GB18030与Unicode编码转换算法

　　2000 年 3 月 17 日， 国家质量技术监督局发布了一项国家标准 ））） 5GB 18030- 2000 信息技术信息交换用汉字编码字符集 ））） 基本集的扩充6（ 简称 GB 18030） ［ 1］ 。 它不但代表着有关中文信息处理的标准化走上一个新阶段， 使中文处理在质和量的方面更适应网络时代的要求， 而且对发展我国的中文信息处理有着重大的指导作用和深刻的影响。 GB 18030 是强制性标准， 凡在 2001 年 8 月 31 日后正式发布或出厂的个人计算机操作系统产品， 必须符合 GB 18030 相关要求［ 2-3］ 。 Unicode 是一种国际字符集标准， 它给每个字符提供了一个唯一的数字， 是实现 ISO/ IEC 10646 的正规方式。 Unicode 标准的出现和支持它工具的存在， 是近来全球软件技术最重要的发展趋势1 本文分析了这两种编码标准的编码空间和相互之间的对应关系， 并探讨两种重要字符集标准之间的转换算法。 1 编码对应关系 GB 18030 中包括 3 种长度的中文字符编码： 单字节、双字节和四字节 ［ 1， 4］ ， 码位空间分配如表 1 所示。 U nicode 的编码范围是 U + 0000 至 U + 10FFFF， 分为 17 个平面（ Plane） ， 每个平面有 65 536 个码位， 其中基本平面 Plane 0（ U + 0000 至 U + FFFF） 包含了所有常用的中外文字符。 另在 Plane 1（ U + 10000 至 U+ 1FFFF） 和 Plane 2（ U + 20000 至 U + 2FFFF） 中也定义有中文字符。 探讨 UT F32 与 GB 18030 的转换算法， 而其他常用的 Unicode 编码格式如 UT F8 和 U TF16， 可先转换为 UT F32 后再应用本文的算法［ 5-6］ .