一、概述
1、中文编码字符集（GB 18030）的渊源
我们知道，相对于中文编码字符集，我国在2000年前就有近十个字符集的标准或规范在实施，具体详见下表1-1所列（包括字符集的标准名称与特征），好不热闹！这些字符集，有我国自主制定的，有等同采用国际标准制定的；有国家标准的，有部门技术规范的；收录的图形字符（汉字、CJK统一汉字、图形符号等）的数量、字形、用途、种类（简化字、繁体字、异体字、CJK等）以及编码技术等要求也不尽相同。这就带来了一些严峻的现实问题，重点表现在如下方面：一是字符集的互相兼容问题，特别是国内自主制定的字符集标准与国际标准的兼容性。二是字符集多而杂乱，为字符集使用者的使用带来苦恼与极大的不便。三是某些字符集的强制力欠缺（如还有以部门技术规范文件来发布的），为字符集的应用带来其随意性。
表 1-1：当时我国存在的中文编码字符集情况（2000年前）
鉴于上述，我国亟待需要一个统一的、全面的、权威的、兼容性好的中文（不仅是汉字，还应包括我国的少数民族文字）编码字符集，以更有利于我国中文字符集信息的处理和信息通信。
2、中文编码字符集（GB 18030）的首发
于是，在2000年3月，我国首次自主编制并发布了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》。该字符集是我国首次采用三种字节方式编码技术，即单字节（图形符号编码）、双字节和四字节（汉字编码）。在之前我国的汉字编码字符集均是采用双字节编码方式，此是我国首次对四字节编码做出了安排。这是因为对于汉字编码字符集来讲，GB 18030-2000收录了表1-1中所示的所有字符集的汉字，多达27585个，仅采用双字节方式编码是不可能实现的。
GB 18030-2000的发布，对我国汉字编码字符集进行了统一标准发布，且是以国家强制性标准发布，关键是它向下兼容原来的基本集、辅助集和GBK，向上支持国际标准的UCS/Unicode（即GB/T 13000.1），彻底解决了原来诸多字符集的不堪现实。GB 18030-2000的编码是在GB 2312和GBK的基础上进行的，它增加了四字节的编码，能完全映射UCS/Unicode的基本平面和辅助平面中的字符集。下表1-2总结了GB 1803字符集的特点（优点）。
表 1-2：GB 1803字符集的特点
欲更多了解我国早期汉字编码字符集介绍的请进入：基本集；GBK
3、中文编码字符集（GB 18030）的修订
从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》标准名称可以看出，其出发点是建立在对GB/T 2312（基本集）的扩充，即GB 18030-2000只是对编码汉字数量的扩充，扩充的数量为：双字节扩充到GBK的数量（21003个）；四字节安排了CJK统一汉字扩充A的数量（6582个）。此时，还不是中文编码字符集（仍是一个汉字编码字符集），因为它还没有包括我国少数民族的文字。
于是，在2005年对GB 18030-2000进行了第1次修订，此时标准的名称变为GB 18030-2005《信息技术 中文编码字符集》，即它不仅包含了编码汉字（又增加了CJK统一汉字扩充B），也包括了编码少数民族文字。在2022年对GB 18030进行了第2次修订，此次修订标准的名称保持不便，对汉字和少数民族文字的数量都进行了扩充。三个版本标准的编码体系结构均保持不变，详见下表1-3-1（可知，其提供的编码位组多达16112838码位）。下表1-3-2汇总了三个版本的字汇构成情况，以了解其包括的字汇及增扩情况。
表 1-3-1：GB 18030的编码体系结构
表 1-3-2：GB 18030各版本的字汇构成情况
欲详细了解GB 18030标准版本变化情况的请进入。
二、GB18030-2022字符集介绍
GB 18030-2022《信息技术 中文编码字符集》于2022年8月开始实施，是我国最适合我国国情、最齐全、最权威的中文（汉字和少数民族文字）编码字符集，其中编码的汉字数量达到8.7887万个，比2005年版增加了1.7万余个；少数民族文字达到10种。可适应我国各行各业的文字信息的处理与交换，其适用对象为所有具备中文信息化处理及交换功能的产品，包括软件产品和硬件产品，具体包括但不限于下表2-0所示。下述对GB 18030-2022做一简要介绍，若要详细了解该字符集具体内容的请查阅下附件。
表 2-0：GB 18030-2022所适用于的软硬件产品
附件：GB 18030-2022《信息技术 中文编码字符集》
1、关于字汇
GB 18030-2022收录的字符是以单字节、双字节和四字节编码，各字节方式的字汇构成已汇总于表1-3-2之中。
