Unicode 标准与GB18030-2022标准 絮语

简介

Unicode标准组织于2024-9-10发布了最新一版16.0版的Unicode标准。较上一版本，汉字没有增加，只增加了两个新的笔划，就不多介绍了。有兴趣的可以到https://www.unicode.org/Public/UCD/latest/charts/ 下载查看。

GB18030标准，是我国关于汉字和少数民族字符(蒙古文（包括传统蒙古文、满文、锡伯文、托忒文、阿礼嘎礼字）、藏文、维哈柯文（包括维吾尔文、哈萨克文、柯尔克孜文）、朝鲜文、规范彝文、滇东北苗文、傈僳文、西双版纳新傣文、西双版纳老傣文、德宏傣文)在IT系统中编码的强制标准，主要但根据行业应用的不同可以划分为三类不同的实施要求。涉及户政/公安的要求最高的实施级别。

GB18030之前发布过2000版，2005版，但总体来讲2000版并不成功，那个时间Unicode标准开始兴起，虽然有一点18030的输入法与字库，但总体上遵守的不多，没有形成大的气候。我记得当时还有一篇很长的文章分析了18030-2000版标准中的诸多不足之处。总之，还是GB2312-89和GBK标准的支持得比较充分。

2022年发布的这个标准GB18030-2022，收录了Unicode标准中CJK扩展A到扩展F(对应Unicode 12.0)的所有汉字，因此在这些标准中出现的汉字，几乎都可以在18030-2022标准中找到。总共收录了89106个字符(其中汉字+部首88115个)，可以说是相当强大。

两个罕用字 biang 与 nia，以及标准的修订单

由于Unicode收集的是全球的各种文字，其范围大于汉字，Unicode 13.0~16.0版本的新增汉字，GB 18030-2022还没有收入。例如，之前我在博客中讨论过的biang字(Unicode编码 0x30EDD简体 及 0x30EDE繁体)，正好是Unicode 13.0中新增的CJK 扩展G中的汉字，未被GB18030-2022中收录。

不过GB18030标准编制组正在进行标准修订单的编制，准备增加更多的汉字。根据第1次修订单的第3次征求意见稿的资料看，GB18030-2022 会   a)增加了经过查证的622个公安人口信息专用字库补充汉字（CJK扩展I）和9,171个已经收入ISO/IEC 10646: 2020《信息技术通用编码字符集》及其补篇但尚未收入GB 18030-2022的CJK统一汉字(CJK扩展G和H)，总计9,793个汉字。b)增加了国际标准已收录的36个CJK笔画和5个表意文字描述符。c)增加了第9章中对实现级别1和实现级别3的补充说明。 d)规定新增汉字的实施日期。等等。

Biang字也会在GB18030-2022的第1修订单中得到增补。

从目前收入的字来看，GB18030-2022是收字最多的一个强制标准，在大多数场景来看已经足够使用了。

2023年报道过的一个罕用姓nia，上面是鸟字少一横，下面是甲字。这个字目前在GB18030-2022标准中已经有了，GB18030标准的码值是9834C337(Unicode 码值2A00B)。当然，由于是罕用字，偏旁还是繁体的鸟字。(我顺便把相似的字也标了一下，可以看到码值9834C232的字符与它也很相似)，似乎不太精准。

那如果要更精准匹配这个字呢?有时我想，为什么不把这些古汉字的偏旁简化成简体的偏旁呢?后来我想明白了，如果真这么操作的话，必然会生成一批绝大多数没有在文字资料中使用过的新造字。这样的坏处就是，会在标准中增加数万个差别不大用得不多的新汉字，把标准搞得很臃肿，也不符合标准收字的原则。

OK，我们再看一眼Unicode 16.0中收录的情况，这里与它字形相似的字更多一些。

关于康熙字典的部首

顺便说一下，Unicode标准中，CJK(中日韩)统一汉字是按康熙字典的笔画来排序的， 因此有些偏旁的样式和笔画与我们现在用的可能有所不同。典型的就是走字底，现在简体字来讲，它是三划的⻌，《康熙字典》中却是7划的辵，还包括辶，都算同一个偏旁。 同理，比如BiangBiang面的Biang字，如果你查辶，按笔画你根本就找不到这个偏旁。(熟悉一下康熙字典的偏旁对快速查找Unicode标准以及GB18030标准都是有益的)。

GB/T 13000 与GB 18030的编码关系

GB18030的标准中，大量提到GB/T 13000标准，它是中国等同采用的ISO组织的 ISO/IEC 10646标准，ISO/IEC 10646标准的编码又与Unicode标准是保持一致的(Unicode标准的实施要求等有些内容未纳入ISO标准)。因此，虽然GB18030中字符下面标识的是GB13000标准的编码，实际就是Unicode标准的编码。

GB18030-2022的不足

最后说一点GB18030-2022标准中的美中不足之处，三级实施的字符范围不一样。因此汉字排了三批次顺序，字的排列顺序上有点乱，最前面的是按拼音顺序排，后面是按偏旁顺序+笔画来排，后面的偏旁又是参考Unicode标准的康熙部首顺序，汉字太多，查起来比较不方便---除了常用字外，罕用字往往不知道在哪一块，字又太多，PDF文件的汉字编码页面用的又是图像，没有文本检索功能。

建议标准编制组制作一份部首检字表，类似Unicode标准中的RSIndex.pdf那样，把所有汉字与其编码统一到一个文件中，并用支持文本检索，最好还能标识其实施级别、页码，这样使用就会便利得多。

参考资料：

(以下资料均可以在网上搜索下载到)

1。GB18030-2022 国标

2。国家标准 GB 18030-2022《信息技术 中文编码字符集》理解与使用

3。Unicode 16.0 字符集(Codechart) 与汉字部首索引(RSIndex)

4。GB 18030—2022《信息技术 中文编码字符集》国家标准第１号修改单（第三次征求意见稿）