GB 和 GBK 的区别

豆豆儿软糖

简单的说就是GB可以输出简体中文,GBK则可以输出简/繁体中文!

一、GB字库：

全称GB2312或GB2312-80是一个简体中文字符集的中国国家标准，全称为《信息交换用汉字编码字符集--基本集》，由中国国家标准总局 发布，1981年5月1日实施。GB2312编码通行于大陆；新加坡等地也采用此编码。几乎所有的中文系统和国际化的软件都支持GB2312。

GB2312标准共收录6763个汉字， GB2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。

01-09区为特殊符号。16-55区为一级汉字共有汉字3755个，按拼音排序；56-87区为二级汉字共有汉字3008个，按部首/笔画排序；10-15区及88-94区则未有编码。

二、GBK字库：

GBK全名为汉字内码扩展规范，英文名Chinese Internal Code Specification。K 即是“扩展”所对应的汉语拼音（KuoZhan）中“扩”字的声母。 1993年，Unicode
1.1版本推出，收录了中国大陆、台湾、日本及韩国通用字符集的汉字，总共有20,912个。中国大陆订定了等同于Unicode
1.1版本的“GB13000.1-93”“信息技术 通用多八位编码字符集（UCS） 第一部分：体系结构与基本多文种平面”。

由于GB2312-80只收录了6763个汉字，有不少汉字，如部分于GB2312-80推出后才简化的汉字（如“啰”），部分人名用字（如中国前总理朱镕基的“镕”字），台湾及香港使用的繁体字，日语及朝鲜语汉字等，并未有收录在内。 中国大陆于是利用了GB2312-80未有使用的编码空间，收录了所有出现于Unicode
1.1及GB13000.1-93之中的汉字，制定了GBK编码。微软在它出品的Windows 98中，即采用了GBK编码。在微软的系统内称为CP936字码表。

格子少年

关于GB与BIG5码的判别，没有100%可靠的方法。但是从两个编码系统汉字的分布来看，

还有可以作一定的判断的。

GB码的编码范围是首字节A1-F7，尾字节A1-FE，而且首字节A1-A9是符号区，AA-AF这

一段没有定义。BIG5码的编码范围是首字节A1-F9，尾字节分两段，分别是40-7E及

A1-FE，首字节A1-A3是符号区，A4-C5是常用汉字区。

这样我们可以找到几个依据：

1)尾字节40-7E是BIG5码特有的，可以以此来判别，但是现在GBK在这个码区也定义了

字符，不过这些汉字的使用频度不高，所以仍然可以作为一条依据，但无法保证100%

正确；

2)首字节A4-A9在GB中为日文假名、希腊字母、俄文字母和制表符，正常文本中很少

出现，AA-AF则根本没有定义，但这个范围却是BIG5码的常用汉字，所以如果文本中

频繁出现这个范围的码，也可以认为是BIG5码。尤其是首字节位于AA-AF之间，尾字

节位于A1-FE的，几乎100%是BIG5码无疑，因为即使在GBK中，这个范围也是没有定

义的。

为了提高识别的正确率，最好多种判据同时使用。另外还可以通过分析汉字出现的频

率，或查找某些常用的词组来判别。因为做起来比较复杂，就不多说了。

首字节C6-D7，尾字节A1-FE在GB中属于一级字库，是常用汉字，而在BIG5中,C6-C7没

有明确定义，但通常用来放日文假名和序号，C8-D7属于罕用汉字区。所以如果这个范

围的码出现较多，可以判别为GB码。

曦汝

问题不是很清楚呀，麻烦说清楚点。

doreen

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 1064
6.1 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 1064
6.1 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 1064
6.1）。

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 231
2、GB 1234
5、《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。

一、字汇

GBK 规范收录了 ISO 1064
6.1 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。

1
1. 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。

3. 用户自定义区：分为(1)(2)(3)三个小区。

(1) AAA1-AFFE，码位 564 个。

(2) F8A1-FEFE，码位 658 个。

(3) A140-A7A0，码位 672 个。

第(3)区尽管对用户开放，但限制使用，因为不排除未来在此区域增补新字符的可能性。

三、字形

GBK 对字形作了如下的规定：

1. 原则上与 GB 13000.1 G列（即源自中国大陆法定标准的汉字）下的字形／笔形保持一致。

2. 在 CJK 汉字认同规则的总框架内，对所有的 GBK 编码汉字实施“无重码正形”（“GB 化”）；即在不造成重码的前提下，尽量采用中国新字形。

3. 对于超出 CJK 汉字认同规则的、或认同规则尚未明确规定的汉字，在 GBK 码位上暂安放旧字形。这样，在许多情况下 GBK 收入了同一汉字的新旧两种字形。

4. 非汉字符号的字形，凡 GB 2312 已经包括的，与 GB 2312 保持一致；超出 GB 2312 的部分，与 GB 13000.1 保持一致。

5. 带声调的拼音字母取半角形式。