漢字內碼擴展規範
此條目沒有列出任何參考或來源。 (2019年1月19日) |
漢字內碼擴展規範，簡稱GBK，全名為《漢字內碼擴展規範(GBK)》1.0版，由中華人民共和國全國信息技術標準化技術委員會1995年12月1日制訂，國家技術監督局標準化司和電子工業部科技與質量監督司1995年12月15日聯合以《技術標函[1995]229號》文件的形式公布。 GBK共收錄21886個漢字和圖形符號，其中漢字（包括部首和構件）21003個，圖形符號883個。
 GBK 字節分配。 | |
| MIME / IANA | GBK |
|---|---|
| 別名 | CP936, MS936, windows-936, csGBK |
| 語言 | 國際，但以簡體中文為主，瀏覽器多以GB 18030解碼 |
| 標準 | GBK 1.0 |
| 現狀 | 非正式國標編碼，已被GB 18030取代 |
| 分類 | 擴展ASCII、[a]變長編碼、CJK |
| 拓展自 | EUC-CN |
| 前用 | GB2312 |
| 後續 | GB 18030 |
GBK為「國家標準擴展」的漢語拼音（Guójiā Biāozhǔn Kuòzhǎn）中的「國」「標」「擴」第一個聲母。英文全稱Chinese Internal Code Extension Specification。
GBK 只為「技術規範指導性文件」，不屬於國家標準。國家質量技術監督局於2000年3月17日推出了GB 18030-2000標準，以取代GBK。GB 18030-2000除保留全部GBK編碼漢字，在第二字節把能使用範圍再度進行擴展，增加了大約一百個漢字及四字節編碼空間，但是將GBK作為子集全部保留。
歷史
1993年，Unicode 1.1版本推出，收錄中國大陸、台灣、日本及韓國通用字符集的漢字，總共有20,902個。中國大陸訂定了等同於Unicode 1.1版本的「GB 13000.1-93」「信息技術通用多八位編碼字符集（UCS）第一部分：體系結構與基本多文種平面」。
由於GB 2312-80只收錄6763個漢字，有不少漢字，如部分在GB 2312-80推出以後才簡化的漢字（如「啰」），部分人名用字（如中國前總理朱鎔基的「镕」字），台灣及香港使用的繁體字，日語及朝鮮語漢字等，並未有收錄在內。於是廠商微軟利用GB 2312-80未使用的編碼空間，收錄GB 13000.1-93全部字符制定了GBK編碼。
根據微軟資料，GBK是對GB2312-80的擴展，也就是CP936字碼表（Code Page 936）的擴展（之前CP936和GB 2312-80一模一樣），最早實現於Windows 95簡體中文版。雖然GBK收錄GB 13000.1-93的全部字符，但GBK是一種編碼方式並向下兼容GB2312；而GB 13000.1-93等同於Unicode 1.1是一種字符集，它的幾種編碼方式如UTF8、UTF16LE等，與GBK完全不兼容。
編碼方式
字符有一字節和雙字節編碼，00–7F範圍內是第一個字節，和ASCII保持一致，此範圍內嚴格上說有96個文字和32個控制符號。
之後的雙字節中，前一字節是雙字節的第一位。總體上說第一字節的範圍是81–FE（也就是不含80和FF），第二字節的一部分領域在40–7E，其他領域在80–FE。
具體來說，定義的是下列字節：
| 範圍 | 第1字節 | 第2字節 | 編碼數 | 字數 |
|---|---|---|---|---|
| 水準GBK/1 | A1–A9 |
A1–FE |
846 | 717 |
| 水準GBK/2 | B0–F7 |
A1–FE |
6,768 | 6,763 |
| 水準GBK/3 | 81–A0 |
40–FE (7F除外) |
6,080 | 6,080 |
| 水準GBK/4 | AA–FE |
40–A0 (7F除外) |
8,160 | 8,160 |
| 水準GBK/5 | A8–A9 |
40–A0 (7F除外) |
192 | 166 |
| 用戶定義 | AA–AF |
A1–FE |
564 | |
| 用戶定義 | F8–FE |
A1–FE |
658 | |
| 用戶定義 | A1–A7 |
40–A0 (7F除外) |
672 | |
| 合計： | 23,940 | 21,886 |
雙字節符號可以表達的64K空間如下圖所示。綠色和黃色區域是GBK的編碼，紅色是用戶定義區域。沒有顏色區域是不正確的代碼組合。
與其他編碼的關係
GBK向下完全兼容GB2312-80編碼。支持GB2312-80編碼不支持的部分中文姓，中文繁體，日文假名，還包括希臘字母以及俄語字母等字母。不過這種編碼不支持韓國字，也是其在實際使用中與unicode編碼相比欠缺的部分。
上述GBK/1和GBK/2的領域即GB 2312-80用通常方法編碼的區域。GB 2312（正確說法是其根據EUC-CN的編碼）和ISO/IEC 2022中調用GR其他的94²字符集一樣，A1–FE的範圍開始讀取字節對。這是上圖中右下角的部分。但是，GB 2312中對於AA–AF和F8–FE區域是空的，沒有賦予編碼。於是GBK就在這些領域裡進行拓展。二者剩餘部分作為用戶定義區。
更重要的是，GBK進行了字節範圍的擴展。ISO/IEC 2022中GR區域的字數有94²=8,836字的限制。只要放棄ISO/IEC 2022中針對圖形文字和控制文字賦予嚴格的範圍的模式，下位字節為單字節文字，上位字節對保留對應字符的功能，潛在的128²=16,384的代碼位置就可以使用。GBK採用其中的一部分，第一個字節從A1–FE（每個字節有94個選項）擴展成81–FE（126個選項），第二字節的範圍是40–FE（191個選項），總共有24066（126*191）個位置。
與CP936字碼表比較
微軟在稍新一點的CP936中使用單字節 0x80 代表歐元字符（U+20AC），而《規範》之GBK編碼不含此字符。
輸入方法
參見
注釋
- ^ 嚴格來說不是，因為ASCII字節會出現在GBK拓展二字節部分的後半字
參考文獻
外部連結
- ICU:UNICODE （頁面存檔備份，存於網際網路檔案館）
- -GBK table （頁面存檔備份，存於網際網路檔案館）
- 微軟CP936編碼表 （頁面存檔備份，存於網際網路檔案館）
- GBK編碼表 （頁面存檔備份，存於網際網路檔案館）