2、关于码位
对于中文编码字符集GB 18030的码位总体结构以及各字节方式的码位具体安排，其三个版本是完全相同的，具体可见表1-3-1。在GB 18030各版本中还分别给出了三种字节方式的码位安排总体结构图。下述依据GB 18030-2022具体介绍各字节方式的码位具体安排：
对于单字节部分的码位分配是按照GB 11383-89的规则分配，其具体分配详见下图2-2，共有128个码位。对于双字节部分的码位分配可详见下表2-2-1，共有23940个码位（其中，汉字区码位21008个，图形符号区码位1038个，用户自定义区码位1894个）。对于四字节部分的码位分配可详见下表2-2-2，共有1587600个码位（其中，少数民族文字区码位14731个，CJK统一汉字区码位67145个，用户自定义区码位25200个，保留区1480524个）。
图 2-2：单字节部分的码位分配图
表 2-2-1：双字节部分的码位分配表
表 2-2-2：四字节部分的码位分配表
由上表可知，根据GB 18030-2022，对于双字节部分的码位分配已全部分配完毕，对于四字节部分的码位分配，其已分配的仅占全部码位的6.7%，仍有大量的码位空间待分配。
3、关于字符
在GB 18030-2022中对于字符的安排是，单字节方式的字符数128个（可见图2-2），其字符的排序顺序应符合GB/T 11383-89中相应字符的顺序排列。双字节方式的字符数为21882个，具体详见下表2-3-1（包括图形符号894个，汉字20974个，汉字部首14个）；其字符的排列顺序应符合GB 18030-2022附录A的规定（它同时给出了该字符对应的GB/T 13000代码位置）。四字节方式的字符数72859个，具体详见下表2-3-2（包括我国少数民族文字5732个，CJK统一汉字66913个，汉字部首214个），其字符的排列顺序应符合GB 18030-2022附录C的规定（它同时给出了该字符对应的GB/T 13000代码位置）。据此，在GB 18030-2022中收录的汉字共87887个。
表 2-3-1：双字节方式的字符情况
表 2-3-2：四字节方式的字符情况
4、关于字符集的实现级别
关于GB 18030的三个版本，虽然都是强制性标准，且是我国在汉字编码方面唯一的一个强制性标准，但各版本强制性要求是不相同的，具体情况详见下表2-4-1。对于GB 18030-2022版本，在全文强制的基础上设立3个实现级别，并给出应达到各实现级别要求的产品类型（其中实现级别3要求最高），具体情况详见下表2-4-2。这样对于中文字符集的使用应用将更加人性化。
表 2-4-1：GB 18030的三个版本强制性要求
表 2-4-2：GB 18030-2022的实现级别要求
三、GB 18030与ISO/IEC 10646（GB/T 13000）、Unicode字符集之间的比较
与GB/T 2312相比，GB 18030与ISO/IEC 10646（GB/T 13000）、Unicode这几种字符集的字汇要大的多，在广义上都可以称为“大字符集”，显然优于GB/T 2312。因此，下面的比较将不包括GB/T 2312。由于GBK已经被GB 18030-2000取代，下面的比较将在GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode字符集之间进行。
欲更多了解相关国际汉字编码字符集介绍的请进入：ISO/IEC 10646；Unicode
1、技术方面
在技术方面，主要表现在编码空间、字汇容纳、编码字节方式、兼容性等方面，具体详见下表3-1。
表 3-1：GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode之间在技术方面的比较
2、管理方面
在管理方面，主要是从字符集的研制、完善和应用的主动性和影响力方面的比较，具体详见下表3-2。
表 3-2：GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode之间在管理方面的比较
综上所述，GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode规范在技术上都十分优秀。从我国信息技术和信息产业发展的角度考虑，无论采用GB 18030还是ISO/IEC 10646都十分有利，而在我国直接采用Unicode规范显然是不合适的。考虑到解决我国用户的需要和解决旧有系统的兼容性问题，以及信息安全的要求，目前采用GB 18030是较为有利的选择。
欲进一步了解我国字符编码介绍的请进入。
82.96KB
