GBK (kódování znaků) - GBK (character encoding)

tento článek potřebuje další citace pro ověření. Prosím pomozte vylepšit tento článek podle přidávání citací ke spolehlivým zdrojům. Zdroj bez zdroje může být napaden a odstraněn. Najít zdroje: "GBK" kódování znaků  – zprávy  · noviny  · knihy  · učenec  · JSTOR (Říjen 2016) (Zjistěte, jak a kdy odstranit tuto zprávu šablony)

Guojia Biaozhun Kuozhan (GBK)

Rozložení GBK (viz. níže pro větší kopii tohoto diagramu)
MIME / IANA	GBK
Alias ​​(y)	CP936, MS936, windows-936, csGBK
Jazyk (y)	Webové prohlížeče, dekódovat jako GB 18030, podporující všechny jazyky, zatímco kódování (a další softwarové dekodéry) se primárně používá pro Zjednodušená čínština, ale také podporuje Tradiční čínština, japonský, Angličtina, ruština a (částečně) řecký.
Standard	GBK 1.0
Klasifikace	Rozšířené ASCII,[A] kódování s proměnnou šířkou, Kódování CJK
Rozšiřuje	EUC-CN
Předcházet	GB2312
Uspěl	GB 18030
^ Není to v nejpřísnějším slova smyslu, protože bajty ASCII se mohou jevit jako sledovací bajty.

GBK je rozšířením GB2312 znaková sada pro Zjednodušené čínské znaky, použitý v Čínská lidová republika. Zahrnuje vše sjednocené Znaky CJK nalezené v GB13000.1-93, tj. ISO / IEC 10646: 1993, nebo Unicode 1.1. Od svého počátečního vydání v roce 1993 byla společnost GBK rozšířena společností Microsoft v Kódová stránka 936/1386, který byl poté rozšířen na GBK 1.0. GBK je také internetový název registrovaný IANA pro mapování Microsoftu,^[1] který se liší od ostatních implementací primárně jednobajtovým znak eura v 0x80.

GB zkracuje Guojia Biaozhun, což znamená národní norma v čínštině, zatímco K. znamená Rozšíření (扩展 kuòzhǎn). GBK nejen rozšířil starý standard GB2312 o tradiční čínské znaky, ale také o čínské znaky, které byly zjednodušeny po založení GB2312 v roce 1981. S příchodem GBK byla některá jména se znaky, která dříve nebyla reprezentativní, jako 镕 (róng) postava v bývalém čínském premiérovi Zhu Rongji jméno, jsou nyní reprezentovatelné.^[2]

Od června 2020^{[Aktualizace]}, GBK je druhé nejpopulárnější čínské kódování (po GB2312, i když je pravděpodobné, že jsou dekódovány jako jedno a totéž), přičemž jej deklaruje 3,6% webových stránek z Číny a území,^[3] nebo 0,2% všech webových stránek globálně,^[4] to je, když je takto označeno, ale všechny hlavní webové prohlížeče dekódují dokumenty označené jako např. "GB 2312„nebo“GB2312 „jako by byly označeny„ gbk “(i když ne u stránek označených„ GB_2312 “),^[5] a GBK a kódování podmnožiny GB 2312 mají kombinovaný 16,7% podíl (nebo 0,6% globálně).

Dějiny

V roce 1993 Unicode Byla vydána verze 1.1, včetně 20 902 znaků použitých v pevninská Čína, Tchaj-wan, Japonsko a Korea. Poté Čína vydala GB13000.1-93, Guobiao standard ekvivalent Unicode 1.1.

The GBK znaková sada byla definována v roce 1993 jako rozšíření GB2312 -80, přičemž zahrnuje také znaky GB13000.1-93 prostřednictvím nevyužitých kódových bodů dostupných v GB2312. GBK je tedy zpětně kompatibilní s GB2312.

Microsoft implementoval GBK v Windows 95 a Windows NT 3.51 tak jako Kód Strana 936. Zatímco GBK nikdy nebyl oficiálním standardem, rozšířené používání Windows 95 vedlo k tomu, že se GBK stalo de facto Standard. Zatímco GBK obsahoval všechny čínské znaky definované v Unicode 1.1 a GB13000.1-93, tyto standardy používaly různé kódové tabulky. Hlavním důvodem jeho existence bylo jednoduše překlenout propast mezi GB2312-80 a GB13000.1-93.

V roce 1995 stanovil čínský národní technický výbor pro normalizaci informačních technologií specifikaci rozšíření interního čínského kódu (čínština : 汉字 内 码 扩展 规范 (GBK); pchin-jin : Hànzì Nèimǎ Kuòzhǎn Guīfàn (GBK)), Verze 1.0, známá jako GBK 1.0, což je mírné rozšíření Codepage 936. Nově přidaných 95 znaků nebylo v GB 13000.1-1993 nalezeno a bylo jim dočasně přiděleno Unicode PUA kódové body.^[6]:534

Microsoft později přidal znak eura na kódovou stránku 936 a přidělil jí kód 0x80. Toto není platný kódový bod v GBK 1.0.

