字符編碼(二)
CJK就是中日韓的意思。Unicode爲了節省碼位，將中日韓三國語言中的文字統一編碼。GB13000.1就是ISO/IEC 10646-1的中文版，相當於Unicode1.1。
GB18030採用單字節，雙字節合4字節方案。其中單字節，雙字節和GBK是完全兼容的。4字節編碼的碼位就是收錄了CJK擴展A的6582個漢字。例如：UCS的0x3400在GB18030中的編碼應該是8139EF30，USC的0x3401在GB18030中的編碼應該是9139EF31。
微軟提供了GB18030的升級包，但這個包只是提供了一套支持CJK擴展A的6582個漢字的新字體：新宋體-18030，並不改變內碼。Windows的內碼仍然是GBK。
這裏還有一些細節：
- GB2312的原文還是區位碼，從區位碼到內碼，需要在高字節和低字節上分別加上AO。
- 對於任何字符編碼，編碼單元的順序是由編碼方案確定的，與endian無關。例如GBK的編碼單元是字節，用兩個字節表示一個漢字。這兩個字節的順序是固定的，不受CPU字節序的影響。UTF-16的編碼單元是word（雙字節），word之間的順序是編碼方案指定的，word內部的字節排序纔會受到endian影響。後面還會介紹UTF-16。
- GB2312的兩個字節的最高位都是1。但符合這個條件的碼位只有128*128=16384個。所以GB18030和GBK的底字節最高位都可能不是1。不過這不影響DBCS字符流的解析：在讀取DBCS字符流時，只要遇到高位爲1的字節，就可以將下兩個字節作爲一個雙字節編碼，而不用管低字節的高位是什麼。