2024年4月14日发(作者：)

汉字编码及区位码查询算法

为了使每一个汉字有一个全国统一的代码，1980年，我国颁布了第一个汉字编码的国

家标准：GB2312-80《信息交换用汉字编码字符集》基本集，这个字符集是我国中文信息

处理技术的发展基础，也是目前国内所有汉字系统的统一标准。到了后来又公布了国家标

准GB18030-2000《信息交换用汉字编码字符集基本集的扩充》，简称GB18030。由于国

标码是四位十六进制，为了便于交流，大家常用的是四位十进制的区位码。所有的国标汉

字与符号组成一个94×94的矩阵。在此方阵中,每一行称为一个"区",每一列称为一个"位",

因此,这个方阵实际上组成了一个有94个区(区号分别为0 1到94)、每个区内有94个位(位

号分别为01到94)的汉字字符集。一个汉字所在的区号和位号简单地组合在一起就构成了

该汉字的"区位码"。在汉字的区位码中，高两位为区号，低两位为位号。在区位码中，01-09

区为682个特殊字符，16-87区为汉字区，包含6763个汉字 。其中16-55区为一级汉

字(3755个最常用的汉字，按拼音字母的次序排列)，56-87区为二级汉字(3008个汉字，

按部首次序排列)。

从汉字到区位码的转换。区位码是与汉字一一对应的编码，用四位数字表示， 前两位

从01 到94称区码，后两位从01到94称位码。 一个汉字的前一半为“160＋区码”的

字符，后一半为“160＋ 位码”的字符。例如：“刘”的区位码是 3385，其意为区码33

位码85，它是由160＋33=193和160＋85=245的两个字节组成。即 C1F5，它就是汉

字的 gb2312 编码。

下面程序将汉字 gb2312 转为相应的区位码：

#include

汉字编码及区位码查询算法

1

#include using namespace std;int main()

{

// temp[0] 为高字节，temp[1] 为低字节

// 当输入单个 ascii 字符时，只存进 temp[0]

// 当输入的不是中文或单个 ascii 字符时，程序退出

unsigned char temp[2];

cin >> temp;

while(temp[1])

{

cout << setw(2) << setfill('0') << temp[0] - 160; // 高 2 位

cout << setw(2) << setfill('0') << temp[1] - 160 << endl; // 低 2 位

入下一个字符前，先将 temp[1] 清零

temp[1] = 0;

cin >> temp;

汉字编码及区位码查询算法

2

// 输