区位码、国标码与机内码

在用UltraEdit分析文件的时候，突然对汉字的16进制形式感起了兴趣，于是便摸索着整理了这样一篇文章。从各种百科整理来的，加入了我自己的一些理解。希望能为大家提供一些帮助。

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：GB 2312-80《信息交换用汉字编码字符集》基本集，这个字符集是我国中文信息处理技术的发展基础。收录了6763个汉字。

国标码，是指国家汉字标准代码。所有的国标汉字与符号组成一个94×94的矩阵。在此方阵中，每一行称为一个“区”，每一列称为一个“位”，因此，这个方阵实际上组成了一个有94个区（区号分别为01到94）、每个区内有94个位（位号分别为01到94）的汉字字符集。每个区位上只有一个字符，因此可用所在的区和位来对汉字进行编码，称为区位码。

在汉字的区位码中，高两位为区号，低两位为位号（前两位叫区码，后两位叫位码）。

信息交换用汉字编码字符集和汉字输入编码之间的关系是：根据不同的汉字输入方法，通过必要的设备向计算机输入汉字的编码，计算机接收之后，先转换成信息交换用汉字编码字符，这时计算机就可以识别并进行处理；汉字输出是先把机内码转成汉字编码，再发送到输出设备。

百度百科：国家标准代码、信息交换用汉字编码字符集、内码、机内码、汉字的编码与存储……

较常见的国家汉字标准代码列表

国家标准强制标准冠以“GB”。推荐标准冠以“GB/T”。国家推荐标准以 "/T" 来表示并非强制执行。

1. GB 2312 - 80：信息交换用汉字编码字符集 基本集（又称为GB0）
2. GB 13000 - 93：信息技术 通用多八位编码字符集（UCS）第一部分
3. GB 18030 - 2000：信息技术 信息交换用汉字编码字符集 基本集的扩充

由于GB 2312-80只收录了6763个汉字，未能覆盖繁体中文字、部分人名、方言、古汉语等方面出现的罕用字，所以后来发布了许多辅助集。中华人民共和国国家标准总局于2000年推出强制性的GB 18030-2000标准，总共收录70244字（包括繁体字等等）。于2001年8月31日后发布或出厂的产品，必须符合GB 18030-2000的相关要求。

为什么要有“内码”？

国标码是汉字信息交换的标准编码，但因其前后字节的最高位为0，与ASCII码发生冲突，如“保”字，国标码为31H和23H，而西文字符“1”和“#”的ASCII也为31H和23H，现假如内存中有两个字节为31H和23H，这到底是一个汉字，还是两个西文字符“1”和“#”于是就出现了二义性，显然，国标码是不可能在计算机内部直接采用的，于是，汉字的机内码采用变形国标码，其变换方法为：将国标码的每个字节都加上128，即将两个字节的最高位由0改1，其余7位不变，如：由上面我们知道，“保”字的国标码为3123H，前字节为00110001B，后字节为00100011B，高位改1为10110001B和10100011B 即为B1A3H，因此，“保”字的机内码就是B1A3H。显然，汉字机内码的每个字节都大于128，这就解决了与西文字符的ASCII码冲突的问题。

区位码、国标码、机内码的转换

区位码的区码和位码均采用从01到94的十进制，国标码采用十六进制的21H到73H（数字后加H表示其为十六进制数）；把换算成十六进制的区位码加上2020H（十六进制数20即十进制数32），就得到国标码。国标码加上8080H（十六进制数80即十进制数128），就得到常用的计算机机内码。注意这里的“加”不是简单相加，而是区码和位码分开相加，看下面的例子：

“大”字的区位码为2083，区号为20，位号为83。

1. 将区位号2083转换为十六进制表示为1453H（十进制20变成十六进制14，十进制83变成十六进制53）
2. 1453H+2020H=3473H，得到国标码3473H（14+20得34，53+20得73）
3. 3473H+8080H=B4F3H，得到计算机机内码为B4F3H（34+80得B4，73+80得F3）

这样，区位码2083便转换为了机内码B4F3。在UltraEdit中测试了下，的确是这样（废话）

既然是得到机内码，其实也可以一次性得到。像这样：

1. 将“大”字的区码20和位码83分别加上160（即前面提到的十进制数32+128=160）
2. 将得到的180和243分别转换为十六进制B4和F3，得到机内码B4F3H