中文汉字编码知识

汉字的编码体系主要有以下几种：

⑴ 国标、区位、“准国标”

国标是将七千余个汉字以及标点符号、外文字母等，排成一个94行、94列的方阵。方阵中每一横行称为一个“区”，每个区有94个“位”。一个汉字在方阵中的坐标，称为该字的区位码。为了与美标(ASCII)的形象码的范围重合，出现了“国标码”，即将区位码的两个十进制数都加上32，得到该汉字的国标码。

当需要区分国标码和美标码时，出现了“准国标”，即将国标码的两个数字各加上128，而把原来的国标码称为“纯国标”。

GBK码是GB码的扩展字符编码，对多达两万多的简繁汉字进行了编码。

BIG5码是针对繁体汉字的汉字编码。

⑷ HZ码

HZ码是在Internet上广泛使用的一种汉字编码，它是以“纯国标”的中文与美标码混用为方案。

⑸ ISO 2022 CJK码

这是国际标准组织为各种语言字符制定的编码标准。CJK是中、日、韩语的合称。它主要在Internet中使用。

⑹ UCS和ISO 10646

UCS是由ISO 10646定义的，是其他字符集标准的一个超集，保证与其他字符集是双向兼容的，它包含了所有已知语言的字符。

Unicode提供一种统一的字符标识方法，它是16位编码的，具备世界各地计算机与出版行业所用字符的全部代码。而且它的产生是以各个国家或国标字符编码为基础的。目前，Unicode在网络、Windows系统和很多大型软件中得到应用。

各种中文编码对应的编码区间总结

一.ascii码编码区间(所有中文编码中的ascii码编码均一样)

1).单字节ASCII码:0x00-0x7F

2).扩展ASCII码:0x80-0xFF

二.GB2312双字节编码区间:

高字节            低字节

0xA1-0xF7         0xA1-0xFE

三.Big5双字节编码区间:

高字节            低字节

0xA1-0xF9         0x40-0x7E

0xA1-0xF9         0xA1-0xFE

四.GB18030(一.二.四字节)编码区间

1).单字节ASCII编码区间: 0x00-0x7F

2).双字节编码区间:

高字节            低字节

0x81-0xFE         0x40-0x7E

0x81-0xFE         0x80-0xFE

3).四字节编码区间:

0x81308130 - 0xFE39FE39

第1,3个字节均由0x81-0xFE构成

第2,4个字节均由0x30-0x39构成

五.utf-8编码，由1-6字节构成:0xxxxxxx

110xxxxx 10xxxxxx

1110xxxx 10xxxxxx 10xxxxxx

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

以下为中文编码区间(包括双字节和三字节)

1).单字节(ASCII码)编码区间: 0X00-0x7E

2).双字节汉字编码区间:

高字节            低字节

0xC0-0xDF         0x80-0xBF

3).三字节汉字编码区间:

一字节            二字节       三字节

0xE0-0xEF       0x80-0xBF      0x80-0xBF

4).四字节:无中文

5).五字节:无中文

6).六字节:无中文

UTF-8使用3字节为中文汉字编码.

对于Windows下的utf-8文本文件，会在文件头加上0xEF 0xBB 0xBF三个字节便于windows应用程序快速识别文本编码。

六.GBK编码完全兼容GB2312.

七.Unicode双字节编码：

中文编码区间:0x4E00-0x9FA5

对于Windows下快速判断文本文件是Unicode还是ANSI编码时，如果文件的前两个字节是0xFF和0xFE,则识别为Unicode文本。

八.中文编码兼容顺序为(从左向右兼容): GB18030-->GBK--->GB2312.

以上编码知识为个人(www.169it.com)总结,仅供参考。