电脑可以识别什么字
80年代开始,个人计算机大量在中国使用,国家规定了GB2312的标准,在CCDOS上开始使用。GB2312在字形上是采用的中国国家颁布的汉字字形,全部是有拼音的,但是在编码上,为了保证计算机上的使用,采用的是ISO2022的编码法则。 对于当时,不同的国家,只有标准字符集和标准符号集在ISO2022中,不同国家的编码区域是完全一样的,但是在各自的文字区域是复用的,即,如果安装了GB2312就无法兼容安装日本的标准编码。在80年代末期和90年代初期,海峡两岸的交流越来越多,却出现了在计算机上文字互补兼容的问题,在90年代初期,制定了一个GBK的规范,就是在大陆的6763字后面,增加BIG5...全部
80年代开始,个人计算机大量在中国使用,国家规定了GB2312的标准,在CCDOS上开始使用。GB2312在字形上是采用的中国国家颁布的汉字字形,全部是有拼音的,但是在编码上,为了保证计算机上的使用,采用的是ISO2022的编码法则。
对于当时,不同的国家,只有标准字符集和标准符号集在ISO2022中,不同国家的编码区域是完全一样的,但是在各自的文字区域是复用的,即,如果安装了GB2312就无法兼容安装日本的标准编码。在80年代末期和90年代初期,海峡两岸的交流越来越多,却出现了在计算机上文字互补兼容的问题,在90年代初期,制定了一个GBK的规范,就是在大陆的6763字后面,增加BIG5里面的15000汉字的部分。
这个部分是字型与台湾的字型是一样的,但是编码仍然是ISO2022。同时80年代末期,国际上已经开始重视文化在计算机上的交流,提出了国际统一码的概念,就是在一个编码体系里面容下全世界的文字。针对这个倡议,世界各国组织了 Unicode委员会,同时也制定了一个新的编码标准,就是ISO10646编码。
由于90年代初期,认识的局限性,中国没有积极的参与这个活动,日本, 韩国在第一个标准里面占据了大量的码位,后来成立了SuperC。J。K小组进行协调,在这个标准里面,把大陆,台湾的字型都放在里面的话由中国人占据的码位是20902个,含了所有的GB2312,GBK, BIG5的字型字。
90年代末期,中国政府在此基础上,对于部分字型进行了处理和规范,形成了GB13000。1的标准文件,字型略有不同,但是编码是采用ISO10646的编码体系。目前在大陆的微软系统用字是ISO10646的20902个汉。
Unicode和ISO10646在初期的理论基础是不同的,Unicode认为字符编码应该是变长的,而ISO10646认为字符编码是定长的,并且用2字节码就可以把世界上所有的文字解决完。UTF- 8,UTF-16,UTF32就是在Unicode的理论上形成的计算机信息格式编码。
在ISO10646的前面几个版本,是可以用USC2,和UTF- 8进行处理的。但是,在90年代末期,中国向Unicode委员会又提交了6千多个汉字,ISO10646的编码体系最大只能放65536个字符,无法满足东亚语言新提交的字符要求,所以ISO10646从3。
0开始进行扩充,在原有编码基础上,对于还未用满的区域进行了扩充,拓展了一部分到4字节,这样 ISO10646的编码空间从65536到了150万字符的容量。所以在后来的ISO10646标准都是采用了变长码的原则,完全与Unicode重合了。
这样Unicode和ISO10646变成了等同的关系,目前已经到4。0了,一共有71000汉字。在4。0中一共是3个部分,基本级20902, 扩充A6千多个,扩充B4万5千多个。回过来,在中国进行WTO谈判时,某些政府官员自己认为要反对文化入侵,对于外国进入中国的信息系统进行限制,在仓促之间推出了GB18030-2000,这个标准在ISO10646的基本集的20902字是用ISO2022进行编码的,对于扩充A的字是采用的四字节码。
但是在计算机实现上,不能ISO2022和ISO10646混用,如何解决了?微软就在表现层是GB18030-2000的,在底层是 ISO10646的,用UTF-8处理。所有的多国语言问题都是这样处理啦。
目前在Unix和Linux的处理是,把6千多个4字节变换成2字节,在表现层和底层都用ISO2022的标准。新的Linux的内核和X-Windows都支持Unicode的,所以,我们计划在新的计划中,变成和微软一样的处理方法,使得底层是统一编码的,表现层是可以多编码转换的关系。
因为扩充B的4万5千多字无法转换成2字节编码啦(65536限制),所以今年将发布的 GB18030-2003的新的和扩充B等同的部分使得Linux和Unix将付出新的代价。建议FreeBSD处理时最好采用和微软公司一样的方法。
一次解决后,只需做翻译码表,而不需要动底层了。当时我是国家图书馆的总工程师向信息产业部质疑为什么GB18030-2000是强制性的,如何解决多国语言问题?如何参加国际交流?现在教育部语言文字委员会开始研究ISO10646/Unicode/GB13000的问题,因为康熙字典有52000字,大约有4000多个在V4。
0中,中华大字典。收起