gbk编码表如何制作GBK与Unicode的对照表

GBK版与UTF版有什么区,哪个好

ASCII(ISO-8859-1)是鼻祖，最简单的方式，字节高位为0 GB2312、GBK、GB18030，这几个是中文编码方式，并向下兼容。

GB2312包含7000多个汉字和字符，GBK包含21000多个，GB18030更厉害，到了27000多个。

他们都是用2个字节来表示一个汉字。

跟ascii是怎么区分的呢？如果高字节的高位为1（也就是高字节大于127），就表示是汉字，低字节并无明显特征。

Unicode是统一编码，它建立了一个全世界统一的码表。

世界上的所有文字，在这张码表中都是唯一的。

UTF－8是Unicode的一种存储、传输方式。

它将整个Unicode码表分为3部分。

0000 - 007F 这部分是最初的ascii部分，按原始的存储方式，即0xxxxxxx。

0080 - 07FF 这部分存储为110xxxxx 10xxxxxx 0800 - FFFF 这部分存储为1110xxxx 10xxxxxx 10xxxxxx 因此，一个汉字究竟被存储为什么，就需要：先查unicode码表，然后根据在码表的位置进行计算。

例如：“电”字，在码表中是3575，计算成utf8就是E794B5，而在GB2312的码表中为B5E7 UTF－8的好处：兼容ASCII，存储英文文件都是单字节，文件小。

当然，当以存中文为主时就变成了3字节编码了，比GB系列还大！如何标明一个文件是utf8格式呢？这个标记是可选的：EF BB BF。

比如，用windows自带的记事本创建一个utf8格式的文件，就会加上这个标记。

但是，如果用ultraedit创建utf8文件，并不会加上这个标记。

这个标记有个术语，叫做BOM（Byte Order Mark）。

不带BOM的utf8文件和GB2312文件怎么区分呢？我也不知道。

唯一能想到的办法就是：先用一种试，如果出现乱码，就用另一种再试:) UTF－16是双字节存储，这就带来一个问题，即高低字节的顺序。

两个字节有两种顺序，它们也用BOM来标明。

分为大尾码和小尾码两种。

大尾码的BOM是FEFF，小尾码的BOM是FFFE 所以我觉得还是GBK好些，如果你是中文站的话 以上内容引用某人博客

gbk 编码表查询

GBK码: 华=BBAA 堉=88D6 竹=D6F1 GBK码数字形式: 华=11,11,10,10 堉=8,8,13,6 竹=13,6,15,1

如何制作GBK与Unicode的对照表

从网上搜索到发表于2010年的《制作GBK-Unicode编码对照表的方法》拷贝于下供参考： Java的字符串String类功能强大，不但能进行一些基本的字符串操作，还可以根据需要构造指定字符集的字符串，本文所介绍的方法正是利了这一点，这种方法的基本思路是： 1、遍历GBK编码表中的所有汉字，使用该字的GB编码构造一个字符串。

GBK编码表中各部分的汉字分块比较整齐，很容易遍历。

2、使用getBytes方法取得该字符的字节数组，由于Java是用unicode来表示字符的，所以此汉字的unicode就在其中。

以下是一段示例代码： { int count = 0; for(int segIndex=0xb0; segIndex<=0xf7; segIndex++) { for(int charIndex=0xa1; charIndex<=0xfe; charIndex++) { byte gbkBytes = new byte {(byte)(segIndex), (byte)charIndex}; byte unicodeBytes; String str = new String(gbkBytes,"GBK"); unicodeBytes = str.getBytes("unicode"); if(unicodeBytes.length == 4) { count++; String buffer = ""; for (int i=0;ibr /> buffer += (int)(0x00ff&gbkBytes[i]) + " "; for (int i=3;i>1;i--) buffer += (int)(0x00ff&unicodeBytes[i]) + " "; buffer += ""; osw.write(buffer); } } } } 这一段是对GBK/2区的汉字进行遍历并处理的代码，GBK/2区的首字节范围在[0xb0,0xf7]，尾字节范围在[0xa1,0xfe]，在构造字符串时使用的字符集为GBK String str = new String(gbkBytes,"GBK"); 在使用getBytes取得的字节数组中会有四个元素，前两个不知是做什么用的，可能与字符串本身的结构有关，接下来的两个字节才是真正的unicode码。

但这两个字节是倒序的，要从最后一个字节开始取，之所以这样是与big_endian和little_endian有关的，这里不多说。

当每一次内层循环结束时，buffer字符串中前两个数字就是一个GB码，后面两个数字就是一个unicode码，把它写到文件中就行了。

这样的文件得到之后，再在另外的程序中载入文件，把Unicode值装入数组，以GB码为索引，就可以很方便地由GB码查得Unicode码。