20 世纪中叶，国际标准 ISO 10646 想要整合各种文本编码方案。 但草案（DIS 10646）并没有统一各种汉字字符集，部分成员国也表示反对，这必然导致新的编码（）。 幸运的是，两者最终达成一致，ISO 10646:1993正式对应版本1.1。 否则，世界上就会有两个不同的字符集。
1. 编码流程
很久以前，计算机制造商有自己的表示字符的方式。 随着计算机越来越普及，制造商之间的竞争也越来越激烈，不同计算机系统之间的数据转换变得令人头疼。 最终，计算机制造商共同开发了一种描述字符的标准方法。 他们定义了使用字节的低 7 位来表示字符。 例如字母A是65，c是99，~是126等等，ASCII码就这样诞生了。 最初的 ASCII 标准定义了从 0 到 127 的字符，正好可以用七位来表示。 然而好景不长，其他国家的人们趁此机会开始使用128到255范围内的编码来表达自己语言中的字符。 勤劳的中国人民也行动起来了。 我们毫不客气地取消了数字127后面的奇怪符号，并规定：小于127的字符与原来的含义相同，但当两个大于127的字符连接在一起时，就代表一个汉字。 第一个字节（他称之为高字节）是从0xA1到0xF7，下一个字节（低字节）是从0xA1到0xFE。 这样，我们就可以组合出7000多个简体汉字了。 。 在这些代码中，我们还包括数学符号、罗马和希腊字母以及日语假名。 就连原本存在于ASCII中的数字、标点符号、字母都被重新编码成了两个字节长的代码。 ，通常被称为“全角”字符，而原本127以下的字符被称为“半角”字符，这种汉字方案被称为“”。
后来相应的编码方案不能满足应用需求，于是陆续进行了扩展。 首先，干脆不再要求低字节必须是127之后的内码。只要第一个字节大于127，就总是意味着这是一个汉字的开头，无论什么下面是在扩展字符集中。 由此产生的扩展编码方案称为 GBK 标准。 GBK收录了全部内容，同时增加了近2万个新汉字（含繁体字）和符号。 后来少数民族也想用计算机，我们就对其进行了扩展，增加了几千个新的少数民族字符，GBK就被扩展了。 从此，中华民族的文化得以在计算机时代得以传承。 这就带来了一点麻烦：字符串的长度和编码的长度并不完全对应，所以往往会解决中英文混用的问题。 这对中国程序员来说不是问题。 一个有趣的（xiao）函数可以解决这个问题。 另一个稍微大一点的问题是错误的传染性，某个地方丢失一个字节可能会导致后续文章变成乱码！
当各个国家像中国一样拿出自己的编码标准时，没有人理解彼此的编码，也没有人支持其他人的编码。 即使相距仅150海里的中国和台湾也使用相同的代码。 同一语言的兄弟也想出了自己的编码：BIG5。 ISO国际组织实在无法忽视，于是在1991年他们重新创建了一个包含地球上所有文化、所有字母和符号的代码！ 他们计划将其称为“-Octet Coded Set”，简称UCS，俗称“”。 他们雄心勃勃，创建了一个包含 65535 个码表的字符集，相信它可以覆盖所有字符。 该套件是 UCS-2。 由于容量严重不足，ISO后来推出了UCS-4解决方案。 简单来说，四个字节代表一个字符，这样我们就可以组合21亿个不同的字符（最高位还有其他用途）。
其背后的想法非常简单，但常常被误解。 它就像一本电话簿，标记了字符和数字之间的映射。 乔尔称它们为“神奇数字”，因为它们可能是随机分配的，没有任何解释。 官方术语是代码点，总是以 U+ 开头。 它不涉及字符如何用字节表示，只是指定了字符对应的数字，仅此而已。 他的编码和传输问题都是用UTF()来定义的，我们通常遇到的就是UTF-8、UTF-16和UTF-32。
2. 汉字编码
它是国际组织制定的一套字符编码方案，可以容纳世界上所有的文字和符号。 使用16位来表示一个字符，总共可以表示216（=65536）个字符。 目前，苹果、惠普、IBM、微软和甲骨文等IT公司都在采用，各个领域都已采用它作为行业标准。 每个国家或地区的 可以在代码网站上找到。 第一个版本1.0.0于1991年发布，至今已经补充了20多次。 截至本文发表时最新版本为2022年9月发布的15.0。1.0.0包含第一批汉字。 回到本文开头的问题，这里的汉字是指广义的汉字。 字符集由中国大陆、香港、日本、朝鲜、韩国、台湾和越南提供。 在此基础上编制了《中日韩统一表意文字》（CJK，该字符集通常称为基本汉字或基本区），其中包括汉字。 20,902，后来增加到 20,976。
以及统一的汉字编码分配
码位范围
码位范围
代码号
字符数
字符类型
第一个字节是0x81~0xA0，最后一个字节是0x40~0xFE（0x7F留空）
$4E02～$72DB(GBK扩展区)
6080
6080
3区，中日韩，笔顺
第一个字节是0xA1~0xA7，最后一个字节是0x40~0xA0（0x7F留空）
（GBK用户区）
第672章
用户区3
第一个字节是0xA1~0xA7，最后一个字节是0xA1~0xFE
-80区
第722章
606
1区，图形符号
第一个字节是0xA8~0xA9，最后一个字节是0x40~0xA0（0x7F留空）
（GBK扩展区）
128
166
5区，图形符号
第一个字节是0xA8~0xA9，最后一个字节是0xA1~0xFE
-80区
124
122
1区，图形符号
第一个字节为0xAA～0xFE，最后一个字节为0x40～0xA0（0x7F留空）
$72DC～$9FBB (GBK扩展区)