V roce 2000 GB18030 Byl vydán standard 2 000, který nahrazuje a přitom zachovává kompatibilitu s GBK 1.0. Zvýšila počet definic čínských znaků a rozšířila počet možných znaků implementací čtyřbajtových znakových mezer. Podmnožina GB 18030 skládající se z jednobajtových a dvoubajtových znaků se někdy také označuje jako GBK. Mapování na Unicode se však mírně změnilo, protože některé znaky jsou nyní definovány v Unicode. V nejaktuálnější podobě standardu, GB 18030-2005, pouze 24^[7] znaky jsou stále mapovány na Unicode PUA (viz GB 18030 # PUA.)

V roce 2002 GBK byl zaregistrován jako znaková sada IANA; použití registrace kódová stránka 936 mapování i aliasy CP936 / MS936, ale odkazuje na specifikaci GBK 1.0.^[1] W3C technické doporučení zveřejněné v roce 2015^[8] definuje a GBK kodér jako kodér GB 18030 s jednobajtovým znakem eura a bez čtyřbajtových sekvencí (zatímco W3C GBK dekodér specifikace nemá žádné takové omezení, dekóduje jako GB 18030, tj. se stejným rozsahem písmen jako všechna Unicode ).

Kódování

Znak je kódován na 1 nebo 2 bajty. Bajt v rozsahu 00–7F je jeden bajt, který znamená to samé jako v ASCII. Přesně řečeno, v tomto rozsahu je 95 znaků a 33 řídicích kódů.

Bajt se sadou vysokých bitů označuje, že se jedná o první ze 2 bajtů. Volně řečeno, první bajt je v rozsahu 81–FE (tj. nikdy 80 nebo FF) a druhý bajt je 40–A0 až na 7F pro některé oblasti a A1–FE pro ostatní.

Přesněji jsou definovány následující rozsahy bajtů:

Schéma rozložení

Následující obrázek ukazuje v grafické podobě prostor všech 64 kB možných 2bajtových kódů. Zelené a žluté oblasti jsou přiřazeny kódové body GBK, červená je pro uživatelem definované znaky. Nezbarvené oblasti jsou neplatné kombinace bajtů.

Vztah k jiným kódováním

Oblasti uvedené v předchozí části jako GBK / 1 a GBK / 2, které jsou samy o sobě, jsou jednoduše GB2312-80 ve svém obvyklém kódování, GBK / 1 je non-hanzi region a GBK / 2 je hanzi region. GB2312 nebo přesněji jeho kódování EUC-CN bere z rozsahu pár bajtů A1–FE, jako každá znaková sada ISO-2022 94² načtená do GR. To odpovídá pravé dolní čtvrtině výše uvedeného obrázku. GB2312 však nepřiřazuje žádné body kódu řádkům umístěným na AA–B0 a F8–FE, i když to vytyčovalo území. GBK přidal do těchto řádků rozšíření. Vidíte, že tyto dvě mezery byly vyplněny uživatelem definovanými oblastmi.

Významněji GBK rozšířil rozsah bajtů. Mít dvoubajtové znaky v rozsahu ISO-2022 GR dává limit 94² = 8 836 možností. Opuštění modelu přísných oblastí podle ISO-2022 pro grafické a řídicí znaky, ale zachování funkce nízkých bajtů, které jsou jednobajtové znaky a dvojice vysokých bajtů označujících znak, byste mohli mít 128² = 16384 pozic. GBK se toho účastní a rozšiřuje rozsah od A1–FE (94 možností pro každý bajt) až 81–FE (126 možností) pro první bajt a 40–FE (191 možností) pro druhý bajt, tedy celkem 24 066 pozic.

Kódová stránka společnosti Microsoft je obecně považována za GBK.^[1] Nicméně 95 znaků PUA přidané v GBK 1.0 nejsou zahrnuty do kódové stránky 936. Kódová stránka 936 má také jednobajtový kód znak eura na 0x80, které GBK 1.0 nemá.^[9]

GBK nástupce, GB18030 -2000, použije zbývající rozsah dostupný pro druhý bajt (30–39) k dalšímu rozšíření počtu možností při zachování GBK jako podmnožiny.

Reference

Poznámky

externí odkazy

• Autoritativní mapování GBK na ICU - část Data GB18030
• Stránka Microsoft Reference pro GBK
• Mapování GBK na Unicode Pozn .: toto je kódová stránka Microsoftu 936, která obsahuje položky pro 21791 dvoubajtových kódových bodů, 96 jednobajtových grafických znaků a 33 řídicích znaků. To není úplně stejné jako GBK, které má 21886 znaků.
• Tabulka kódů GBK N.B. Tato stránka s kódováním gbk zobrazuje dostupný kódovací prostor zcela naplněný, kromě 2 míst, pro celkem 32256 glyfů (32352 s implikovanými jednobajtovými kódy ASCII nejsou zobrazeny), což je více než 23940 nebo 21886. Aktuální vykreslení této tabulky záleží na dekodéru GBK vašeho prohlížeče.