浅谈各编码方式的由来以及各编码之间的关系（一）

最近在研究Gb18030，以前常听说这个，懵懵懂懂知道大概的意思，不过一直没闹明白ASCII，Unicode, GBK, CJK, 以及GB2312等等之间的关系。 归功于网络，搜集阅读了大量的文章，终于明白了。 这里总结一下，也给那些处在懵懂状态的朋友们，提供一个指引

 

1. ASCII码（American Standard Code for Information Interchange）

在计算机的内部,   所有的数据存储运算时都是要使用二进制数表示的，但是具体用那个数字表示那个符号每个人都有一套自己的编码规则，而为了不造成混乱，美国的相关标准化组织就在上世纪的五六十年代制定了ASCII编码，标准的单字节字符编码方案。这个标准主要是制定了英语字符和二进制位之间的关系。

    ASCII码一共规定了128个字符的编码，由7位二进制数组合来表示，这7位二进制数表示所有的大小写字母，数字0-9，标点符号以及在美式英语种的特殊控制字符。后来在1986年又进行了一次更新，把表格符号，计算符号，希腊字母以及特殊的拉丁符号包含进去，将ASCII码由7位扩充为8位，这样共有256个字符。

 

2. Unicode

Unicode的出现解决了ASCII码的国家地域的限制， 特别是亚洲国家的一些文字符号的编码。Unicode为每种语言的每个字符设定了了同意并且唯一的二进制编码，满足了跨语言，跨平台进行文本转换，处理的要求。历史上曾有俩个组织试图设计Unicode：国际标准化组织（ISO）和unicode.org. ISO开发了ISO 10464项目，而Unicode协会开发了Unicode项目。 但是到上世纪九十年代初，双方意识到世界不需要俩个不兼容的字符集。于是从Unicode2.0开始Unicode项目和ISO 10464项目采用相同的字库和字码。所以我们现在经常会看到这种说法：Unicode 3.1.0与ISO 10464-x是一样的。

 

3.  GB码即GB2312-80

这个是80年发布的，在大陆以及海外使用简体中文的地区是强制使用的唯一中文编码。是双字节编码。GB2312-80一共收录了7445个字符包括6763个汉字和682个符号。但是GB231支持的汉字太少了，1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。也就是说GBK字符集是GB2312的扩展，利用GB2312-80未使用的编码空间，收录所有出现在Unicode1.1以及GB13000.1-93中的汉字。 共有21003 个汉字和863个符号。

 

4. Big5

Big5字符集的产生是因为当时GB2312编码并未收录繁体字。Big5也是双字节编码方案。共有13461个汉字和符号。