本内容摘自《汉字编码问题》一文
五、如何判断一个汉字是big5或是gb
大陆电脑中的汉字多以GB2312标准进行编码，简称GB码或国标码，共定义6763汉字，编码如下：
第一字节，行码0xA1-0xFE，第二节字，列码0xA1-0xFE，每行94个汉字。其中，1-15行(A1-AF)全角字母、符号；16-55行(B0-CF)以拼音为序的一级汉字3755字；56-87行(D0-F7)以部首为序的二级汉字3008字。例如：GB码16行1列表示“啊”字，编码为0xB0A1。
港台电脑中的汉字则多以BIG5编码，共定义了13053汉字，汉字部分均以部首为序，编码如下：
第一节字，行码0xA1-0xFE，第二节字，列码0x40-0x7E，0xA1-0xFE，每行157个汉字；其中，1-3/38-40行(A1-A3,C6-C8)全角字母、符号，4-39行(A4-C6)一级汉字5401字，41-89行(C9-F9)二级汉字7652字。例如：BIG5码16行121列同样表示“啊”字，编码为0xB0DA。
GBK又称GB扩展编码或GB13000，就是这样的一个汉字编码，它是是在兼容GB码的基础上，将GB码中不存在的ISO10646.1汉字，按Unicode编码顺序进行重新编码。其编码空间包含几个子集，其中GBK/2就是GB码汉字；各子集的编码情况见下表。
子集编码范围编码空间编码字数
GBK/10xA1A1-0xA9FE846717
GBK/20xB0A1-0xF7FE6,7686,763
GBK/30x8140-0xA0FE6,0806,080
GBK/40xAA40-0xFEA08,1608,160
GBK/50xA840-0xA9A0192166
EUDC/10xAAA1-0xAFFE564用户定义1
EUDC/20xF8A1-0xFEFE658用户定义2
EUDC/30xA140-0xA7A0672用户定义3
一般是这样辨别的：
1、GBcode的内码的两个字节都是从A0H-FEH之间的；
2、BIGcode的内码的第一个字节是80H-FFH，第二个字节是00H-FFH；
你要浏览全文，看看是否有第二个字节是小于7FH的汉字，如果有的话，一般是BIGcode的。当然也有特殊情况，不过非常少见的。
判断一段文字中是否含有BIG5码汉字,可用做内码的自动识别
返回True表示包含BIG5码
返回False表示不含BIG5码,这段文字一般可认为是GB码
FunctionCheckBIG(strSourceAsString)AsBoolean Dim idx As Long Dim Byte Temp() As Byte CheckBIG = False For idx = 1 To Len (strSource) ByteTemp = StrConv( Mid (strSource,idx, 1 ),vbFromUnicode) If UBound (ByteTemp) > 0 Then If ByteTemp( 1 ) >= 64 And ByteTemp( 1 ) <= 126 Then CheckBIG = True ExitFor EndIfEndIf Next EndFunction 
发表评论 
打印本文
推荐本文
加入收藏
返回顶部
关闭窗口
