位不正确（指正式发布的，GB 18030-2000的报批稿却同时有单双字节欧元[9]），但是ICU的定义错误称其为有效码位。出于GBK兼容性考虑，WHATWG的GBK/GB 18030二合一解码器将此字节视作欧元符号。
  3. ^ 参见汉字内码扩展规范条目细分。
  4. ^ 上一行的码位使用二字节GBK编码，下一行的码位按照顺序以四字节编码补全覆盖面。此段最后一个实际用上的编码为U+FFFF的84 31 A4 39（2005版239页），不过划区时画到了84 39 FE 39。
  5. ^ 这些为代理对字符（英语：surrogate code point），在UTF-16之外没有实际意义。

参考资料

  1. ^ CESI. GB18030 符合性问与答 [GB18030 compliance FAQ]. CESI Certification Center. 2009-07-08 [2016-10-12]. （原始内容于2016-09-28）. Page 4 同时达到以下两个要求的产品，为符合GB 18030-2005强制部分的产品：①产品可以正确输入、输出、处理GB 18030-2005强制部分规定的全部汉字字符；②产品可以正确识别GB 18030-2005强制性部分规定的全部汉字字符对应的编码。 [A product compliant with the mandatory part of GB 18030 must be able to correctly a) input, output and process all Chinese characters defined in the mandatory set; b) recognize encodings for characters in the mandatory set.] 
  2. ^ . WHATWG. [2016-09-11]. （原始内容存档于2015-02-04）. 
  3. ^ 3.0 3.1 Lunde, Dr Ken. The GB 18030-2022 Standard. Medium. 4 August 2022 [7 August 2022]. （原始内容于2022-08-07） （英语）. 
  4. ^ Group:GBK外字. GlyphWiki. [11 September 2016]. （原始内容于2019-02-16）. 
  5. ^ 5.0 5.1 Lunde, Ken. CJKV Information Processing. O'Reilly Media, Inc. December 2008 [11 September 2016]. ISBN 978-0-596-51447-1. 
  6. ^ Standardization Administration of China (SAC). GB 18030-2005: Information Technology—Chinese coded character set. 2005-11-18. 
  7. ^ Standardization Administration of China (SAC). GB 18030-2000: Information Technology—Chinese coded character set for information interchange — Extension for the basic set. 2000-03-17. 
  8. ^ 8.0 8.1 Authoritative mapping table between GB18030-2000 and Unicode （页面存档备份，存于互联网档案馆）. ICU – International Components for Unicode. 2001-02-21. Accessed 2016-09-04.
  9. ^ (PDF). [2017-08-15]. （原始内容 (PDF)存档于2017-08-15）. 
  10. ^ . WHATWG. [2016-09-24]. （原始内容存档于2015-02-04）. 

外部連結

行進 14, 2023
18030, 全称, 信息技术, 中文编码字符集, 是中华人民共和国国家标准所规定的变长多字节字符集, 其对gb, 2312, 1980完全向后兼容, 与gbk基本向后兼容, 并支持unicode, 13000, 的所有码位, 字节分配, 半码, half, codes, 指成对使用的四字节部分, mime, ianagb18030别名代码页, 54936语言国际, 但以中文为主标准, 2022, 2005, 2000分类unicode转换格式, 扩展ascii, 变长编码, cjk拓展自euc, gbk变换, 编. GB 18030 全称 信息技术 中文编码字符集 是中华人民共和国国家标准所规定的变长多字节字符集 其对GB 2312 1980完全向后兼容 与GBK基本向后兼容 并支持Unicode GB 13000 的所有码位 GB 18030GB 18030 字节分配 半码 Half codes 指成对使用的四字节部分 MIME IANAGB18030别名代码页 54936语言国际 但以中文为主标准GB 18030 2022 GB 18030 2005 GB 18030 2000分类Unicode转换格式 扩展ASCII a 变长编码 CJK拓展自EUC CN GBK变换 编码ISO 10646 Unicode 前用GBK GB2312 严格来说不是 因为ASCII字节会出现在GBK拓展二字节部分的后半字查论编GB 18030主要有以下特点 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 编码空间庞大 最多可定义161万个字元 完全支持Unicode 无需动用造字区即可支持中国国內少数民族文字 中日韩和繁体汉字以及emoji等字符 GB 18030在微软Windows系统中的代码页为54936 