GB 2312

GB2312
术语名称	GB2312
英语名称	GB2312

GB 2312 是中国国家标准总局颁布的国家标准，是官方字符集与字符编码之一，标准名为《信息交换用汉字编码字符集》，标准号为 GB/T 2312-1980 ，可简称 GB/T 2312 。其中 2017.3.23 起由强制标准转化为推荐性标准，但由于作为强制标准时间较长，以及相关注册时已经使用 GB 2312 的名称，在多数场合下仍然会继续称之为 GB 2312 、 GB 2312-80 或 GB 2312-1980 。

GB 2312 是一种编码空间为 94×94 的字符集，其对应的字符编码方案有多种。首先码位本身称为区位码；其次与 ISO 2022 兼容，也作为其中的 ISO-2022-CN 编码的一部分；单独使用时，每个分量被 0x20 偏移的称为国标码/交换码；符合 EUC 系列的字符编码规范，被 0xA0 偏移的称为机内码，也被称为 EUC-CN 编码，或直接称为 GB 2312 编码。

字符集特征

收录了特殊符号以及被称为一二级汉字的两个区，字符集中一共有 7445 个字符：

• 特殊符号： 682 个。包含标点符号、假名、希腊字母、西里尔字母、非 ASCII 的拼音字母、注音符号等。
• 一级汉字： 3755 个。
• 二级汉字： 3008 个。

需要注意这个一级汉字和二级汉字的标准不是《通用规范汉字表》（8105 标准）等常用字规范中的一级汉字和二级汉字，这是两系列并行的标准。

码位特征

在 GB 2312 94×94 的编码空间中，码位由高低两个字节组成，可以看作二元组。其第一分量（行编号）称为区，第二分量称为位。区位都使用 0 填充的两位数字表示，表示为 01-94 ，如第一个汉字“啊”的区码为 16 ，位码为 01 。区位合称为区位码(qūwèi code)，可以认为“区位码”一词就是“码位”在 GB 2312 中的实现。如“啊”的区位码为 1601 。

整体而言， GB 2312 编码空间按以下规则分布：

• 01-09 区：特殊符号。
• 16-55 区：一级汉字。 55 区的 90-94 未分配。
• 56-87 区：二级汉字。
• 10-15 区及 88-94 区：未分配。

常见编码

区位码

区位码本身虽然不直接用在计算机上进行二进制存储传输，由于长度固定且四位数便于记忆，在使用打孔卡的场景下仍然大量使用。

ISO-2022-CN

GB 2312 符合 ISO 2022 中 94 宽度字符集的规则，在 ISO-2022-CN 中也使用了相应编码，见 ISO 2022 。

同样按照这一规则， 1990 年代各国都在编码中避开控制区（0x00-1F），使用后面的 96 个位置进行编码（如果考虑 ISO 2022 中 0x20 和 0x7F 是固定位置，也会排除 0x20 和 0x7F ）。也就是说，编码在 0x21-7E 范围内。因此，不涉及 ISO 2022 切换字符集的场景下，有以下几种编码。

交换码

国标码或交换码：将区位分别加上偏移量 0x20 ，也就是说编码为 0x21-7E 的双字节。由于这种方式不完全兼容 ASCII ，对设施有一定不兼容。事实上， 03 区编码的就是 ASCII 的变体，严格地说是 ISO 646-CN ，只是通常被实现为全角字符，硬要用应该可不是不可以，但是软件生态造成的阻力较大，因此这种编码很少使用。

机内码

机内码或内部代码，通常简称内码：将国标码区位分别加上偏移量 0x80 ，或者说原始的区位分别加上 0xA0 ，也就是说编码为 0xA1-0xFE 的双字节。这种做法和大部分 ISO 8859 系列编码类似，都留出了对应的 ASCII 兼容部分和控制字符，被称为 EUC-CN 。

HZ 编码

HZ 编码（缩写自 Hanzi），仅用于邮件和 Usenet 中，是 ISO-2022-CN 的简化代替：由于电子邮件的协议 SMTP 以及当时新闻组中广泛使用的 Usenet 分布式讨论系统的协议 NNTP （后被万维网带来的 BBS 和论坛，以及 RSS 代替）都只允许正文中使用 7 位 ASCII 字符，部分硬件设施不支持 0x80 以上的字节，还有部分国家的国际网关会主动过滤 0x80 以上的字节。这一方法中使用 ASCII 文字范围内的转义序列进行状态切换：

• ~{ 从 ASCII 模式改为 HZ 模式
• ~} 从 HZ 模式改为 ASCII 模式
• ~~ ASCII 模式中代表 ~ 本身
• ~\n ASCII 模式换行
• ~[!-z|] 保留用途

这一编码也称为 HZ-GB-2312 ，被收录为 RFC 1842 。

使用

GB 2312 机内码是代码页 936 的基础，在中国大陆随着 Windows 系统被广泛使用，几乎全部汉字处理、通信等该场景都能看到这一字符编码。以这一字符集为基础的字体，经常后缀有“_GB2312”，这些字体仍然是部分场合下的标准，尽管这些字体在部分人名、地名、古汉语罕用字方面会出现一些出现字体回退到默认字体的问题，很多时候仍然是强制要求。

GB 2312 在 Unicode 流行前，曾经是最主流的编码，现在也有不少使用。尽管这一标准仅覆盖常用字，并因此在早期信息化时代造成了一些问题，但是仍然是一大突破。目前，这一标准已经退居推荐标准，其应用场合正在逐渐变为要求能够展示 GB 18030 中的所有字符。而且，由于 GB 2312 曾经是简体中文的标准字符集，在使用简体中文的马来西亚、新加坡等国家，以及中国香港、中国澳门等需要和内地信息交互的地区也有使用。

目前看来，由于国内场景逐渐以 GB 18030 作为主要标准，未来 GB 2312 的场景会被其取代，除了部分无法支持更长字节数字符的场景。国际场景则随着 Unicode 字符集的发展，网络场景及跨语言场景都在不断向 UTF-8 迁移以减少地区字符集不兼容造成的各种难以解决的问题。

常见字符编码
早期编码	电报码、 BCD 码 （BCDIC、EBCDIC）、ASCII （ISO 646）
ISO 8859	ISO 8859-1 、 ISO 8859-2 、……
国标系列	IBM 代码页 936 / GB 2312 、 IBM 代码页 1386 / GBK 、 IBM 代码页 54936 / GB 18030
Unicode / ISO 10646	UTF-7 、 UTF-8、 UTF-16 、 UTF-32