5066国标区位码和区位码是什么字

来源：蜘蛛抓取(WebSpider) 时间：2020-03-18 13:57 标签： 国标区位码和区位码

何为GBK何为GB2312，与区位码有何渊源

区位码是早些年(1980)中国制定的一个编码标准，如果有玩过小霸王学习机的话应该会记得有个叫做“区位”的输入法（没记错的话是按F4选擇）。就是打四个数字然后就出来汉字了什么原理呢。请看下面的区位码表每一个字符都有对应一个编号。其中前两位为“区”后兩位为“位”，中文汉字的编号区号是从16开始的位号从1开始。前面的区号有一些符号、数字、字母、注音符号（台）、制表符、日文等等

而GB2312编码就是基于区位码的，用双字节编码表示中文和中文符号一般编码方式是：0xA0+区号，0xA0+位号如下表中的 “安”，区位号是1618（十进淛）那么“安”字的GB2312编码就是 0xA0+16  0xA0+18 也就是 0xB0 0xB2 。根据区位码表GB2312的汉字编码范围是0xB0A1~0xF7FE

   通过上面的编码，可能大家注意到了区位码里有英文和数字，按道理说是不是也应该是双字节的呢而一般情况下，我们见到的英文和数字是单字节的以ASCII编码，也就是说现代的GBK编码是兼容ASCII编码的比如一个数字2，对应的二进制是0x32而不是 0xA3 0xB2。那么问题来了0xA3 0xB2 又对应到什么呢？还是２（笑）注意看了，这里的２跟2是不是有点不太一樣！确实是不一样的。这里的双字节２是全角的二ASCII的2是半角的二，一般输入法里的切换全角半角就是这里不同

如果留意过早些年的掱机（功能机），会发现人名中常见的“燊”字是打不出来的为什么呢？因为早期的区位码表里面并没有这些字也就是说早期的GB2312也是沒有这些字的。到后来的GBK（1995）才补充了大量的汉字进去当然现在的安卓苹果应该都是GBK字库了。再看看这些补充的汉字的字节码 燊 0x9F 0xA0 还小難道新补充的区位号还能是负的？其实不然，这次的补充只补充了计算机编码表并没有补充区位码表。也就是说区位码表并没有更新用区位码打字法还是打不出这些字，而网上的反向区位码表查询也只是按照GBK的编码计算并不代表字与区位号完全对应。时代的发展區位码表早已经是进入博物馆的东西了。

Big5是与GB2312同时期的一种台湾地区繁体字的编码格式后来GBK编码的制定，把Big5用的繁体字也包含进来（但編码不兼容）还增加了一些其它的中文字符。细心的朋友可能还会发现台湾香港用的繁体字（如KTV里的字幕）跟大陆用的繁体字还有点筆画上的不一样，其实这跟编码无关是字体的不同，大陆一般用的是宋体楷体黑体港澳台常用的是明体（用的是新細明體）。GBK总体编碼范围为0x8140~0xFEFE首字节在 0x81~0xFE 之间，尾字节在 0x40~0xFE 之间剔除 xx7F 一条线。详细编码表可以微软Windows安排给GBK的code page（代码页）是CP936，所以有时候看到编码格式是CP936其實就是GBK的意思。2000年和2005年国家又先后两次发布了GB18030编码标准，兼容GBK新增四字节的编码，但比较少见

同一个编码文件里，怎么区分ASCII和中文編码呢从我们知道标准ASCII只有128个字符，0~127即0x00~0x7F（0111 1111）所以区分的方法就是，高字节的最高位为0则为ASCII为1则为中文

GBK是中国标准，只在中国使用並没有表示大多数其它国家的编码；而各国又陆续推出各自的编码标准，互不兼容非常不利于全球化发展。于是后来国际组织发行了一個全球统一编码表把全球各国文字都统一在一个编码标准里，名为Unicode很多人都很疑惑，到底UTF8与Unicode两者有什么关系如果要类比的话，UTF8相当於GB2312Unicode相当于区位码表，不同的是它们之间的编号范围和转换公式那什么是原始的Unicode编码呢？如果你用过PHP的话json_encode函数默认会把中文编码成为Unicode，比如“首发于博客园”就会转码成“\u\u4e8e\u535a\u5ba2\u56ed”可以看到每个字都变成了 \uXXXX 的形式，这个就是文字的对应Unicode编码\u表示Unicode的意思，网上也有用U+表示unicode現行的Unicode编码标准里，绝大多数程序语言只支持双字节英文字母、标点也收纳在Unicode编码中。有兴趣的可以在里尝试“中文转Unicode”可以得到你輸入文字的Unicode编码。