GB 18030不是一个汉字规范 不定义汉字的写法 中国大陆在此方面的规定由 通用规范汉字表 管理 目录 1 标准内容 2 Unicode支持 3 字节结构 4 版本 5 参见 6 注釋 7 参考资料 8 外部連結标准内容 编辑本规格第一版 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日发布和实施 该标准在GBK基础上增加了CJK统一汉字扩充A的汉字 本规格第二版为 GB 18030 2005 信息技术 中文编码字符集 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 GB 18030 2005 共收录汉字70 244个 此标准内的单字节编码部分 双字节编码部分 和四字节编码部分收录的少数中日韩统一表意文字扩展A区汉字 为强制性标准 其他部分则属于规模性标准 在中华人民共和国境内所有软件产品 都需要支持这个同时包含单字节 双字节和四字节编码的规格 1 4GB 18030 的第三版本 且最新版本为 GB 18030 2022 信息技术 中文编码字符集 为国家市场监督管理总局和国家标准化管理委员会于2022年7月19日发布 2023年8月1日实施 此版本在保留总体结构的基础上 从条文强制改为全文强制 但增加了 实现的级别 一章 定义了三个实现级别 并要求 任何本文件使用的产品均应满足实现级别1 与上一版的 部分强制 相比 实际要求 增加四字节编码部分的CJK统一汉字 的 66 字 另外 该版本完整覆盖 2013 年发布的 通用规范汉字表 在资料性附录E中明确了 通用规范汉字表 8105 个汉字的代码位置 并规定要通过 实现级别2 来支持 Unicode支持 编辑不同GB 18030版本中Unicode码位的映射更动 GB 字节串 Unicode 码位GB 18030 2000 GB 18030 2005A8 BC ḿ U E7C7 U 1E3F ḿ81 35 F4 37 U 1E3F ḿ U E7C7GB 18030在其标准中以码表形式定义了除去代理对 外的全部Unicode码位的定义 因此算得上是一种Unicode的变换格式 UTF 由于GB 18030基本上是绕开已分配的码点去指定需要对应的Unicode 其变换和UTF 8相比要复杂得多 在日常实现上 常常会直接使用一个偏移量表 2 GB 18030 2005与GB 18030 2000 GBK相比 去除了很多原来映射在PUA中的编码 后来剩余的24个PUA码位也在Unicode 4 1中加上 在GB 18030 2022中 剩余的24个PUA码位已经被去除或更改对应 所有有意义字符都已经映射到正式的 Unicode 码位上 3 国标码 wbr 码表中 wbr 私有区 wbr 码位 wbr 的演变 GB 字节串 Unicode 码位 a GBK 1 0 4 GB 18030 2005 Unicode 4 1 GB 18030 2022 3 A6 D9 5 108 U E78D U FE10 A6 DA U E78E U FE12 A6 DB U E78F U FE11 A6 DC U E790 U FE13 A6 DD U E791 U FE14 A6 DE U E792 U FE15 A6 DF U E793 U FE16 A6 EC U E794 U FE17 A6 ED U E795 U FE18 A6 F3 U E796 U FE19 A8 BC U E7C7 U 1E3F ḿA8 BF U E7C8 U 01F9 ǹA9 89 U E7E7 U 303E A9 8A U E7E8 U 2FF0 A9 8B U E7E9 U 2FF1 A9 8C U E7EA U 2FF2 A9 8D U E7EB U 2FF3 A9 8E U E7EC U 2FF4 A9 8F U E7ED U 2FF5 A9 90 U E7EE U 2FF6 A9 91 U E7EF U 2FF7 A9 92 U E7F0 U 2FF8 A9 93 U E7F1 U 2FF9 A9 94 5 173 U E7F2 U 2FFA A9 95 U E7F3 U 2FFB FE 50 U E815 U 2E81 FE 51 U E816 U 20087 𠂇 b U E816FE 52 U E817 U 20089 𠂉 c U E817FE 53 U E818 U 200CC 𠃌 d U E818FE 54 U E819 U 2E84 FE 55 U E81A U 3473 㑳FE 56 U E81B U 3447 㑇FE 57 U E81C U 2E88 FE 58 U E81D U 2E8B FE 59 U E81E U 9FB4 龴FE 5A U E81F U 359E 㖞FE 5B U E820 U 361A 㘚FE 5C U E821 U 360E 㘎FE 5D U E822 U 2E8C FE 5E U E823 U 2E97 FE 5F U E824 U 396E 㥮FE 60 U E825 U 3918 㤘FE 61 U E826 U 9FB5 龵FE 62 U E827 U 39CF 㧏FE 63 U E828 U 39DF 㧟FE 64 U E829 U 3A73 㩳FE 65 U E82A U 39D0 㧐FE 66 U E82B U 9FB6 龶FE 67 U E82C U 9FB7 龷FE 68 U E82D U 3B4E 㭎FE 69 U E82E U 3C6E 㱮FE 6A U E82F U 3CE0 㳠FE 6B U E830 U 2EA7 FE 6C U E831 U 215D7 𡗗 e U E831FE 6D U E832 U 9FB8 龸FE 6E U E833 U 2EAA FE 6F U E834 U 4056 䁖FE 70 U E835 U 415F 䅟FE 71 U E836 U 2EAE FE 72 U E837 U 4337 䌷FE 73 U E838 U 