一、概述
通用多八位編碼字符集（UCS，Universal Multiple-Octet Coded Character Set）是國際標(biāo)準(zhǔn)化組織（ISO）制定的一種字符編碼標(biāo)準(zhǔn)，它是國際標(biāo)準(zhǔn)化組織ISO/IEC制定的旨在實現(xiàn)全球所有文字符號統(tǒng)一編碼的一項重要的國際標(biāo)準(zhǔn)。
1、UCS的淵源
字符集及其編碼是計算機系統(tǒng)中表示、儲存、處理和交換文本信息的基礎(chǔ)。有關(guān)統(tǒng)計表明，目前世界各個國家和民族幾乎有6 800多種不同的語言和文字在使用。隨著經(jīng)濟(jì)全球化，使用計算機處理、存儲和傳輸任意多種語言文字的需求日益迫切，因而必須為計算機系統(tǒng)建立一個多文種信息處理環(huán)境。
我們知道，ISO對字符編碼早就有ISO/IEC 646，它是采用7位二進(jìn)制數(shù)字對ASCII 字符進(jìn)行編碼，它提供了27 = 128編碼空間，對圖形字符符號和控制字符予以編碼而形成的字符代碼。然而，對于文字字符的編碼采用7位編碼顯然是不夠的。為了兼容已發(fā)布使用的ASCII 字符集（ISO/IEC 646），ISO又發(fā)布了ISO/IEC 2022，它是一個七位編碼向八位編碼過渡的標(biāo)準(zhǔn)，以更便于計算機的信息交換，為后續(xù)的多字節(jié)編碼提供了一種擴(kuò)充方法。我國等同采用ISO/IEC 646和ISO/IEC 2022發(fā)布的標(biāo)準(zhǔn)是GB/T 1988和GB/T 2311。
欲詳細(xì)了解上述兩個標(biāo)準(zhǔn)的請進(jìn)入：GB/T 1988；GB/T 2311
許多年來，絕大多數(shù)計算機系統(tǒng)所采用的字符集都是以國際標(biāo)準(zhǔn)ISO/IEC 2022為基礎(chǔ)的。ISO/IEC 2022定義了七位代碼和八位代碼的空間及代碼空間的擴(kuò)充技術(shù)，即除了標(biāo)準(zhǔn)ASCII 字符集之外，還有其它幾百種不同的擴(kuò)充字符集（包括我國的GB 2312和GBK漢字字符集）。不同字符集各有一個惟一的代碼頁號。當(dāng)文本中出現(xiàn)非ASCII 字符時，先使用代碼頁號指出它屬于哪一個字符集，然后才是該字符在字符集中的編碼。由于這些字符集沒有哪一個可以適用于所有的字母、標(biāo)點符號和常用的技術(shù)符號，其編碼還會互相沖突（不同字符集中可能使用相同的代碼代表兩個不同的字符，或使用不同的代碼代表相同的字符），因此不僅使用比較繁瑣，而且在不同的系統(tǒng)中交換數(shù)據(jù)時，總會有損壞的危險，因互不兼容。
于是，早在1984年，國際標(biāo)準(zhǔn)化組織（ISO）就啟動了通用多八位編碼字符集（UCS）的項目研究。所謂“通用多八位”，就是采用多個八位（字節(jié)）對字符進(jìn)行編碼，若通常采用四個八位編碼，即可提供達(dá)13億個編碼空間，其用來容納世界所有文字是綽綽有余的。
2、UCS字符集的發(fā)布與修訂
基于ISO研究的通用多八位編碼（UCS）技術(shù)，在1993年ISO首次發(fā)布了相應(yīng)的標(biāo)準(zhǔn)，當(dāng)時是一個系列標(biāo)準(zhǔn)，由兩部分構(gòu)成。在1993年首版發(fā)布時，僅發(fā)布了第1部分，在2000年對第1部分進(jìn)行了第1次修訂，隨后發(fā)布了第2部分。它們是：ISO/EEC 10646-1：2000《信息技術(shù) 通用多八位字符集 第1部分：結(jié)構(gòu)和基本的多文種平面》； ISO/EEC 10646-2：2001《信息技術(shù) 通用多八位字符集 第2部分：輔助平面》。2003年12月ISO將兩個部分合二為一，修訂為ISO/IEC 10646：2003《信息技術(shù) 通用多八位字符集（UCS）》，收納了基本的多文種平面和輔助平面的內(nèi)容。通用多八位字符集（UCS）的意義詳見下表1-2。
表 1-2：ISO通用多八位字符集（UCS）的意義
