《信息交换用汉字编码字符集 基本集》(GB/T 2312[注 1],曾用代码GB/T 2312–80或GB/T 2312–1980)是中华人民共和国国家标准的简体中文字符集,通常简称GB(“国标”汉语拼音首字母),又称GB0,由中国国家标准总局于1980年发布,1981年5月1日实施。GB/T 2312编码通行于中国;新加坡等地也采用此编码。中国几乎所有的中文系统和国际化的软件都支持GB/T 2312。
概述
GB/T 2312标准共收录6763个汉字,其中一级汉字3755个,二级汉字3008个;同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个字符。
GB/T 2312的出现,基本满足了汉字的计算机处理需要,它所收录的汉字已经覆盖中国99.75%的使用频率。但对于人名、古汉语等方面出现的罕用字和繁体字,GB/T 2312不能处理,因此后来GBK及GB 18030汉字字符集相继出现以解决这些问题。
分区表示
GB/T 2312中对所收汉字进行了“分区”处理,每区含有94个汉字/符号,共计94个区。用所在的区和位来表示字符(实际上就是码位),因此称为区位码(或许叫“区位号”更为恰当)。表示方式也称为区位码。例如“万”字在45区82位,所以“万”字的区位码是:45 82(注意,GB类汉字编码为双字节编码,因此,45相当于高位字节,82相当于低位字节)。
- 01~09区(682个):特殊符号、数字、英文字符、制表符等,包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母等在内的682个全角字符;
- 10~15区:空区,留待扩展;在附录3,第10区推荐作为 GB 1988–80 中的94个图形字符区域(即第3区字符之半形版本)。
- 16~55区(3755个):常用汉字(也称一级汉字),按拼音排序;
- 56~87区(3008个):非常用汉字(也称二级汉字),按部首/笔画排序;
- 88~94区:空区,留待扩展。
国标码(交换码)
为了避开ASCII字符中的CR0不可显示字符(十六进制为0 ~ 1F,十进制为0 ~ 31)及空格字符0010 0000(十六进制为20,十进制为32),国标码(又称为交换码)规定表示汉字双字节编码范围为十六进制为(21,21) ~ (7E,7E),十进制为(33,33) ~ (126,126) 。因此,须将“区码”和“位码”分别加上32(十六进制为20H),作为国标码。以避免与ASCII字符中0~32的不可显示字符和空格字符相冲突。
例如: “万”字的国标码十进制为:(45+32,82+32) = (77,114),十六进制为:(4D,72H)。
内码(机内码)
国标码和通用的ASCII码冲突。把国标码中的每个字节的最高位都从0换成1,即相当于每个字节都再加上128(十六进制为80,即80H;二进制为1000 0000),从而得到国标码的“机内码”表示,简称“内码”。
字节结构
在使用GB/T 2312的程序通常采用EUC储存方法,以便兼容于ASCII。这种格式称为EUC-CN。浏览器编码表上的“GB2312”就是指这种表示法。
每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”,第二个字节称为“低位字节”。
“高位字节”使用了0xA1–0xF7(把01–87区的区号加上0xA0),“低位字节”使用了0xA1–0xFE(把01–94加上0xA0)。 由于一级汉字从16区起始,汉字区的“高位字节”的范围是0xB0–0xF7,“低位字节”的范围是0xA1–0xFE,占用的码位是72*94=6768。其中有5个空位是D7FA–D7FE。
例如“啊”字在大多数程序中,会以两个字节,0xB0(第一个字节)0xA1(第二个字节)储存。(与区位码对比:0xB0=0xA0+16,0xA1=0xA0+1)。
对“不规范简化字”和繁体字的收录
- 收了两个不合乎中华人民共和国标准的简化字:
- 收了三个繁体字:
修订
GB 5007.1–85《信息交换用汉字 24x24 点阵字模集》首次附录对 GB/T 2312 之更正,包括:
- 调整拉丁字母“g”的字形
- 补充六个拼音符号 ɑ ḿ ń ň ǹ ɡ,用于汉语拼音#书写与排印[注 2]
- “鍾”更正为“锺”
- 于第10区补充94个半字图形字符(第3区之半形版本,相当于 GB 1988–80)
- 于第11区加入第8区首32个拼音符号(包括以上补充六个)之半形版本。
GB/T 2312 本身一直未有修订,但此等修订部分收入相关字模集(下详)、GB/T 12345、后续之 GBK 及 GB 18030。
GB/T 2312 亦用于 ISO-IR-165。
两种不同的GB/T 2312实现
有两种不同的GB/T 2312实现,在它们之间存在少量的差别,其中至少有一个是错误的。
字节序 | GBK子集 | GB2312.TXT | 字符名称[1] | ||
---|---|---|---|---|---|
A1A4 | U+00B7 · MIDDLE DOT | U+30FB ・ KATAKANA MIDDLE DOT | 间隔点 | ||
