GBK

GBK全称《汉字内码扩展规范》，英文名称为Chinese Internal Code Specification，由中华人民共和国全国信息技术标准化技术委员会制定于1995年12月。GB 即“国标”，K 是“扩展”的第一个汉字汉语拼音第一个字母。

GBK编码上与GB2312-80兼容，字汇上与ISO10646兼容。实质上，它是一个用于从GB2312-80向ISO10646过渡的产物。

与GB2312-80一样，GBK 也采用了双字节表示，总体编码范围是8140H-FEFEH，首字节在 81H-FEH 之间，尾字节在 40H-FEH 之间，剔除了xx7FH 一条线。GBK总计有23940个码位，共收录了21886个汉字和图形符号，其中汉字（包括部首和构件）21003个，图形符号 883个。

GBK的编码结构如表1所示。汉字的内码分布在GBK/2（B0A1H- F7FEH）、GBK/3（8140H-A0FEH）、GBK/4（AA40H-FEA0H）中，共有21003个。

Big-5

Big-5码是一个通行于台湾、香港地区的繁体汉字编码方案，它被俗称为“大五码”或“五大码”。1984年，台湾13家厂商试图合力开发“文字处理”、“数据库”、“电子表格”、“通讯”和“绘图”五大套装软件。但开发出来的软件未获成功，而为开发五大套装软件设计的Big-5码却成为了业界的主流，后来发展成为了繁体中文使用地区的标准。

Big-5码共收录汉字13053个，它包含5401个常用字和7652个次常用字两部分。常用字包括台湾教育管理部门颁布的《常用汉字标准字体表》中的全部汉字4808个，台湾中小学教科书常用字587个，异体字6个。次常用字包括台湾教育管理部门颁布的《次常用汉字标准字体表》的全部汉字6341个和《罕用汉字标准字体表》中使用频率较高的1311个汉字。

Big-5同样是一个双字节编码，高位字节在81H到FEH之间，低位字节使用了40H-到7EH，以及A1H到FEH。

表 1 GBK的编码结构

需要注意的是，应该是由于工作中的疏忽，Big-5中重复收录了两个相同的字。“兀”有两个编码A461H 和C94AH，“嗀”也有两个编码DCD1H和DDFCH。因为在文件和互联网上检索字符往往需要作字符内码的精确匹配，一个字有多个内码会导致查询结果的查全率很差。

ISO10646-1:1993/Unicode中汉字分布

ISO10646-1:1993/Unicode的BMP平面中从4E00H到9FFFH是中日韩认同表意文字区，合计收录了20902个中日韩汉字。Unicode与文本文件

GB2312-80中每个汉字的机内码由于最高字节一定为1，可以有效地和ASCII区分开来。但Unicode内码的机内码病没有类似的明显区分方法，因此如果将一段汉字以Unicode内码存储到文本文件中，将来在读取的时候很有可能误将其中的数据按照ANSI Code或者ASCII进行解析，这样同样可能会导致“乱码”。

在Windows的文本文件中是通过添加特殊标记文件头来解决该问题。Windows操作系统附带的记事本程序在存储Unicode文本文件时，会在文件最前面存储了一个FFFEH标记，该标记占用了两个字节，接着在后面存储正常文本每个字符的Unicode内码。由于FFFEH码位在ANSI Code和Unicode中都没有被使用，因此不存在二义性，这是一种很简单有效的区分Unicode与ANSI Code文本文件的方法。