gbk汉字编码拼音对照表_预习部分：汉字编码方案

汉字对比世界上任何一种文字中无疑都是比较复杂和困难的，不同于几十个字母组合就能得到的语言，汉字将近有十万个，日常使用有几千字，据统计，1000个常用字能覆盖约92%的书面资料，2000字可覆盖98%以上，3000字则已到99%。

汉字计算机编码标准

最大的汉字编码是台湾地区的CNS11643，5.0版全字库可供查询的字共87,047个汉字、10771个拼音文字及894个符号。台港民间通用的大五码收录繁体汉字13053个。GB18030是中华人民共和国现时最新的内码字集，GBK收录汉字简体、繁体及20912个，而早期的GB2312收录简体汉字6763个。Unicode的中日韩统一表意文字基本字集则收录汉字20902个，总数亦高达七万多字。

汉字编码存在困难：

①数量庞大：一般认为，汉字总数已超过6万个（包括简化字）。虽有研究者主张规定3000多或4000字作为当代通用汉字，但仍比处理由二三十个字母组成的拼音文字要困难得多。

②字形复杂：有古体今体，繁体简体，正体异体；而且笔画相差悬殊，少的一笔，多的达36笔，简化后平均为9.8笔。

③存在大量一音多字和一字多音的现象：汉语音节416个，分声调后为1295个（根据《现代汉语词典》统计，轻声39个未计）。以1万个汉字计算，每个不带调的音节平均超过24个汉字，每个带调音节平均超过7.7个汉字。有的同音同调字多达66个。一字多音现象也很普遍。

汉字的信息量大

研究表明：汉字作为一个复杂的文字符号系统，其信息熵很高。研究的基本方法是：逐渐扩大汉字容量，随着汉字容量增大，信息熵的增加趋缓；汉字增加到12370以后，不再使信息熵有明显的增加。我国科学家指出：汉字的容量极限是12366