一、概述

1、中文編碼字符集（GB 18030）的淵源

我們知道，相對于中文編碼字符集，我國在2000年前就有近十個字符集的標準或規范在實施，具體詳見下表1-1所列（包括字符集的標準名稱與特征），好不熱鬧！這些字符集，有我國自主制定的，有等同采用國際標準制定的；有國家標準的，有部門技術規范的；收錄的圖形字符（漢字、CJK統一漢字、圖形符號等）的數量、字形、用途、種類（簡化字、繁體字、異體字、CJK等）以及編碼技術等要求也不盡相同。這就帶來了一些嚴峻的現實問題，重點表現在如下方面：一是字符集的互相兼容問題，特別是國內自主制定的字符集標準與國際標準的兼容性。二是字符集多而雜亂，為字符集使用者的使用帶來苦惱與極大的不便。三是某些字符集的強制力欠缺（如還有以部門技術規范文件來發布的），為字符集的應用帶來其隨意性。

表 1-1：當時我國存在的中文編碼字符集情況（2000年前）

鑒于上述，我國亟待需要一個統一的、全面的、權威的、兼容性好的中文（不僅是漢字，還應包括我國的少數民族文字）編碼字符集，以更有利于我國中文字符集信息的處理和信息通信。

2、中文編碼字符集（GB 18030）的首發

于是，在2000年3月，我國首次自主編制并發布了GB 18030-2000《信息技術 信息交換用漢字編碼字符集 基本集的擴充》。該字符集是我國首次采用三種字節方式編碼技術，即單字節（圖形符號編碼）、雙字節和四字節（漢字編碼）。在之前我國的漢字編碼字符集均是采用雙字節編碼方式，此是我國首次對四字節編碼做出了安排。這是因為對于漢字編碼字符集來講，GB 18030-2000收錄了表1-1中所示的所有字符集的漢字，多達27585個，僅采用雙字節方式編碼是不可能實現的。

GB 18030-2000的發布，對我國漢字編碼字符集進行了統一標準發布，且是以國家強制性標準發布，關鍵是它向下兼容原來的基本集、輔助集和GBK，向上支持國際標準的UCS/Unicode（即GB/T 13000.1），徹底解決了原來諸多字符集的不堪現實。GB 18030-2000的編碼是在GB 2312和GBK的基礎上進行的，它增加了四字節的編碼，能完全映射UCS/Unicode的基本平面和輔助平面中的字符集。下表1-2總結了GB 1803字符集的特點（優點）。

表 1-2：GB 1803字符集的特點

欲更多了解我國早期漢字編碼字符集介紹的請進入：基本集；GBK

3、中文編碼字符集（GB 18030）的修訂

從GB 18030-2000《信息技術 信息交換用漢字編碼字符集 基本集的擴充》標準名稱可以看出，其出發點是建立在對GB/T 2312（基本集）的擴充，即GB 18030-2000只是對編碼漢字數量的擴充，擴充的數量為：雙字節擴充到GBK的數量（21003個）；四字節安排了CJK統一漢字擴充A的數量（6582個）。此時，還不是中文編碼字符集（仍是一個漢字編碼字符集），因為它還沒有包括我國少數民族的文字。

于是，在2005年對GB 18030-2000進行了第1次修訂，此時標準的名稱變為GB 18030-2005《信息技術 中文編碼字符集》，即它不僅包含了編碼漢字（又增加了CJK統一漢字擴充B），也包括了編碼少數民族文字。在2022年對GB 18030進行了第2次修訂，此次修訂標準的名稱保持不便，對漢字和少數民族文字的數量都進行了擴充。三個版本標準的編碼體系結構均保持不變，詳見下表1-3-1（可知，其提供的編碼位組多達16112838碼位）。下表1-3-2匯總了三個版本的字匯構成情況，以了解其包括的字匯及增擴情況。

表 1-3-1：GB 18030的編碼體系結構

表 1-3-2：GB 18030各版本的字匯構成情況

欲詳細了解GB 18030標準版本變化情況的請進入。

二、GB18030-2022字符集介紹

GB 18030-2022《信息技術 中文編碼字符集》于2022年8月開始實施，是我國最適合我國國情、最齊全、最權威的中文（漢字和少數民族文字）編碼字符集，其中編碼的漢字數量達到8.7887萬個，比2005年版增加了1.7萬余個；少數民族文字達到10種。可適應我國各行各業的文字信息的處理與交換，其適用對象為所有具備中文信息化處理及交換功能的產品，包括軟件產品和硬件產品，具體包括但不限于下表2-0所示。下述對GB 18030-2022做一簡要介紹，若要詳細了解該字符集具體內容的請查閱下附件。