2EB3 FE 74 U E839 U 2EB6 FE 75 U E83A U 2EB7 FE 76 U E83B U 2298F 𢦏 f U E83BFE 77 U E83C U 43B1 䎱FE 78 U E83D U 43AC 䎬FE 79 U E83E U 2EBB FE 7A U E83F U 43DD 䏝FE 7B U E840 U 44D6 䓖FE 7C U E841 U 4661 䙡FE 7D U E842 U 464C 䙌FE 7E U E843 U 9FB9 龹FE 80 U E844 U 4723 䜣FE 81 U E845 U 4729 䜩FE 82 U E846 U 477C 䝼FE 83 U E847 U 478D 䞍FE 84 U E848 U 2ECA FE 85 U E849 U 4947 䥇FE 86 U E84A U 497A 䥺FE 87 U E84B U 497D 䥽FE 88 U E84C U 4982 䦂FE 89 U E84D U 4983 䦃FE 8A U E84E U 4985 䦅FE 8B U E84F U 4986 䦆FE 8C U E850 U 499F 䦟FE 8D U E851 U 499B 䦛FE 8E U E852 U 49B7 䦷FE 8F U E853 U 49B6 䦶FE 90 U E854 U 9FBA 龺FE 91 U E855 U 241FE 𤇾 g U E855FE 92 U E856 U 4CA3 䲣FE 93 U E857 U 4C9F 䲟FE 94 U E858 U 4CA0 䲠FE 95 U E859 U 4CA1 䲡FE 96 U E85A U 4C77 䱷FE 97 U E85B U 4CA2 䲢FE 98 U E85C U 4D13 䴓FE 99 U E85D U 4D14 䴔FE 9A U E85E U 4D15 䴕FE 9B U E85F U 4D16 䴖FE 9C U E860 U 4D17 䴗FE 9D U E861 U 4D18 䴘FE 9E U E862 U 4D19 䴙FE 9F U E863 U 4DAE 䶮FE A0 U E864 U 9FBB 龻备注 a 蓝色 代表私用区码位 b GB 18030 2022将U 20087 𠂇 映射至0x95329031 c GB 18030 2022将U 20089 𠂉 映射至0x95329033 d GB 18030 2022将U 200CC 𠃌 映射至0x95329730 e GB 18030 2022将U 215D7 𡗗 映射至0x9536B937 f GB 18030 2022将U 2298F 𢦏 映射至0x9630BA35 g GB 18030 2022将U 241FE 𤇾 映射至0x9635B630字节结构 编辑GB 18030包含三种长度的编码 单字节的ASCII 双字节的GBK 略带扩展 以及用于填补所有Unicode码位的四字节UTF区段 GBK双字节部分通过查表定义 而四字节部分则根据之前两个部分没有提到的通用字符集码位顺序填补 由于和GBK兼容 GB 18030在搜索ASCII字符时也需要使用特别代码进行判断 GB 18030编码 6 3 7 252 8 GB 18030 码位数 Unicode a 字节1 最高位 字节2 字节3 字节400 7F 128 0000 007F80 错误 b 81 FE 40 FE 除去 7F c 7004239400000000000 23940 0080 FFFF 除去 D800 DFFF d 81 84 30 39 81 FE 30 39 7004394200000000000 3942085 7004126000000000000 12600 未来字符拓展 86 8F 7005126000000000000 126000 未来汉字拓展 无 D800 DFFF e 90 E3 30 39 81 FE 30 39 7006104857600000000 1048 576 1 0000 10 FFFFE4 FC 7005315000000000000 315000 未来标准拓展 FD FE 7004252000000000000 25200 用户造字区域 FF 错误总计 7006111206400000000 1112 064一 二字节区段基本就是GBK编码 另外加上了专门的欧元字符 竖排版本的标点符号 以及造字区对Unicode造字区的对应 四字节区段可以视作两段形似GBK二字节区段结构的部分 每段的第一字节可以为0x81到0xFE 第二字节为0x30到0x39 由于结构类似 能够安全于GBK的字符串搜索程序对于GB 18030来说也基本安全 正如基于字节 英语 byte oriented 的搜索程序对于EUC UTF 8也基本安全一般 四字节区段总共可以表达1 587 600 126 10 126 10 种字符 足以覆盖Unicode的1 112 064 17 65536 2048个代理对 个有效码位 由于四字节区段通过填空定义 要写出处理这段转换的程序需要同时知道GBK的覆盖范围 并不简单 U 00DE TH 81 30 89 37 U 00DF ss 81 30 89 38 U 00E0 a A8 A4 U 00E1 a A8 A2 U 00E2 a 81 30 89 39 U 00E3 a 81 30 8A 30 WHATWG和W3C的GB 18030实现通过一张 位置偏移表 记录GB 18030四字节区中连续的几块碎片 以便高效处理转换 10 ICU 8 和glibc也都对大块连续的区域使用了类似的策略 版本 编辑GB 18030 2000 兼容Unicode 3 0中日韩统一表意文字 即扩展A区 共收27 533个汉字 2000年3月17日发布 2000年7月1日实施 GB 18030 2005 更新至Unicode 3 1中日韩统一表意文字 即扩展B区 并刊载少数民族包括朝鲜文 蒙古文 包括满文 托忒文 锡伯文 阿礼嘎礼文 德宏傣文 藏文 维吾尔文 