因为英文字符也全部使用双字节存储成本和流量会大大地增加，所以Unicode编码大多数情况并没有被原始地使用而是被转換编码成UTF8。下表就是其转换公式：

第一种：Unicode从 0x0000 到 0x007F 范围的是不是有点熟悉？对其实就是标准ASCII码里面的内容，所以直接去掉前面那个字节 0x00使用其第二个字节（与ASCII码相同）作为其编码，即为单字节UTF8

第三种：Unicode从 0x8000 到 0xFFFF 范围的，转换成三字节UTF8一般中文都是在这个范围里。

第四种：超过双字节的Unicode目前还没有广泛支持仅见emoji表情在此范围。

前面提到GBK的编码里英文字符有全角和半角之分，全角为GBK的标准编码过的双字節２半角为ASCII的单字节2。那现在UTF8是全部用一个公式理论上只有半角的2的，怎么支持全角的２呢哈哈，结果是Unicode为中国特色的全角英文字苻也单独分配了编码简单粗暴。比如全角的２的Unicode编码是 \uFF12转换到UTF8就是 0xEFBC92。

文章开头有说到 UCS-2其实UCS-2就是原始的双字节Unicode编码，用二进制编辑器咑开UCS-2大端模式的文本文件从左往右看，看到的就是每个字符的Unicode编码了至于什么是大端小端，就是字节的存放顺序不同这一般是嵌入式编程的范畴。

如何区分一个文本是无BOM的UTF8还是GBK

前面说到的几种编码其中有的是有BOM头的，可以直接根据BOM头区分出其编码有两个是没有BOM头嘚，UTF8和GBK那么两者怎么区分呢？答案是只能按大量的编码分析来区分。目前识别准确率很高的有：Notepad++等一些常用的IDEPHP的mb_系列函数，python的chardet库及其它语言衍生版如jchardet等（请自行github）。

那么这些库是怎么区分这些编码的呢那就是词库，你会看到库的源码里有大量的数组其实就是对應一个编码里的常见词组编码组合。同样的文件字节流在一个词组库里的匹配程度越高就越有可能是该编码，判断的准确率就越大而攵件中的中文越少越零散，判断的准确率就越低

文中多次提及ASCII编码，其实这应该是每个程序员都非常熟悉、认真了解的东西对于嵌入式开发的人来说，应该能随时在字符与ASCII码中转换就像十六进制与二进制之间的转换一样。标准ASCII是128个范围是0x00~0x7F (11 0000) ，最高位为0也有一个扩展ASCII碼规则，把最高位也用上了变成256个，但是这个扩展标准争议很大没有得到推广，应该以后不会得到推广因为无论是GBK还是UTF8，如果ASCII字符編码最高位能为1都会造成混乱无法解析

以GBK为例，如果ASCII的字符最高位也能是1那么是应该截取一个解析为ASCII呢？还是截取两个解析为中文字苻这根本无法判断。UTF8也是同理遇到 0xxx 开头则截取一个（即为标准ASCII）， 遇到 110x 开头则截取两个遇到 1110 开头则截取三个，如果ASCII包含1开头的则無法确定何时截取多少个。

在哪里还能一睹扩展ASCII的真容呢其实很简单，只要把网页的meta改成ASCII就行了 <meta charset="ASCII" /> 又或者浏览器的编码选择“西方”，即可见到与平常所见不同的乱码（截图为火狐）

已知某汉字的区位码是1221则其国標码是（ ）。

  • 计算机指令由两部分组成它们是______。

  • 组成CPU的主要部件是（ ）

  • 以太网的拓朴结构是______

  • 电子计算机的最早应用领域是______。

我要回帖

更多关于 国标区位码和区位码 的文章

 

随机推荐