表 2-0：GB 18030-2022所適用于的軟硬件產品

附件：GB 18030-2022《信息技術 中文編碼字符集》

1、關于字匯

GB 18030-2022收錄的字符是以單字節、雙字節和四字節編碼，各字節方式的字匯構成已匯總于表1-3-2之中。

2、關于碼位

對于中文編碼字符集GB 18030的碼位總體結構以及各字節方式的碼位具體安排，其三個版本是完全相同的，具體可見表1-3-1。在GB 18030各版本中還分別給出了三種字節方式的碼位安排總體結構圖。下述依據GB 18030-2022具體介紹各字節方式的碼位具體安排：

對于單字節部分的碼位分配是按照GB 11383-89的規則分配，其具體分配詳見下圖2-2，共有128個碼位。對于雙字節部分的碼位分配可詳見下表2-2-1，共有23940個碼位（其中，漢字區碼位21008個，圖形符號區碼位1038個，用戶自定義區碼位1894個）。對于四字節部分的碼位分配可詳見下表2-2-2，共有1587600個碼位（其中，少數民族文字區碼位14731個，CJK統一漢字區碼位67145個，用戶自定義區碼位25200個，保留區1480524個）。

圖 2-2：單字節部分的碼位分配圖

表 2-2-1：雙字節部分的碼位分配表

表 2-2-2：四字節部分的碼位分配表

由上表可知，根據GB 18030-2022，對于雙字節部分的碼位分配已全部分配完畢，對于四字節部分的碼位分配，其已分配的僅占全部碼位的6.7%，仍有大量的碼位空間待分配。

3、關于字符

在GB 18030-2022中對于字符的安排是，單字節方式的字符數128個（可見圖2-2），其字符的排序順序應符合GB/T 11383-89中相應字符的順序排列。雙字節方式的字符數為21882個，具體詳見下表2-3-1（包括圖形符號894個，漢字20974個，漢字部首14個）；其字符的排列順序應符合GB 18030-2022附錄A的規定（它同時給出了該字符對應的GB/T 13000代碼位置）。四字節方式的字符數72859個，具體詳見下表2-3-2（包括我國少數民族文字5732個，CJK統一漢字66913個，漢字部首214個），其字符的排列順序應符合GB 18030-2022附錄C的規定（它同時給出了該字符對應的GB/T 13000代碼位置）。據此，在GB 18030-2022中收錄的漢字共87887個。

表 2-3-1：雙字節方式的字符情況

表 2-3-2：四字節方式的字符情況

4、關于字符集的實現級別

關于GB 18030的三個版本，雖然都是強制性標準，且是我國在漢字編碼方面唯一的一個強制性標準，但各版本強制性要求是不相同的，具體情況詳見下表2-4-1。對于GB 18030-2022版本，在全文強制的基礎上設立3個實現級別，并給出應達到各實現級別要求的產品類型（其中實現級別3要求最高），具體情況詳見下表2-4-2。這樣對于中文字符集的使用應用將更加人性化。

表 2-4-1：GB 18030的三個版本強制性要求

表 2-4-2：GB 18030-2022的實現級別要求

三、GB 18030與ISO/IEC 10646（GB/T 13000）、Unicode字符集之間的比較

與GB/T 2312相比，GB 18030與ISO/IEC 10646（GB/T 13000）、Unicode這幾種字符集的字匯要大的多，在廣義上都可以稱為“大字符集”，顯然優于GB/T 2312。因此，下面的比較將不包括GB/T  2312。由于GBK已經被GB 18030-2000取代，下面的比較將在GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode字符集之間進行。

欲更多了解相關國際漢字編碼字符集介紹的請進入：ISO/IEC 10646；Unicode

1、技術方面

在技術方面，主要表現在編碼空間、字匯容納、編碼字節方式、兼容性等方面，具體詳見下表3-1。

表 3-1：GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode之間在技術方面的比較

2、管理方面

在管理方面，主要是從字符集的研制、完善和應用的主動性和影響力方面的比較，具體詳見下表3-2。

表 3-2：GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode之間在管理方面的比較

綜上所述，GB 18030、ISO/IEC 10646（GB/T 13000）和Unicode規范在技術上都十分優秀。從我國信息技術和信息產業發展的角度考慮，無論采用GB 18030還是ISO/IEC 10646都十分有利，而在我國直接采用Unicode規范顯然是不合適的。考慮到解決我國用戶的需要和解決舊有系統的兼容性問題，以及信息安全的要求，目前采用GB 18030是較為有利的選擇。

欲進一步了解我國字符編碼介紹的請進入。