现代汉语常用字与国标一级字的比较

背景知识: 现代汉语常用字

为了适应语文教学、词书编纂以及汉字机械处理和信息处理等各方面的需要，国家语言文字工作委员会汉字处从1986年6月开始研制现代汉语常用字表。1987年7月国家语委邀请教育、语言、信息处理等方面专家对字表草案进行论证；同年8月委托山西大学计算机科学系作抽样检验。国家教委有关部门参加了字表草案的修订工作。国家语委汉字处根据各方面提出的意见对字表草案进行整理修正，于1988年1月制订出现代汉语常用字表。

常用字表选材的时间范围是从1928至1986年。在此时间区域内采用不等密度抽样，即抽样量按时间顺序递增，以近期的资料为主要抽样对象。会用字与政治、经济、文化的发展有着密切的关系，不同时期的用字情况有所不同。如果仅依某一短时期的用字情况选取常用字则有时间的局限性。适当把统计的时间拉长，纵观各个不同时期的用字情况，则可以衡量字的使用是否稳定。选取使用稳定的字，可以避免选字的偶然性。

《现代汉语常用字表》分常用字(2500字)和次常用字(1000字)两个部分。

为了检验常用字表中选收的常用字是否合理，山西大学计算机科学系利用计算机抽样统计200万字的语料，检测选收的常用字的使用频率。检测结果是：2500常用字覆盖率达97.97%，1000次常用字覆盖率达 1.51%，合计(3500字)覆盖率达99.48%，说明《现代汉语常用字表》是符合实际的。

背景知识: GB2312

GB 2312-80 是中国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，由中国国家标准总局发布，1981年5月1日实施。GB2312 编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持 GB 2312。

GB2312 标准共收录 6763 个汉字，其中一级汉字 3755 个，二级汉字 3008 个；同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的 682 个字符。GB2312 的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆 99.75% 的使用频率。对于人名、古汉语等方面出现的罕用字，GB2312 不能处理，这导致了后来 GBK 及 GB18030 汉字字符集的出现。

GB2312 中对所收汉字进行了“分区”处理，每区含有 94 个汉字/符。这种表示方式也称为区位码。

01 – 09 区为特殊符。
16 – 55 区为一级汉字，按拼音排序。
56 – 87 区为二级汉字，按部首/笔画排序。

10 – 15 区及 88 – 94 区则未有编码。举例来说，“啊”字是 GB2312 之中的第一个汉字，它的区位码就是 1601。

每个汉字及符以两个字节来表示。第一个字节称为“高位字节”，第二个字节称为“低位字节”。“高位字节”使用了 0xA1 – 0xF7（把 01 – 87 区的区加上 0xA0），“低位字节”使用了 0xA1 – 0xFE（把 01 – 94 位的位加上 0xA0）。由于一级汉字从 16 区起始，汉字区的“高位字节”的范围是 0xB0 – 0xF7，“低位字节”的范围是 0xA1 – 0xFE，占用的码位是 72 * 94 = 6768。其中有 5 个空位是 D7FA – D7FE。例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节）0xA1（第二个字节）储存。（与区位码对比：0xB0 = 0xA0 + 16, 0xA1 = 0xA0 + 1）。

国家标准 GB 18030-2005《信息技术中文编码字符集》，是中华人民共和国现时最新的内码字集，与 GB 2312-1980 完全兼容，与 GBK 基本兼容，支持 GB 13000 及 Unicode 的全部统一汉字，共收录汉字 70244 个。现行版本为国家质量监督检验总局和中国国家标准化管理委员会于2005年11月8日发布，2006年5月1日实施，为在中国境内所有软件产品支持的强制标准。