GB18030-2000标准在Linux上的实现[1]

　　作者：王守华
　　
　　本文首先介绍了国家最新颁布的GB 18030-2000标准的结构和编码规则，对Linux的国际化和本地化机制进行了简要的概述，然后从Glibc、 Locale两个方面具体讨论了如何在Linux上实现对GB 18030-2000标准的支持，并且对下一步需要进行的工作进行了展望。
　　
　　一、GB18030-2000编码标准简介
　　GB18030-2000编码标准是由信息产业部和国家质量技术监督局在2000年 3月17日联合发布的，并且将作为一项国家标准在明年的1月正式强制执行。
　　
　　1.概述
　　GB18030-2000编码标准是在原来的 GB2312-1980 编码标准和 GBK 编码标准的基础上进行扩充，增加了四字节部分的编码。它可以完全映射ISO10646的基本平面和所有辅助平面，共有150多万个码位。在ISO10646的基本平面内，它在原来的2万多汉字的基础上增加了7000 多个汉字的码位和字型，从而使基本平面的汉字到达 27000多个。它的主要目的是为了解决一些生、偏、难字的问题，以及适应出版、邮政、户政、金融、地理信息系统等迫切需要的人名、地名用字问题。
　　GB18030-2000作为GB2311体系的编码字符标准，规定了信息交换用的图形字符及其二进制编码的十六进制表示。它支持 GB 13000.1-1993的全部中日韩(CJK)统一汉字字符和全部中日韩统一汉字Extension A和Extension B的字符。
　　
　　2.字汇
　　GB18030-2000编码标准收录的字符分别以单字节、双字节和四字节编码。下面简要列举一下它们各自包括的内容：
　　1) 单字节部分
　　
　　单字节部分收录了GB11383的0x00到0x7E全部 128个字符及单字节编码的欧元符号。
　　2) 双字节部分
　　双字节部分收录的内容如下：
　　GB13000.1的全部CJK统一汉字字符；
　　GB13000.1的CJK兼容区挑选出来的21个汉字；
　　GB13000.1中收录而GB2312未收录的我国台湾地区使用的图形字符139个；
　　GB13000.1收录的其它字符31个；
　　GB2312中的非汉字符号；
　　GB12345的竖排标点符号19个；
　　Gb2312未收录的10个小写罗马数字；
　　Gb2312未收录的带音调的汉语拼音字母5个以及 a和g；
　　汉字数字“Ｏ”；
　　表意文字描述符13个；
　　增补汉字和部首/构件80个；
　　双字节编码的欧元符号。
　　3) 四字节部分
　　四字节部分收录了上述双字节字符之外的，包括 CJK 统一汉字扩充 A 在内的 GB13000.1 中的全部字符。
　　
　　3.编码规则
　　GB18030-2000标准采用单字节、双字节和四字节三种方式对字符编码。单字节部分采用GB 11383的编码结构与规则，使用 0x00至0x80码位。双字节部分采用两个字节表示一个字符，其首字节码位从 0x81至0xFE，尾字节码位分别是0x40至0x7E和0x80至0xFE。四字节部分第一、三字节仍为0x81~0xFE，第二、四字节采用GB 11383未使用的0x30到0x39作为对双字节编码扩充的后缀，这样扩充的四字节编码，其范围为0x81308130 到 0xFE39FE39。码位范围分配如下表所示：
　　表1 码位范围分配
　　
　　字节数 码位空间 码位数
　　单字节 0x00~0x80 129 个码位
　　双字节 第一字节 第二字节 23940 个码位
　　0x81~0xfe 0x40~0x7e, 0x80~0xfe
　　四字节 第一字节 第二字节 第三字节 第四字节 1587600 个码位
　　0x81~0xfe 0x30~0x39 0x81~0xfe 0x30~0x39
　　
　　四字节字符的编码自第四个字节开始，编码码位为 0x30至0x39；其次是第三个字节，编码码位为0x81至0xFE；再次是第二个字节，编码码位为0x30至0x39；最后是第一个字节，编码码位为0x81至0xFE。即：
　　
　　0x81308130至0x81308139；
　　0x81308230至0x81308239；
　　......
　　0x8130FE30至0x8130FE39；
　　0x81318130至0x81318139；
　　......
　　0x8131FE30至0x8131FE39；
　　......
　　0x82308130至0x82308139；
　　......
　　0xFE308130至0xFE308139；
　　......
　　0xFE39FE30至0xFE39FE39。
　　
　　
　　二、Linux的国际化和本地化机制
　　Linux的国际化和本地化机制非常灵活方便，这使得我们在Linux增加一种新的本地化支持非常容易，甚至基本上不需要去编译应用程序包，而只需要在系统核心的某些地方进行扩充和修改就可以了。
　　1.NLS简介