区位码、国标码、机内码、GBK

1980年，为了使每个汉字有一个全国统一的代码，我国颁布了汉字编码的国家标准：GB2312-80《信息交换用汉字编码字符集——基本集》，这个字符集是目前国内所有汉字系统的统一标准。它规定了用两个字节来表示一个汉字，每个字节都只能使用低7位，共有128*128种状态，又由于ASCII中的控制代码在汉字系统中也要使用，所以只剩下94*94=8836种状态用来表示国标码规定的6763个汉字和682个全角字符。每个字符都对应了唯一的区位码、国标码和机内码。

区位码

区位码是一个四位的十进制数，前两位叫做区码，后两位叫做位码。区位码共有94个区（行），每个区有94个位（列）。

1~9区	特殊字符区
10~15区	用户自定义区
16~55区	一级汉字
56~87区	二级汉字

一级汉字：3755个常用的汉字，按拼音排序；二级汉字：3008个汉字，按部首排序。

为了处理与存储的方便，每个汉字的区号和位号在计算机内部分别用一个字节表示。如，汉字“学”的区号为49，位号为07，区位码为4907D，对应的二进制表示为

00110001 00000111

区位码不能用于通信，因为它可能与通信使用的控制码（00H~1FH）发生冲突。

国标码

为了进行汉字通信，将区位码的区码和位码都加20H，避开了控制码，就得到了国标码。国标码用十六进制表示，如，汉字“学”的国标码为5127H。

机内码

由于汉字与英文字符通常混用，所以汉字信息如不加以特殊标识就会与ASCII码混淆，如汉字“学”的国标码为51 27H，在ASCII中代表“Q”和“‘”。此问题的解决方法之一是将汉字编码每字节的最高位置为1，即国标码两字节分别+80H，则汉字“学”的机内码为D1A7H。

机内码用十六进制表示。

GB2312简体中文编码表是机内码对照表。

GBK

GBK是汉字编码标准之一，全称《汉字内码扩展规范》。GBK向下完全兼容GB2312-80编码，另外还支持部分中文姓氏，中文繁体，日文假名，还包括希腊字母以及俄语字母等。

GBK的中文编码是双字节来表示的，英文编码使用ASCII码表示的，即用单字节表示。但GBK编码表中也有英文字符的双字节表示形式，所以英文字母可以有两种GBK表示方式。为区分中英文，将汉字最高位定为1，英文最高位定为0。当用GBK解码时，若高字节最高位为0，则用ASCII码表解码；若高字节最高位为1，则用GBK编码表解码。

GBK的编码范围为 高字节81-FE(126个)，低字节40-FE(191个)，总共有24066(126*191)种状态，共收入218886个汉字和图形符号，其中汉字（包括部首和构件）21003个，图形符号883个。

GBK编码表