A1AA | U+2014 — EM DASH | U+2015 ― HORIZONTAL BAR | 破折号 |
GBK子集与GBK/GB 18030兼容,GB2312.TXT则不兼容。后者基于ftp.unicode.org曾经提供的GB2312.TXT实现,[2]于2011年由官方弃用,[3]2016年9月时已无原文件踪迹。此外还有很多种厂商实现。[2]
截至2015年[update],微软.NET使用的是“GBK子集”实现。ICU[4]、libiconv-1.14、[5]php-5.6、ActivePerl-5.20、Java 1.7、Python 3.4[6]都使用“GB2312.TXT”实现。Ruby 2.2兼容两者编码,但内部使用“GBK子集”实现。W3C的编码技术指南规定,应将gb2312
字节流视为GBK编码,与GB18030一并使用同一解码器解码。[7]
字模集
- GB 5007.1–85《信息交换用汉字 24x24 点阵字模集》
- GB 5007.2–85《信息交换用汉字 24x24 点阵字模数据集》
- GB 5199.1–85《信息交换用汉字 15x16 点阵字模集》
- GB 5199.2–85《信息交换用汉字 15x16 点阵字模数据集》
- GB 6345.1–86《信息交换用汉字 32x32 点阵字模集》
- GB 6345.2–86《信息交换用汉字 32x32 点阵字模数据集》
- GB 12034–89《信息交换用汉字 32x32 点阵仿宋体字模集及数据集》
- GB 12035–89《信息交换用汉字 32x32 点阵楷体字模集及数据集》
- GB 12036–89《信息交换用汉字 32x32 点阵黑体字模集及数据集》
- GB 12037–89《信息交换用汉字 36x36 点阵宋体字模集及数据集》
- GB 12038–89《信息交换用汉字 36x36 点阵仿宋体字模集及数据集》
- GB 12039–89《信息交换用汉字 36x36 点阵楷体字模集及数据集》
- GB 12040–89《信息交换用汉字 36x36 点阵黑体字模集及数据集》
- GB 12041–89《信息交换用汉字 48x48 点阵宋体字模集及数据集》
- GB 12042–89《信息交换用汉字 48x48 点阵仿宋体字模集及数据集》
- GB 12043–89《信息交换用汉字 48x48 点阵楷体字模集及数据集》
- GB 12044–89《信息交换用汉字 48x48 点阵黑体字模集及数据集》
- GB/T 13443–92《信息交换用汉字 128x128 点阵楷体字模集及数据集》
- GB/T 13444–92《信息交换用汉字 128x128 点阵仿宋体字模集及数据集》
- GB/T 13445–92《信息交换用汉字 256x256 点阵楷体字模集及数据集》
- GB/T 13446–92《信息交换用汉字 256x256 点阵仿宋体字模集及数据集》
- GB/T 13844–92《图形信息交换用矢量汉字单线宋体字模集及数据集》
- GB/T 13845–92《图形信息交换用矢量汉字宋体字模集及数据集》
- GB/T 13846–92《图形信息交换用矢量汉字仿宋体字模集及数据集》
- GB/T 13847–92《图形信息交换用矢量汉字楷体字模集及数据集》
- GB/T 13848–92《图形信息交换用矢量汉字黑体字模集及数据集》
注释
- ↑ 自2017年3月23日起,根据2017年第7号公告和强制性标准整合精简结论,该标准转化成推荐性标准,不再强制执行,由“GB 2312–80”改称为“GB/T 2312”。参见:GB/T 2312-1980. 中国国家标准全文公开系统. [2020-03-30].
参考文献
- ↑ GB 2312-1980: Information technology—Chinese ideogram coded character set for information interchange (basic set).
- ↑ 2.0 2.1 Haible, Bruno. GB2312 (Conversion Tables). [29 September 2016].
- ↑ Readme - MAPPINGS/OBSOLETE/EASTASIA. 9 August 2001 [29 September 2016].
- ↑ java-EUC_CN-1.3_P.ucm. [29 September 2016].[永久失效链接]
- ↑ libiconv:lib/gb2312.h. GNU Savannah. [29 September 2016].
- ↑ Issue 24036. Python Bug Tracker. [2015-04-24].
- ↑ Encoding § Names and labels. W3C. [29 September 2016].
外部链接
参见
- 同一时期的其他汉字编码:大五码(Big5)、CNS 11643、CCCII、香港增补字符集(HKSCS)、JIS X 0208
- Unicode、通用字符集(ISO/IEC 10646)
- 中日韩统一表意文字
- GB/T 12345