GB2312编码（加2020H、8080H原理）

背景

问题: 某汉字的国标码为5650H，那么它的机内码为（ B ）。A E6E0H
B D6D0H
C C6C0H
D 8080H

答题

思考

为什么要加上2020H和8080H？区位码、内码、国标码怎么转换非常简单，原因是什么？

• GB2312是中文编码，但是里面有对 26个英文字母和一些特殊符号的编码，按理说这和ASCII重合的部分应该无需设置，沿用ASCII中不就行了？但是当时在制定GB2312之前，就决定覆盖掉ASCII中符号和英文字母部分，所以将其中的英文字母和符号重新编入GB2312中。而对于ASCII中前32个控制字符则继续沿用。所以保留前32字符，将汉字编码向后偏移32，十六进制20H，这也就是区位码要加上20H得到国标码，这就是GB2312的编码规范。
• 而这样产生一个弊端，某些早期用ASCII码编码的英文文章无法打开，一打开就是乱码，也就是说应该要兼容早期ASCII码而不是覆盖它！为了解决这个问题，将字节的最高位设为1，因为**ASCII中使用7位，最高位为0。这样就区分开了ASCII和GB2312**。这也是为什么要加上8080H。 其实我们说国标码才是GB2312的规范编码，后来的内码是微软为了解决冲突问题而采用的方式，本质上是修改了GB2312的编码标准，而这种方法最后产生的编码最后就被一些教科书称为内码
• 个人理解:
  • 2020H: 相当于ASCII中 前32字符， 32换算16进制 就是20H
  • 8080H: 相当于ASCII中 128个字符，128换算16进制就是 80H
  • 最终:
    • 机内码 = 国标码 + 8080H
    • 机内码 = 区位码 + A0A0H
    • 国标码 = 区位码 + 2020H

相关资料

• GB2312编码（为什么要加2020H、8080H，外码→内码→交换码→字形码）
• 在计算机中 ascii码是几位二进制编码,ASCII码采用多少位二进制编码
• 刨根究底字符编码之六——简体汉字编码中区位码、国标码、机内码、外码、字形码的区别及关系