汉字代码表是把汉字和计算机使用的编码编号建立一一对应关系的对照表,它是电脑输入存储显示汉字的基础工具,主流包含 GB2312 GBK Unicode UTF8 等编码体系的汉字编码对照,日常使用场景分为区位码表 机内码表 国标码表 Unicode 码表几类,输入法查询汉字编码 编程处理中文 古籍数字化 印刷排版都会用到汉字代码表,汉字代码表核心作用就是解决汉字数量庞大字形复杂,计算机只能识别数字代码,无法直接识别汉字本身的问题,通过固定编码规则给每一个汉字分配唯一数字或者十六进制代码,实现汉字在不同系统之间的传输与识别。汉字编码体系发展有清晰脉络,早期中文电脑受存储容量限制,先推出 GB2312 只收录常用简体汉字,后续扩展 GBK 兼容简体繁体和生僻字,国际层面推出 Unicode 统一编码,把世界各国文字包含汉字全部统一编号,UTF8 UTF16 是 Unicode 的存储实现方式,不同编码之间汉字代码并不通用,这也是很多乱码问题产生的根本原因。
一 汉字代码表基础概念
区位码 国标码 机内码是国内早期汉字代码表最核心三组代码,三者互相关联可以换算。
区位码是 GB2312 汉字代码表的原始编号,把汉字分成 94 个区,每区 94 个位,区码范围 01 到 94,位码范围 01 到 94,每个汉字对应唯一区和位,例如汉字啊区位码是 1601。
国标码是区位码每个字节加上 20H 得到,国标码是国家标准规定的交换编码。
机内码是计算机内部实际存储使用代码,国标码每个字节再加上 80H 得到,也就是区位码两个字节分别加 A0H,这是 Windows 早期中文系统使用的内部编码。
二 主流汉字代码表对比
| 编码名称 | 收录汉字数量 | 编码特点 | 适用场景 |
|---|---|---|---|
| GB2312 80 | 6763 个简体汉字 | 双字节编码,仅一级二级常用简体字 | 早期 DOS 系统 老式输入法 |
| GBK | 21003 个汉字 | 兼容 GB2312,增加繁体 日韩汉字 生僻字 | Windows 简体中文系统默认编码 |
| GB18030 | 七万以上汉字 | 向下兼容 GBK,支持更多古籍生僻字 | 政务 古籍 档案数字化 |
| Unicode | 十万以上汉字 | 全球统一字符集,每个字符唯一码点 | 跨平台网页 跨语言软件 |
| UTF8 | 基于 Unicode 可变长编码 | 汉字一般占用 3 个字节 | 互联网网页 跨系统传输 |
| UTF16 | 基于 Unicode 可变长编码 | 常用汉字占用 2 字节 | Windows 内部文本处理 |
三 汉字代码表查询与换算操作步骤
第一步 确认需要查询的编码体系,是区位码 国标码 机内码还是 Unicode 码点,不同汉字代码表查询结果不一样。
第二步 获取目标汉字,在汉字代码表中按照区码顺序查找,一级常用汉字按照拼音排序,二级汉字按照部首笔画排序。
第三步 执行换算,区位码转国标码,区码位码分别加上十六进制 20,国标码转机内码,区码位码分别加上十六进制 80。
第四步 校验,换算完成之后反向验算,机内码减去 A0H 还原区位码,确认汉字代码表记录数值没有错误。
第五步 跨编码转换,如果需要从 GBK 汉字代码表切换到 Unicode 汉字代码表,需要借助编码转换工具,不能直接把 GBK 代码当成 Unicode 代码使用,否则会出现乱码。
四 汉字代码表排序规则
GB2312 汉字代码表一级汉字共 3755 个,排序按照汉语拼音字母顺序排列,读音相同汉字按照笔画多少排序。二级汉字共 3008 个,排序按照部首以及笔画数排列,主要收录次常用字和生僻字。
Unicode 汉字代码表排序按照统一码点编号递增排列,汉字分区包含基本多文种平面汉字区 扩展 A 区 扩展 B 区等,很多超大型古籍生僻汉字放在扩展区,普通 GBK 汉字代码表里面查不到这类字。
五 常见乱码成因
使用汉字代码表最容易遇到乱码,本质就是编码识别错误,文件本身是 GBK 编码,软件却按照 UTF8 汉字代码表解析数字代码,代码对应的字符就变成陌生符号。另外复制文件跨操作系统传输,系统默认编码不一致,也会造成汉字代码表匹配失败,解决方式就是统一双方使用同一份汉字代码表对应的编码格式。
【常见问题】
问题 1: 汉字代码表里面区位码和国标码有什么区别
回答 1: 汉字代码表里面区位码是原始区和位编号,国标码是区位码经过数值换算之后的交换编码,二者数值不同,都属于汉字代码表内部关联编码。
问题 2: 为什么同一个汉字在不同汉字代码表代码不一样
回答 2: 汉字代码表分为 GBK Unicode 等不同体系,编码设计规则独立,所以同一个汉字在不同汉字代码表分配的数字代码不相同,不能混用。
问题 3:GB18030 汉字代码表相比 GBK 有什么升级
回答 3:GB18030 汉字代码表向下兼容 GBK 汉字代码表,新增大量古籍生僻汉字,收录汉字总量更大,适合档案古籍类需要生僻字的业务场景。
问题 4:UTF8 是不是独立的汉字代码表
回答 4:UTF8 不是独立汉字代码表,它是 Unicode 汉字代码表的存储编码实现方式,码点本身仍然沿用 Unicode 统一编号,只是字节存储形式发生变化。
问题 5: 怎么快速查询汉字代码表中的机内码
回答 5: 查询汉字代码表机内码,可以先查出该汉字区位码,再按照换算规则两个字节分别加上 A0H,也可以使用编码查询软件直接读取汉字代码表对应的机内码数值。
【免责申明】
本文汉字代码表相关内容属于计算机编码科普参考,不同版本国家标准和软件实现存在细微差异,正式项目开发 档案业务请以官方最新编码标准原文为准,本文不替代专业技术规范与官方标准文件。
本文来自作者[小成g1991]投稿,不代表乐学网立场,如若转载,请注明出处:https://www.dtedu.com.cn/aiwhx/202611/605100.html
评论列表(4条)
我是乐学网的签约作者“小成g1991”!
希望本篇文章《汉字代码表 汉字编码对照参考》能对你有所帮助!
本站[乐学网]内容主要涵盖:教育咨询,知识百科
本文概览:汉字代码表是把汉字和计算机使用的编码编号建立一一对应关系的对照表,它是电脑输入存储显示汉字的基础工具,主流包含 GB2312 GBK Unico