汉字的编码是计算机为了识别、存储、传输、显示汉字,给每一个汉字分配一套标准化数字代码的技术体系,因为计算机底层只识别二进制数字,汉字是方块表意文字,数量庞大,无法像英文字母那样直接处理,所以必须通过汉字的编码完成汉字和二进制代码之间的转换,整套汉字的编码一般包含输入码、机内码、字形码、交换码这几大类,不同编码承担不同功能,是信息技术、计算机基础课程的重要知识点,理解汉字的编码可以明白为什么电脑可以输入汉字,为什么会出现乱码,为什么生僻字有时候无法正常显示。汉字的编码诞生的根本原因,是早期计算机原生设计只支持西文字符,汉字字数上万,如果没有统一规范的汉字的编码,不同厂家、不同系统各自定义代码,就会出现跨平台无法识别、文字乱码、生僻字缺失等问题,所以国家制定国家标准编码,同时国际也推出通用编码方案,解决汉字跨系统互通的问题。
一 汉字的编码主要分类对照表
| 编码类别 | 别名 | 功能说明 | 典型代表 |
|---|---|---|---|
| 输入码 | 外码 | 用户通过键盘输入汉字时使用的编码,作用是把按键对应成汉字 | 拼音码、五笔字型码 |
| 机内码 | 内码 | 计算机内部存储、处理汉字使用的编码 | GB2312 机内码、Unicode |
| 交换码 | 国标码 | 不同计算机系统之间交换汉字数据使用的标准代码 | GB2312 国标码 |
| 字形码 | 输出码 | 存储汉字点阵或者矢量轮廓,用于屏幕显示、打印输出 | 点阵字库 |
二 国内主流汉字的编码标准
第一 GB2312 国家标准编码,全称信息交换用汉字编码字符集,是我国最早的汉字国标编码,收录常用简体汉字六千多个,同时包含符号、字母,适合早期普通文档使用,缺点是收录汉字数量有限,很多生僻汉字、繁体汉字没有包含,这也是 GB2312 这套汉字的编码最大局限。
第二 GBK 编码,是 GB2312 的扩展版本,全称汉字内码扩展规范,在原有基础上扩充大量汉字,同时支持繁体汉字,收录汉字数量大幅提升,兼容 GB2312,是很长一段时间 Windows 系统广泛使用的汉字的编码。
第三 GB18030 编码,是强制性国家标准汉字的编码,继续扩充字符集,支持少数民族文字、古汉字、生僻字,兼容 GBK 和 GB2312,现在正式公文、档案系统遇到生僻字,一般要求使用 GB18030 这套汉字的编码。
第四 Unicode 万国码,国际通用字符编码,不只收录汉字,还收录全世界各个国家文字,UTF8、UTF16 都是 Unicode 的实现方式,现在网页、跨平台软件大量使用这套汉字的编码方案,解决跨语言跨平台乱码问题。
三 学习汉字的编码学习步骤
第一步 理解基本概念,先明白计算机只能识别二进制,汉字的编码本质就是汉字和二进制数字之间的映射关系,分清外码、内码、交换码、字形码四种编码各自作用,不要混淆。
第二步 区分国标码和机内码,掌握两者转换关系,国标码是交换码,机内码是在国标码基础上做变换之后,计算机内部存储使用的代码,这是考试高频考点。
第三步 对比国内编码标准,按时间顺序记住 GB2312、GBK、GB18030 的发展顺序,记住每一代汉字的编码收录汉字数量、扩展内容、兼容特点。
第四步 认识乱码原理,理解如果发送端和接收端使用的汉字的编码不一致,解码的时候就会识别错误,出现乱码,这是汉字的编码最常见应用问题。
第五步 配套习题训练,完成选择、填空、简答,练习区分各类编码,巩固汉字的编码相关知识点。
四 汉字的编码核心要点
第一 输入码不是唯一,同一个汉字可以有多种输入码,比如同一个汉字可以用拼音输入,也可以五笔输入,但是对应的机内码是唯一固定的。
第二 字形码负责显示打印,和机内码是配套关系,机内码找到对应的汉字,再调用字形码的字库把汉字图形显示出来。
第三 编码兼容原则,新版汉字的编码一般向下兼容旧编码,也就是 GB18030 可以识别 GBK,GBK 可以识别 GB2312 里面的汉字。
第四 生僻字问题根源,很多生僻汉字不在旧版 GB2312 字符集里面,旧系统不支持对应的汉字的编码,就会出现方框、问号,也就是缺字现象。
五 汉字的编码常见认知误区
误区一 把五笔、拼音当成机内码,拼音和五笔属于输入外码,不是计算机内部存储的汉字的编码,很多初学者容易混淆。
误区二 认为 Unicode 就是国内国标编码,Unicode 是国际通用编码,GB18030 是我国国家标准汉字的编码,两者体系不一样。
误区三 认为只要是汉字,任何编码都可以显示,旧编码字符集容量有限,超出字符集范围的汉字,这套汉字的编码就不支持。
误区四 认为乱码是汉字本身损坏,乱码本质是解码时汉字的编码不匹配,编码识别错误,不是汉字数据本身损坏。
【常见问题】
问题 1: 汉字的编码是什么
回答 1: 汉字的编码是计算机给汉字分配数字代码,实现汉字存储、输入、传输、显示,汉字的编码分为输入码、机内码、交换码、字形码。
问题 2: 汉字的编码里面输入码和机内码有什么区别
回答 2: 汉字的编码里面输入码是键盘输入使用的外码,同一个汉字可以有多种输入码,机内码是计算机内部存储处理使用,同一个汉字机内码唯一。
问题 3:GB2312 这套汉字的编码有什么缺点
回答 3:GB2312 这套汉字的编码收录常用汉字数量有限,不包含大量生僻字和繁体汉字,后续推出 GBK、GB18030 汉字的编码进行扩充。
问题 4: 为什么打开文档会出现乱码,和汉字的编码有什么关系
回答 4: 出现乱码是因为文档保存和打开使用的汉字的编码不一致,解码识别错误,所以显示乱码,是汉字的编码最典型应用问题。
问题 5:GB18030 这套汉字的编码有什么优势
回答 5:GB18030 这套汉字的编码是国家强制标准,扩充生僻字、古汉字、少数民族文字,向下兼容 GBK 和 GB2312 汉字的编码。
【免责申明】
本文汉字的编码相关内容属于信息技术基础科普参考,编码标准细节、规范条文以国家正式发布标准文档为准,考试学习请以指定信息技术教材表述为准,本文不替代官方标准原文。


