字符编码（一）

字符编码（一）

字符必须编码后才能被计算机处理，计算机使用的缺省编码方式就是计算机的内码。早期的计算机使用七位ASCII编码，为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5。

GB2312（1980年）共收录了7445个字符，包括6763个汉字和682个其他符号。汉字区内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位D7FA-D7FE。

GB2312支持的汉字太少，1995年的汉字扩展规范GBK1.0收录了21886个字符，它分为汉字区和图形符号区。汉字区包括21003个字符。

从ASCII，GB2312到GBK，这些编码方法是向下兼容的，即同一个字符在这些方案中总是相同的编码，后来的标准支持更多的字符。在这些编码中，英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0。按照程序员的称呼，GB2312，GBK都属于双字节字符集（DBCS）。

2000年的GB18030是取代GBK1.0的正式国家标准，该标准共收录27484个汉字，同时还收录了蒙文、藏文和维吾尔文等主要的少数民族文字。从汉字字汇上说，GB18030在GB13000.1的20902个汉字的基础上，增加了CJK扩展A的6582个汉字（Unicode码0x3400-0x4db5），一共收录了27484个汉字。