汉字编码的发展历史

1. **ASCII 码**：计算机最早由美国人使用，他们制定了 ASCII 编码，用 8 位二进制（一个字节）表示字符，占用了 0 到 127 的编码，包含了 26 个大小写英文字母以及若干英文符号等。随后，许多欧洲国家也开始使用计算机，占用了 128 到 255 的位置，称为 ISO8859-1。

2. **GB2312**：20 世纪 80 年代中国开始大力发展计算机技术，为了显示汉字，推出了 GB2312 编码（1980 年公布）。它是对 ASCII 码的中文扩展，采用两个字节表示汉字编码。在计算机使用时，会判断字节是否在 0 到 127（ASCII 码范围），若是则为单字节的英文字母，否则联合后面的一个字节共同判断当前的汉字。GB2312 共收录了 6763 个常用汉字和 682 个图形字符。它参考了第一批异体字整理表（1955）、简化字总表（1964）和印刷通用汉字字形表（1965）等汉字规范标准，兼顾当时信息处理实际需要进行选字。该字符集广泛应用于国内 DOS 软件和简体 Windows 3.2 中，是汉字信息技术的第一个重要标准。

3. **GBK**：随着汉字使用需求的增加，GB2312 中收录的汉字不够用了，于是在 1995 年推出了 GBK 编码（汉字内码扩展规范）。它不再要求低字节一定是 127 号之后的内码，只要第一个字节大于 127 就固定表示这是一个汉字的开始。GBK 包括了 GB2312 的所有内容，还增加了近 20000 个新的汉字（包括繁体字）和符号。

4. **GB18030**：后来为了满足少数民族使用电脑的需求，在 GBK 的基础上进一步扩展，加入了几千个少数民族的字，形成了 GB18030 编码。

5. **Unicode**：由于各国都自制字符编码，没有统一标准，导致不同系统中显示各国文字时出现乱码。为解决这一问题，国际标准化组织制定了 Unicode 编码。Unicode 有两套标准，分别是 UCS-2（用 2 个字节为字符编码）和 UCS-4（用 4 个字节为字符编码）。它为每个文字都分配一个单独的编码，将中文、英文、法文、德文等所有文字统一起来考虑。

6. **UTF-8**：Unicode 诞生后面临着与 ASCII 字符集不兼容的问题，UTF（UCS Transformation Format，UCS 转换格式）应运而生，它是将 Unicode 编码规则和计算机实际编码对应起来的规则。UTF-8 是一种流行的实现方式，采用变长编码方式，能与 ASCII 编码保持最大程度的兼容。它将 Unicode 编码为 00000000-0000007F 的字符用单个字节表示，00000080-000007FF 的字符用两个字节表示，00000800-0000FFFF 的字符用 3 字节表示。汉字编码的范围（4e00~9fa5）

在 Unicode 之前，中国还存在其他中文编码标准，如台湾使用的 Big5 编码以及中国香港使用的 HKSCS 编码，这些编码标准互不兼容，且编码区间也各有不同。而 GBK 兼容 GB2312，并增加了大量不常用汉字和几乎所有的 Big5 中的繁体汉字，但其中的繁体汉字和 Big5 中的几乎不兼容。目前，GBK 已在多种操作系统中被实现，而 GB18030 据了解尚无操作系统直接支持。