汉字编码国家标准及现状

国际标准化组织为了将世界各民族的文字进行统一编码，制定了UCS标准。根据这一标准，中、日、韩三国共同制定了《CJK统一汉字编码字符集》，其国际标准号为：ISO/IEC10646，国家标准号为：GB13000-90，该汉字编码字符集就是通常人们所说的大字符集，它编入了20902个汉字，收集了大陆一二级字库中的简体字，台湾《通用汉字标准交换码》中的繁体字，58个香港特别用字和92个延边地区朝鲜族“吏读”字，甚至涵盖了日文与韩文中的通用汉字，满足了方方面面的需要。Windows95/98/NT/2000中都装入了大字符集汉字库，人们一般称它为GBK（“国家标准扩展”的拼音缩写）。

汉字扩展内码规范--GBK 的目的是解决汉字收字不足、简繁同平面共存、简化代码体系间转换等汉字信息交换的瓶颈问题，并在保持已有应用软件兼容性的前提下，向最终的国际统一双字节字符集标准 ISO10646.1 迈进。

1．扩展的汉字内码规范的原则

与 《信息交换用汉字编码字符集--基本集》即国家标准 GB2312-80 的内码体系标准完全兼容。

在字汇一级支持 ISO 10466.1/《CJK统一汉字编码字符集》即国家标准 GB13000.1 的全部 CJK 汉字。

非汉字符号同时涵盖大部分常用的BIG5 非汉字符号。

2．规范的名称与简称

中文名称：汉字内码规范

英文名称：Chinese Internal Code Specification

简称： GBK ( K 是“扩展”的汉语拼音第一个字母)

3．规范的内容

适用范围：

作为非 UCS (ISO 10646) 体系的代码页(Code Page)，适用于中文信息的处理、交换、存储、显现、输入和输出。

字汇：

GB2312-80 的全部汉字、非汉字符号。

GB13000.1中的其他CJK 汉字。

以上两项合计为 20902 个 GB 化汉字。

《简化字总表》中尚未收入 GB 13000.1 的 52 个汉字；即，GBK 不但能包括《现代汉语通用字表》的全部七千个汉字，还能够包含《简化字总表》中的全部简体字及其对应的繁体字。

　 《康熙字典》及《辞海》中尚未收入 GB 13000.1 的部首及重要构件共 28 个。

　 13 个汉字结构符。

　 《BIG5 》中未被 GB2312--80 收入的、单在 ISO 10646.1 中存在的图形符号 139 个。

　 正式收入带音调的拼音字母 30 个和 ɑ、ɡ（按 GB 12345-90 印刷本）。

汉字“O”（GB13001.1代码 0x3007“零”）。

　 GB 12345-90 中编码的竖排标点符号 19 个，但凡是 UCS 中没有编码的暂不收入。

从 ISO 10646.1/GB 13000.1 的 CJK 兼容区挑选出来的 21 个汉字，以保证若干 BIG5 (TCACNS11643) 文件、JIS 文件及 IBM 文件在双向往返转换中不致丢失信息。

31 个 IBM OS/2 专用符号，凡是 ISO 10646.1/GB 13000.1 已经收入的全部收入或认同。

汉字字序

GB2312-80 的汉字仍然按照原有的 I 级字，II 级字，分别按拼音、部首/笔画排列。

GB13000.1 的其他CJK汉字，按 UCS 代码大小顺序排列。

追加的80个汉字、部首/构件，与上述两类字汇分开，按康熙字典页码．字位单独排列。

码位分配

总体采用 8140-FEFE 的矩形区域，剔除 xx7F 一条线，共 23940 个码位。

汉字区：21008 个码位。GB2312-80汉字区 B0A1-F7FE，6768个码位， 6763个汉字；GB13000.1扩充汉字区 8140-A0FE的矩形区，剔除 xx7F， 6080 个码位；AA40-FEA0，剔除 xx7F， 8160 个码位，其中， 21 个 CJK 兼容汉字编码在 FD9C-FE4F; 80 个增补汉字/部首/构件在 FE50-FEA0。

图形符号区：1038 个码位。GB2312-80非汉字区 A1A1-A9FE，846 个码位，除了原有的标准字符外，其中还有： 10 个小写罗马数字《补充在 A2A1-A2AA, 30 个带音调拼音字母及 ɑ、ɡ安排在 A8A1-A8C0, 19 个竖排符号安排在 A6E0-A6F5 之间。GB13000.1 扩充非汉字区A840-A9A0，剔除 xx7F，192 个码位，BIG5 非汉字字符、结构符和“O”排列在此区域。

用户自定义区： 1894个码位，AAA1-AFFE的矩形区， 564 个码位；F8A1-FEFE的矩形区， 658 个码位，A140-A7A0 的矩形区， 672 个码位 （剔除 xx7F）。

GBK 与 GB 13000.1 的对应关系

汉字区和图形符号区的所有字符，都与 GB 13000.1 已经编码的字符一一对应。

52 个追加汉字、28 个部首/构件以及 13 个结构符均暂时对应于 GB 13000.1 的专用区( Private Use Area, E000-F8FE),如果今后这些字符正式收入了 ISO 10646/ GB 13000,本规格将作相应修改。

带音调的拼音字母，与 GB 13000.1 中 A_Zone 的 Latin 编码字符相对应；与 GB 13000.1 不能对应的两个字母，有待向 SC2/WG2 申请码位。

GBK 的字形

GBK 字形要与 ISO 10646.1/GB 13000.1 保持一致。

在 CJK 汉字认同规则的总框架内，选用“无重码正形”后的（GB 化）的汉字字形。