后期，ISO不斷的對ISO/IEC 10646進(jìn)行了多次修訂，在2020年對其進(jìn)行第6次修訂，發(fā)布為ISO/IEC 10646：2020《信息技術(shù) 通用字符集（UCS）》，名稱中取消了“多八位”一詞。事實上，ISO對10646的每次修訂，對編碼技術(shù)的內(nèi)容修訂變化不大；主要是對編碼字符集的不斷擴(kuò)充，即對世界各國的文字不斷地收錄到UCS字符集來，如CJK統(tǒng)一漢字?jǐn)U充，從擴(kuò)充A目前已到擴(kuò)充F。
3、我國等同采用ISO/IEC 10646的標(biāo)準(zhǔn)
我國在1993年等同采用（IDT）了ISO/IEC 10646-1：1993發(fā)布了國家標(biāo)準(zhǔn)GB 13000.1-1993。在2010年對其進(jìn)行了修訂，等同采用的是ISO/IEC 10646：2003，發(fā)布了國家標(biāo)準(zhǔn)GB 13000-2010《信息技術(shù) 通用多八位編碼字符集（UCS）》。它在2017年被國家轉(zhuǎn)化為推薦性標(biāo)準(zhǔn)，不再強制。在2025年又等同采用了ISO/IEC 10646：2020，發(fā)布了國家標(biāo)準(zhǔn)GB/T 13000-2025《信息技術(shù) 通用編碼字符集（UCS）》。
欲詳細(xì)了解GB/T 13000標(biāo)準(zhǔn)修訂情況的請進(jìn)入。
二、UCS字符集簡介
下述主要依據(jù)GB/T 13000-2010標(biāo)準(zhǔn)對UCS字符集做一簡要介紹，且重點介紹UCS編碼的技術(shù)的內(nèi)容，對于編碼字符情況應(yīng)參見ISO/IEC 10646-2020標(biāo)準(zhǔn)。另外，GB/T 13000-2010是由33章和19個附錄所構(gòu)成，內(nèi)容太豐富。若要詳細(xì)了解GB/T 13000-2010標(biāo)準(zhǔn)具體內(nèi)容的請查閱下附件。
附件：GB/T 13000-2010《信息技術(shù) 通用多八位編碼字符集（UCS）》
溫馨提示：GB/T 13000-2025已代替了GB/T 13000-2010，待其出版發(fā)行后再依GB/T 13000-2025作介紹（事實上UCS編碼的技術(shù)原理變化并不大，變化重點是詞匯的擴(kuò)充和編碼空間的調(diào)整等）。
1、關(guān)于編碼體系結(jié)構(gòu)
UCS使用了一個被視為單一實體并由128個三維組構(gòu)成的四維編碼空間，它稱為正則形式，其結(jié)構(gòu)如下圖2-1-1所示；其下圖2-1-2為其代碼結(jié)構(gòu)示意；其下圖2-1-3給出了UCS的00組結(jié)構(gòu)的布局示意。每個組包含256個二維平面，每個平面包含256一維行，每個行包含256個字位。一個字符在這個編碼空間的一個字位上進(jìn)行編碼。每個字符均按照其組八位（G八位）、平面八位（P八位）、行八位（R八位）、字位八位（C八位）安排在UCS字符集中。為此，UCS規(guī)定了下表2-1所示的平面中的圖形字符和它們的代碼表示，平面類型包括基本多文種平面（BMP）、輔助多文種平面（SMP）、輔助表意文字平面（SIP）和輔助特殊用途平面（SSP）。（注意：在ISO/IEC 10646新版標(biāo)準(zhǔn)中又增加了三級表意文字平面（TIP））
圖 2-1-1：UCS的編碼結(jié)構(gòu)示意
圖 2-1-2：UCS的代碼空間示意
圖 2-1-3：UCS的00組的布局結(jié)構(gòu)示意
表 2-1：UCS規(guī)定的平面類型
UCS提供了4種字符編碼表示形式，即：雙八位BMP形式（UCS-2）、肆八位正則形式（UCS-4）、UTF-16形式和UTF-8形式。對于源自GB/T 1988（ISO/IEC 646）的字匯的字符（ASCII 字符）是它們在原編碼（7位編碼）中進(jìn)行簡單的加零擴(kuò)充而進(jìn)行編碼的，因次，當(dāng)用8位、16位或32位整數(shù)表示時，其編碼表示具有相等的整數(shù)值。
2、關(guān)于基本多文種平面（BMP）