$F92C～$FA29（中日韩兼容字）
8160
8145
区域 4，CJK 扩展 A、U 代码序列
第一个字节是0xAA～0xAF，最后一个字节是0xA1～0xFE
（GBK用户区）
第564章
用户区1
第一个字节是0xB0~0xF7，最后一个字节是0xA1~0xFE
$4E00～$9F44
(-80区域)
6768
6763
第二区：CJK、拼音序列
第一个字节是0xF8～0xFE，最后一个字节是0xA1～0xFE
（GBK用户区）
第658章
双字节用户区2
～
（0x30~0x39是二到四字节编码）
$2F00～$2FDF
224
214
康熙激进
～
（0x81～0xFE为三字节编码）
$3400～$4DB5
6530
6530
中日韩扩展名 A
～
（下同编码规则）
$9FA6～$9FEF
74
66
CJK统一汉字（新）
～
～
（U2是二平面）
42711
42711
中日韩扩展 B
～
～
（U2是二平面）
4149
4149
中日韩扩展名 C
～
～
（U2是二平面）
222
222
CJK 扩展 D
～
～
（U2是二平面）
5762
5762
CJK 扩展 E
～
～
（U2是二平面）
7473
7473
CJK 扩展名 F
在过去的 30 年里，已经发布了扩展集来补充 CJK 表意文字的内容。 共发布7个扩展集：扩展A（6582字）、扩展B（42711字）、扩展C（4149字）、扩展区D（222字）、扩展区E（5762字）、扩展区F （7473字），扩展区G（4939字）。 CJK统一汉字基本集的汉字码位范围为U+4E00至U+9FA5。 -2022四字节部分还包括CJK统一汉字U+9FA6至U+9FFF（不含9FB4至9FBB这8个字符）； 扩展区A对应字符集的基本多语言平面BMP； 扩展区B至G对应字符集的第二辅助平面，起始码为$20000。 最新的扩展G是2022年9月发布的15.0。15.0增加了4489个新字符，使字数达到字符数，其中包括20个新表情符号和4193个CJK中日韩表意文字。 添加了八个新字符块 - 中日韩统一表意字符扩展 (CJK) A 到 H：
1、1997版2.0版多语言基本集按拼音和部首顺序编译成-80和GBK扩展区（-2022两字节部分），范围从U+4E00到U+9FBB。
2、2000年3.0版本增加了中日韩A，共6582个字，编译成-2022四字节部分，范围从U+3400到U+4DB5。 涉及双字节和四字节编码部分。 王立军指出了三对同形字：（1）U+3B35“㬵”与汉日韩0“角”同形，（2）U+39B3“㘽”与U+36B3同形“㦳”，(3)U+439B“䎛”与U+3588“㖈”形状相同；
3、2001年，3.1版增加了中、日、韩B，共42711个字符（较大的扩展），范围从$20,000到$2A6DF，即9532:8236到9835:F345。 库克指出了八对同形字：（1）U+20457与中日韩的A“㒨”（两个字形）同形，（2）U+2420E与中日韩的A同形“㶷”，(3) U+27144 类似于汉日韩的 0“聁”，多了两个㓰，(4) U+23515 与 U+204F2 形状相同“⿱如杰”，(5) U+249E9 与 U+249BC“⿱⿰目㕚玉”形状相同，(6) U+2A415 与 U+24BD2“⿳殸镀干”形状相同，(7) U+26866 形状相同与U+26842“⿰月东”，(8) U+27EAF 与兼容字“﨣”形状相同；
4、2003年5.2版本增加了中、日、韩C，4149个字符，范围从$2A700到$2B734，即9835：F738到9839：9E36；
5、2010年6.0版本增加了中文、日文、韩文D，222个字符，范围从$2B740到$2B81d，即9839：9F38到B539；
6、2015年8.0版本增加了中文、日文、韩文E，5762个字符，范围从$2B820到$2CEA1，即9839：B632到9933：FE34；
7、2017年10.0版本增加了中文、日文和韩文F，7473个字符，范围从$2CEB0到$2EBE0，即9934：8138到9939：F730；
8、2020版本13.0增加中日韩G，4939字；
9、2021年版本14中，新增中日韩组件，新增838个字符，共计3个字符。 新添加的内容还包括 5 个新脚本，总共 159 个脚本，最后还有 37 个新表情符号。
10、2022年15.0版本新增中日韩H，4192个字符； 该版本新增字符4489个，字符总数达到4193个，新增文字2个，文字总数161个，新增表情符号20个，中日韩表意文字4193个。
12、还有114个字符，又一码依次填入字符0、A、B、C的尾部。
13、“㦳”、“㖈”、“㶷”、“⿱如杰”、“⿱⿰目㕚玉”、“⿳殸镀干”、“⿰月”等十一对同形字向内东”和“﨣”可以被认为是重复的。 最后的总数是...
汉字编码有两套标准：一套是UCS-2，使用两个字节对字符进行编码；一套是UCS-2，采用两个字节对汉字进行编码。 另一种是UCS-4，使用4个字节对字符进行编码。 简体中文和繁体中文总共有7万个汉字，而UCS-2最多可以表示65536个（216=65536），所以它智能地排除了一些几乎不用的汉字，只适用于7万多个常用简体汉字。 为了表示所有汉字，USC-4也是适用的，但现在汉字一般采用UCS-2，只用两个字节进行编码。
品种查询渠道：
汉字对应表：
基本设定对照表：
