當我們使用Windows記事本的“另存為”，可以在GBK、Unicode、Unicode big endian和UTF-‐8 這幾種編碼方式間相互轉換。同樣是txt 文件，Windows 是怎樣識別編碼方式的呢？同樣一份txt文件，Unicode、Unicode big endian和UTF-‐8 編碼的txt文件的大小都不一樣，二進制文件開頭會多出幾個字節(jié)，分別是FF、FE（Unicode）,FE、FF（Unicode big endian）,EF、BB、BF（UTF-‐8）。但這些標記是基于什么標準呢？

本文主要介紹一下目前常用的漢字編碼方案，從而使讀者看完后能對于漢字編碼有基本的認識。

GB2312 字符集

GB2312是1980年國家制定的漢字內碼規(guī)范。GB是國標的漢語拼音首字母。該字符集收錄了收入漢字6763 個，符號715 個，總計7478 個字符，通常所說的一、二級漢字庫就全部包含在GB2312 中?？w-‐GB2312、仿宋-‐GB2312、華文行楷等市面上絕大多數(shù)字體支持顯示這個字符集，亦是大多數(shù)輸入法所采用的字符集。

GB2312 將收錄的漢字分成兩級：第一級是常用漢字計3755 個，置于16-55區(qū)，按漢語拼音字母/筆形順序排列；第二級漢字是次常用漢字計3008 個，置于56－87 區(qū)，按部首/筆畫順序排列。故而GB2312 最多能表示6763 個漢字。

雖然GB2312 包含了絕大部分的常用簡體漢字，但是由于中文的復雜性，所以GB2312 目前已經越來越不能適應需要了，特別是因為人名、地名中包含的很多字GB2312 中都沒有，如‘镕’字，GB2312 中就沒有包含，這樣導致很多混亂。

Big5 字符集

Big5 中文名“大五碼”，是繁體字常用的字符集，共收入13060 個繁體漢字，808 個符號，總計13868 個字符，普遍使用于臺灣、香港等地區(qū)。臺灣教育部標準宋體楷體等港臺大多數(shù)字體支持這個字符集的顯示。

1983 年10 月，臺灣國家科學委員會、教育部國語推行委員會、中央標準局、行政院共同制定了《通用漢字標準交換碼》，后經修訂于1992 年5 月公布，更名為《中文標準交換碼》，BIG5 是臺灣資訊工業(yè)策進會根據(jù)以上標準制定的編碼方案。雖然Big5 存在一些瑕疵，但廣泛應用于電腦行業(yè)，尤其是
互聯(lián)網中，從而成為一種事實上的行業(yè)標準。

BIG5 碼是雙字節(jié)編碼方案，其中第一個字節(jié)的值在OXAO－OXFE 之間，第二個字節(jié)在OX40-OX7E 和OXA1-OXFE 之間。BIG5 收錄13461 個漢字和符號，包括：

• 符號408 個，編碼位置A140－A3BE
• 常用字5401 個，編碼位置A440－C67E，包括臺灣教育部頒布的《常用國字標準字體表》的全部漢字4808 個，臺灣教科書常用字587 個，異體字6 個。
• 次常用字7652 個，編碼位置C940－F9D5,包括臺灣教育部頒布的《次常用國字標準字體表》的全部漢字6341 個，《罕用國字標準字體表》中使用頻率較高的字1311 個。

GBK 字符集

GB2312－80 僅收漢字6763 個，這大大少于現(xiàn)有漢字，隨著時間推移及漢字文化的不斷延伸推廣，有些原來很少用的字，現(xiàn)在變成了常用字。因此全國信息技術化技術委員會于1995 年12 月1 日《漢字內碼擴展規(guī)范》。GBK 向下與GB2312完全兼容，包含Big-‐5 的繁體字（但是不兼容Big-‐5 字符集編碼）。
GBK 共收入21886 個漢字和圖形符號，包括：

• GB2312 中的全部漢字、非漢字符號。
• BIG5 中的全部漢字。
• 與ISO－10646 相應的國家標準GB13000 中的其它CJK 漢字
• （以上合計20902 個漢字）
• 其它漢字、部首、符號，共計984 個。

微軟公司自Windows95 簡體中文版開始支持GBK 代碼，但目前的多數(shù)搜索引擎都不能很好地支持GBK漢字。宋體、隸書、黑體、幼圓、華文中宋、華文細黑、華文楷體、標楷體（DFKai--‐SB）、Arial Unicode MS、MingLiU、PMingLiU 等字體支持顯示這個字符集。微軟拼音輸入法2003、全拼、紫光
拼音等輸入法，能夠錄入GBK 簡繁體漢字。

Unicode 字符集

很多傳統(tǒng)的編碼方式都有一個共同的問題，即容許電腦處理雙語環(huán)境（通常使用拉丁字母以及其本地語言），但卻無法同時支持多語言環(huán)境。例如ISO8859 所定義的字符雖然在不同的國家中廣泛地使用，可是在不同國家間卻經常出現(xiàn)不兼容的情況。因此產生了Unicode,它是由國際組織設計，可以容納全世界所有語言文字的編碼方案。Unicode的學名“Universal Multiple‐Octet Coded Character Set”，簡稱為UCS。UCS 可以看作是”Unicode Character Set”的縮寫。歷史上存在兩個試圖獨立設計Unicode的組織，即國際標準化組織（ISO）和一個軟件制造商的協(xié)會（unicode.org）。

ISO 開發(fā)了ISO 10646 項目，Unicode 協(xié)會開發(fā)了Unicode 項目。在1991 年前后，雙方都認識到世界不需要兩個不兼容的字符集。于是它們開始合并雙方的工作成果，并為創(chuàng)立一個單一編碼表而協(xié)同工作。從Unicode2.0 開始，Unicode 項目采用了與ISO 10646-‐1 相同的字庫和字碼。目前兩個項目仍都存在，并獨立地公布各自的標準。Unicode 協(xié)會現(xiàn)在的最新版本是2005 年的Unicode 4.1.0。ISO 的最新標準是ISO 10646-‐3:2003。

UTF-‐8、UTF-‐16 等編碼方式

UCS只是規(guī)定如何編碼，并沒有規(guī)定如何傳輸、保存這個編碼。例如“漢”字的UCS 編碼是6C49，我可以用4 個ascii 數(shù)字來傳輸、保存這個編碼；也可以用utf-‐8 編碼:3 個連續(xù)的字節(jié)E6 B1 89 來表示它。關鍵在于通信雙方都要認可。UTF-‐8、UTF-‐7、UTF-‐16 都是被廣泛接受的方案。UTF-‐8 的一個特別的好處是它與ISO-‐8859-‐1 完全兼容。UTF 是“UCS Transformation Format”的縮寫。

簡單來說，unicode，gbk 和大五碼就是編碼的值，而utf-‐8,uft-‐16 之類就是這個值的表現(xiàn)形式．而前面那三種編碼是一兼容的，同一個漢字，那三個碼值是完全不一樣的．如＂漢＂的uncode 值與gbk 就是不一樣的，假設uncode 為a040，gbk 為b030，而uft-‐8 碼，就是把那個值表現(xiàn)的形式．utf-‐8 碼完全只針對uncode 來組織的，如果GBK 要轉UTF－8 必須先轉uncode 碼，再轉utf--‐8 就可以了．

總結

以上是生活随笔為你收集整理的汉字编码方案介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。