GBK字库介绍

GBK字库介绍

【基本概念】

GBK 是又一个汉字编码标准，全称《汉字内码扩展规范》(GBK)，英文名称Chinese Internal Code Specification ，中华人民共和国全国信息技术标准化技术委员会1995 年12 月 1 日制订，国家技术监督局标准化司、电子工业部科技与质量监督司1995 年12 月15 日联合以技监标函[1995] 229 号文件的形式，将它确定为技术规范指导性文件，发布和实施。这一版的GBK 规范为 1.0 版。GB 即“国标”，K 是“扩展”的汉语拼音第一个字母。

GBK 向下与GB 2312 编码兼容，向上支持ISO 10646.1 国际标准，是前者向后者过渡过程中的一个承上启下的标准。ISO 10646 是国际标准化组织ISO 公布的一个编码标准，即Universal Multilpe-Octet Coded Character Set（简称UCS），大陆译为《通用多八位编码字符集》，台湾译为《广用多八位元编码字元集》，它与Unicode 组织的Unicode 编码完全兼容。ISO 10646.1 是该标准的第一部分《体系结构与基本多文种平面》。我国1993 年以GB 13000.1 国家标准的形式予以认可（即GB 13000.1 等同于ISO 10646.1）。

GBK编码，是在GB2312-80标准基础上的内码扩展规范，使用了双字节编码方案，其编码范围从8140至FEFE（剔除xx7F），共23940个码位，共收录了21003个汉字，完全兼容GB2312-80标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字。GBK编码方案于1995年10月制定，1995年12月正式发布，目前中文版的WIN95、WIN98、WINDOWS NT以及WINDOWS 2000、WINDOWS XP等都支持GBK编码方案。

【知识链接】

我们经常使用各种编码标准的汉字，编码到底是什么呢？所谓编码，是以固定的顺序排列字符，并以此做为记录、存贮、传递、交换的统一内部特征，这个字符排列顺序被称为“编码”。和中文字库有关的编码标准有：国标GB码、GBK码、港台BIG-5

码等，不同编码的汉字字库都与汉字的应用有密切关系。

很多人在使用过程中，发现字不够用，因为目前大家使用的主要是GB编码字库，此编码标准只收录了6763个常用汉字，而GB字库以外大量汉字，只能通过方正女娲补字软件拼字或其它造字程序补字。尽管补出的汉字在字形上满足需要，但在字体风格、大小、结构方面难以协调统一，而采用手工贴图的方式补字，更不雅观。进而言之，如果用户建立信息系统，或需要查询新闻、出版内容时，靠补字是无法实现的。方正开发的GBK字库，将极大地缓解缺字现象。

从GB字库扩充到GBK字库，增加了1万4千多字。北大方正从1996年投入大量人力，开始做黑、宋、仿、楷GBK字库，并于1998年4月成为第一家通过国家权威部门组织的GBK 字库鉴定的专业厂商。到现在为止，北大方正已将全部字体转换成GBK字库，共46款，其中18款字数达21003个，是拥有GBK字库款数最多的厂商。

ISO 10646 是一个包括世界上各种语言的书面形式以及附加符号的编码体系。其中的汉字部分称为“CJK 统一汉字”（C 指中国，J 指日本，K 指朝鲜）。而其中的中国部分，包括了源自中国大陆的GB 2312、GB 12345、《现代汉语通用字表》等法定标准的汉字和符号，以及源自台湾的CNS 11643 标准中第1、2 字面（基本等同于BIG-5 编码）、第14 字面的汉字和符号。

【相关概念】

◎一、字汇

GBK 规范收录了ISO 10646.1 中的全部CJK 汉字和符号，并有所补充。具体包括：

1. GB 2312 中的全部汉字、非汉字符号。

2. GB 13000.1 中的其他CJK 汉字。以上合计20902 个GB 化汉字。

3. 《简化字总表》中未收入GB 13000.1 的52 个汉字。

4. 《康熙字典》及《辞海》中未收入GB 13000.1 的28 个部首及重要构件。

5. 13 个汉字结构符。

6. BIG-5 中未被GB 2312 收入、但存在于GB 13000.1 中的139 个图形符号。

7. GB 12345 增补的 6 个拼音符号。

8. 汉字“○”。

9. GB 12345 增补的19 个竖排标点符号（GB 12345 较GB 2312 增补竖排标点符号29 个，其中10 个未被GB 13000.1 收入，故GBK 亦不收）。

10. 从GB 13000.1 的CJK 兼容区挑选出的21 个汉字。

11. GB 13000.1 收入的31 个IBM OS/2 专用符号。

◎二、码位分配及顺序

GBK 亦采用双字节表示，总体编码范围为8140-FEFE，首字节在81-FE 之间，尾字节在40-FE 之间，剔除xx7F 一条线。总计23940 个码位，共收入21886 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。

全部编码分为三大部分：

1. 汉字区。包括：

a. GB 2312 汉字区。即GBK/2: B0A1-F7FE。收录GB 2312 汉字6763 个，按原顺序排列。

b. GB 13000.1 扩充汉字区。包括：

(1) GBK/3: 8140-A0FE。收录GB 13000.1 中的CJK 汉字6080 个。

(2) GBK/4: AA40-FEA0。收录CJK 汉字和增补的汉字8160 个。CJK 汉字在前，按UCS 代码大小排列；增补的汉字（包括部首和构件）在后，按《康熙字典》的页码／字位排列。

2. 图形符号区。包括：

a. GB 2312 非汉字符号区。即GBK/1: A1A1-A9FE。其中除GB 2312 的符号外，还有10 个小写罗马数字和GB 12345 增补的符号。计符号717 个。

b. GB 13000.1 扩充非汉字区。即GBK/5: A840-A9A0。BIG-5 非汉字符号、结构符和“○”排列在此区。计符号166 个。