GB 18030 - 通信用語の基礎知識

簡体字支那語で使われている文字コードで、符号化方法(CES)の一つ。

概要

用途
方法と集合
沿革

特徴

マッピング
文字集合
符号機能
版

版の種類
GB 18030-2000
GB 18030-2005

概要

用途

支那では、パソコンなどにおいては「GBK」と呼ばれる符号を利用しており、これはこれでかなりの量の漢字文字が利用できた。

より多種の文字を利用するにはUnicode(支那規格GB 13000)等の利用が必要だった。しかしUnicodeの符号(UTF-16やUTF-8など)は、既に普及しているGBK符号と互換性がなく、移行するには敷居が高かった。そこで、GBKと上位互換になるように工夫しながらUnicodeを飲み込んだものがGB 18030という国家標準である。

方法と集合

GB 18030は符号化方法(CES)である。

従来のGBK相当の文字集合に、更にUnicode 1.1相当の文字集合を符号化することが出来る。

沿革

2000(平成12)年3月17日: GB 18030-2000公布
2005(平成17)年11月8日: GB 18030-2005公布

特徴

マッピング

EUC-CNが大元で、その符号に拡張を続けて作られた。GBKは1または2バイトの可変長で、GB 18030では1、2、4バイトの可変長となった。

符号位置は、16進数で次の通りである。

1バイト ‐ 00‐7f
2バイト ‐ 81‐fe | 40‐7e、80‐fe
4バイト ‐ 81‐fe | 30‐39 | 81‐fe | 30‐39

2バイトの場合、第1バイトは126個分、第2バイトは190個分あり、23,940文字分の空間が存在する。

4バイト(GB 18030)の場合、第1バイトと第3バイトは126個分、第2バイトと第4バイトは10個分あり、1,587,600文字分の空間が存在する。

具体的な文字コード範囲は、次の通りになる。

バイト数	符号範囲				符号位置数
1バイト	00‐7f				128
2バイト	第1バイト		第2バイト		23,940
2バイト	81‐fe		40‐7e、80‐fe		23,940
4バイト	第1バイト	第2バイト	第3バイト	第4バイト	1,587,600
4バイト	81‐fe	30‐39	81‐fe	30‐39	1,587,600

文字集合

GBKに収録されている21,886文字は全てが含まれている。

更に、Unicode 1.1のCJK統合漢字に含まれる全ての漢字(20,902字)と、互換領域から選ばれた漢字が、4バイトの領域に割り当てられている。

但し、4バイトで拡張された領域は、GBKに対して文字が重複しないよう、既存の文字を飛ばすようにして附番されている。

U+00A2 (￠) 81 30 84 34
U+00A3 (￡) 81 30 84 35
U+00A4 (〓) A1 E8
U+00A5 (￥) 81 30 84 36
U+00A6 (〓) 81 30 84 37
U+00A7 (§) A1 EC
U+00A8 (¨) A1 A7
U+00A9 (〓) 81 30 84 38
U+00AA (〓) 81 30 84 39

つまり、UnicodeとGB 18030はアルゴリズム的に結ばれるわけではなく、必ず変換テーブルを介さないとならない。

符号機能

4バイトの符号領域は、次の目的に割り当てられている。

名称	符号範囲	符号位置数
Unicode BMP	0x81308130‐0x8439fe39	4×10×126×10	50,400
拡張用領域	0x85308130‐0x8539fe39	1×10×126×10	12,600
拡張漢字文字	0x86308130‐0x8f39fe39	10×10×126×10	126,000
Unicode 1面‐16面	0x90308130‐0xe339fe39	84×10×126×10	1,058,400
GBK2K拡張用	0xe4308130‐0xfc39fe39	25×10×126×10	315,000
外字領域	0xfd308130‐0xfe39fe39	2×10×126×10	25,200

各領域はそれぞれ、少しずつ広めに確保されている。

版

版の種類

現在は、2版ある。

GB 18030-2000
GB 18030-2005

現在有効の版は2005であり、この仕様に準拠しなければ、製品を出荷できない。

GB 18030-2000

最初の版である。

GBKの全ての文字がそのまま2バイト領域に保存された。

この当時、GBKにある文字の幾つかはUnicodeに存在しなかった。このため、一時的に私用領域(外字領域)に割り当てられ、Unicodeに登録されてから符号位置の仕様変更が行なわれている。

GB 18030-2005

最初の改訂版である。

Unicodeへの登録漢字増加に対応した。1文字が4バイト符号に変更された。

残る未登録文字も、その後Unicodeに全て登録されたが、符号位置については現状、仕様変更されていない。

リンク