中文国家标准 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

看到TAOBAO采用了 GB18030 字符集，收集下资料 meta http-equiv ="Content-Type" content ="text/html; charset=GB18030" / <script type="text/javascript"> </script> <script class="blogstory"> </script> GB18030 有两个版本：GB18030-2000和GB18030-2005。GB18030-2000是GBK的取代版本，它的主要特点是在GBK基础上增加了 CJK统一汉字扩充A的汉字。GB18030-2005的主要特点是在GB18030-2000基础上增加了CJK统一汉字扩充B的汉字。本文数一数 GB18030中的汉字，也顺便看看其它标准中的汉字。

GB18030-2000

.1 字汇

GB18030-2000的字汇部分是这样写的：

本标准收录的字符分别以单字节、双字节和四字节编码。 .1 单字节部分 　　本标准中，单字节的部分收录了GB 11383的0x00到0x7F全部128个字符及单字节编码的欧元符号。 .2 双字节部分 　　本标准中，双字节的部分收录内容如下： 　　GB 13000.1的全部CJK统一汉字字符。 　　GB 13000.1的CJK兼容区挑选出来的21个汉字。 　　GB 13000.1中收录而GB 2312未收录的我国台湾地区使用的图形字符139个。 　　GB 13000.1收录的其它字符31个。 　　GB 2312中的非汉字符号。 　　GB 12345 的竖排标点符号19个。 　　GB 2312未收录的10个小写罗马数字。 　　GB 2312未收录的带音调的汉语拼音字母5个以及ɑ 和ɡ 。 　　汉字数字“〇”。 　　表意文字描述符13个。 　　增补汉字和部首/构件80个。 　　双字节编码的欧元符号。 .3 四字节部分 　　本标准的四字节的部分，收录了上述双字节字符之外的，包括CJK统一汉字扩充A在内的GB 13000.1 中的全部字符。

.2 汉字

如下表所示，GB18030-2000收录了27533个汉字：

类别 码位范围 码位数 字符数 字符类型 双字节部分 第一字节 0xB0-0xF7 第二字节 0xA1-0xFE 6768 6763 汉字 第一字节 0x81-0xA0 第二字节 0x40-0xFE 6080 6080 汉字 第一字节 0xAA-0xFE 第二字节 0x40-0xA0 8160 8160 汉字 四字节部分 第一字节 0x81-0x82 第二字节 0x30-0x39 第三字节 0x81-0xFE 第四字节 0x30-0x39 6530 6530 CJK统一汉字扩充A

27533就是6763+6080+8160+6530。双字节部分的6763+6080+8160=21003个汉字就是GBK的21003个汉字。

在Unicode中，CJK统一汉字扩充A有6582个汉字，为什么这里只有6530个汉字？

这是因为在GBK时代，双字节部分已经收录过CJK统一汉字扩充A的52个汉字，所以还余6530个汉字。

 

 

 

GB2312有6763个汉字，GBK有21003个汉字，GB18030-2000有27533个汉字，GB18030-2005有70244个汉字。

Unicode 5.0中，如果不算兼容区，目前有70217个汉字