编码——知识补充

编码——知识补充

一、中文编码

        一说到中文就得提到两个标准：GB和GBK。GB是中国国家标准（GuoBiao）的缩写，在1980年由中国国家标准化管理委员会（SAC）制定，具体的标准有GB2312。而GBK（全称GuoBiaoKuozhan）国标扩展，在1995年被提出，是对 GB2312 的扩展。它支持21,003个汉字及符号，其中包括繁体字和部分日文假名。GBK 使用双字节编码，兼容 GB2312。

        还有GB18030和Big5。GB18030是对 GB2312 和 GBK 的进一步扩展，在2000年被提出。它支持 21,003 个汉字及符号，使用单字节、双字节和四字节编码，完全向后兼容 GB2312 、GBK和Unicode（没错，它能表示Unicode中的全部字符）。它覆盖了简体字、繁体字及其他语言字符，成为中国大陆的强制性标准。另外还有Big5 编码，它在1984年由台湾五家主要计算机公司（联华电子、宏碁、台湾惠普、神通计算机和台湾大哥大）联合提出，故名 "Big5"。它包含 13,053 个汉字，主要覆盖繁体中文字符。使用双字节编码。每个字符由两个字节表示，第一个字节（称为高字节）范围从 0xA1 到 0xF9，第二个字节（称为低字节）范围从 0x40 到 0x7E 和 0xA1 到 0xFE。如果你windows系统选择的语言是繁体，那么在你记事本的下拉选项中ANSI就变成Big5了。

        所以几种常见的编码关系如下图。这里需要说明的是，虽然Unicode也包含所有的汉字，而GB18030也兼容Unicode，但是同一个字符在GB18030和Unicode中的编码基本上是不一样的，只有ACSII部分是完全相同的。

关于GB2312、GBK、GB18030的更详细的介绍可以参考这篇文章：程序员必备：彻底弄懂常见的7种中文字符编码 - 知乎 (zhihu.com)

二、一些奇怪的点

        在这里补充为什么计算机硬件通