哈萨克文 柯尔克兹文和彝文的文字 共有70 244个汉字 2005年11月8日发布 2006年5月1日实施 GB 18030 2022 更新至 Unicode 11 中日韩统一表意文字 增补了基本区的 66 个字 并在扩展 A B区的基础上增加了扩展 C D E F 区 新增康熙部首 以及滇东北苗文 傈僳文 西双版纳新傣文 西双版纳老傣文 德宏傣文等少数民族文字以及蒙古文 BIRGA 符号 共收录汉字87 887个和汉字部首228个 比上一版增加录入了1 7万余个生僻汉字 于2022年7月19日发布 2023年8月1日实施 参见 编辑国家标准代码 GBK 中文电码 1983年 标准电码本 修订本 的维基词典页面注釋 编辑 包含66个 非字符 虽然两个版本的GB 18030都认为此码位不正确 指正式发布的 GB 18030 2000的报批稿却同时有单双字节欧元 9 但是ICU的定义错误称其为有效码位 出于GBK兼容性考虑 WHATWG的GBK GB 18030二合一解码器将此字节视作欧元符号 参见汉字内码扩展规范条目细分 上一行的码位使用二字节GBK编码 下一行的码位按照顺序以四字节编码补全覆盖面 此段最后一个实际用上的编码为U FFFF的84 31 A4 39 2005版239页 不过划区时画到了84 39 FE 39 这些为代理对字符 英语 surrogate code point 在UTF 16之外没有实际意义 参考资料 编辑 CESI GB18030 符合性问与答 GB18030 compliance FAQ CESI Certification Center 2009 07 08 2016 10 12 原始内容存档于2016 09 28 Page 4 同时达到以下两个要求的产品 为符合GB 18030 2005强制部分的产品 产品可以正确输入 输出 处理GB 18030 2005强制部分规定的全部汉字字符 产品可以正确识别GB 18030 2005强制性部分规定的全部汉字字符对应的编码 A product compliant with the mandatory part of GB 18030 must be able to correctly a input output and process all Chinese characters defined in the mandatory set b recognize encodings for characters in the mandatory set Encoding Standard gb18030 index WHATWG 2016 09 11 原始内容存档于2015 02 04 3 0 3 1 Lunde Dr Ken The GB 18030 2022 Standard Medium 4 August 2022 7 August 2022 原始内容存档于2022 08 07 英语 Group GBK外字 GlyphWiki 11 September 2016 原始内容存档于2019 02 16 5 0 5 1 Lunde Ken CJKV Information Processing O Reilly Media Inc December 2008 11 September 2016 ISBN 978 0 596 51447 1 Standardization Administration of China SAC GB 18030 2005 Information Technology Chinese coded character set 2005 11 18 Standardization Administration of China SAC GB 18030 2000 Information Technology Chinese coded character set for information interchange Extension for the basic set 2000 03 17 8 0 8 1 Authoritative mapping table between GB18030 2000 and Unicode 页面存档备份 存于互联网档案馆 ICU International Components for Unicode 2001 02 21 Accessed 2016 09 04 GB 18030 2000报批稿 PDF 2017 08 15 原始内容 PDF 存档于2017 08 15 Encoding Standard gb18030 index WHATWG 2016 09 24 原始内容存档于2015 02 04 外部連結 编辑新浪网 关于GB18030汉字编码标准集 页面存档备份 存于互联网档案馆 新浪网 电脑汉字不够用 计算机也要 扫盲 页面存档备份 存于互联网档案馆 Update on GB 18030 2005 Ken Lunde 2006 11 13 页面存档备份 存于互联网档案馆 http source icu project org repos icu data trunk charset data xml gb 18030 2000 xml 页面存档备份 存于互联网档案馆 ICU Converter Explorer GB18030 页面存档备份 存于互联网档案馆 英语 微软有关GB18030编码的介绍 英语 微软 老旧软体可能发生的兼容问題 页面存档备份 存于互联网档案馆 英语 微软 Win2000 GB18030 支持包 页面存档备份 存于互联网档案馆 GB18030与Unicode对照表 页面存档备份 存于互联网档案馆 取自 https zh wikipedia org w index php title GB 18030 amp oldid 75106313, 维基百科，wiki，书籍，书籍，图书馆，

文章

，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。