可是，四字節(jié)的字符編碼太浪費存儲空間了。比較實際的做法是，在UCS編碼空間中，把第1和第2字節(jié)均為“0”的一個子空間，稱為基本多文種平面BMP（即00組00平面），作為它的子集來使用，記作UCS-2（-2表示雙字節(jié)編碼）。該平面可被用作雙八位編碼字符集。注意，UCS-2只包含BMP字匯，因此它與UCS-4、UTF-16和UTF-8不能完全互操作。在符合雙八位BMP形式（UCS-2）的編碼字符數(shù)據(jù)元素內(nèi)，BMP平面中的一個字符應(yīng)有行八位（R八位）和字位八位（C八位）。
3、肆八位正則形式（UCS-4）-輔助平面
輔助平面是指除00組00平面（BMP）以外的其它平面，即指00組01平面到FF平面（各平面的安排見表2-1）。其中，01到10平面中的每個代碼位置都可以唯一的映射到UTF-16形式的肆八位序列，這種形式與UCS-2的雙八位BMP形式兼容。11到FF平面和其它組的所有平面留作后續(xù)標(biāo)準(zhǔn)化使用。輔助平面的字符均采用肆八位正則形式（UCS-4），即每一個字符是由組八位、平面八位、行八位和字位八位所組成。
4、UTF-16形式（00組16個平面的轉(zhuǎn)換格式）
UTF-16 （UCS Transformation Form-16）提供了一百多萬個UCS-4 圖形字符的編碼表示形式，這種形式與UCS-2的雙八位BMP 形式兼容。這樣就使得UCS-4 的字符可以與UCS-2 編碼的字符數(shù)據(jù)共存。在UTF-16中，BMP 字匯中的每個圖形字符都保留其UCS-2 的編碼表示形式。此外，00組16 個平面（1 048 576個碼位）的某一連續(xù)區(qū)域中任一字符的編碼由一對RC 元素（行八位和字位八位）組成，而每個這樣的RC 元素對應(yīng)于BMP 中8 行（2 048個碼位）的某個連續(xù)區(qū)域中的一個字位。這些代碼位置留給本編碼表示形式使用，不得用于其他目的。UTF-16的相關(guān)規(guī)定詳見下表2-4；具體轉(zhuǎn)換要求詳見GB/T 13000的附錄C。
表 2-4：UTF-16的相關(guān)規(guī)定
5、UTF-8形式
UTF-8是另外一種能對所有UCS 字符編碼的表示形式。它可用于在某些通信系統(tǒng)上傳送文本數(shù)據(jù)，而這些通信系統(tǒng)假定00 到7F 范圍內(nèi)的單八位符合GB/T 11383 的定義，其中包括符合GB/T 2311 的8 位結(jié)構(gòu)的C0控制功能集。UTF-8 還避免使用那些敏感的八位值，這些值在應(yīng)用廣泛的文件處理系統(tǒng)中對文件名字符串進(jìn)行解析時具有特殊的含義。UCS 字符的UTF-8 編碼表示中，八位的個數(shù)是1到6；第一個八位的值指明該編碼表示形式中八位的個數(shù)。下表2-5-1給出了UTF-8的特點；具體轉(zhuǎn)換要求詳見GB/T 13000的附錄D。
表 2-5-1：UTF-8的特點
為了與目前大量使用的基于ISO/IEC 2022的單八位系統(tǒng)保持向下兼容，同時避免與數(shù)據(jù)通信中使用的控制碼發(fā)生沖突，UCS在實現(xiàn)時可以將雙字節(jié)代碼變換為可變長代碼，最常用的就是UTF-8形式，它按照下表2-5-2給出的規(guī)則，把雙字節(jié)的UCS-2編碼轉(zhuǎn)換為單字節(jié)、雙字節(jié)或三字節(jié)和四字節(jié)的UTF-8編碼。
表 2-5-2：UCS-2編碼到UTF-8編碼的部分轉(zhuǎn)換規(guī)則
從表中可以看出，標(biāo)準(zhǔn)ASCII 字符仍以單字節(jié)代碼（00H~7FH）表示，其他字符如CJK漢字和擴(kuò)充的拉丁字母、音節(jié)文字、標(biāo)點符號等，需要使用雙字節(jié)、三字節(jié)或四字節(jié)代碼表示。這樣，既保持了與傳統(tǒng)ASCII 文本兼容，避免了與數(shù)據(jù)通信中控制碼的沖突，又實現(xiàn)了各種字符集的統(tǒng)一編碼。目前，大多數(shù)UCS編碼都是以UTF-8編碼形式實現(xiàn)的。
三、UCS與Unicode、GB 18030字符集間的關(guān)系
Unicode字符集是當(dāng)初美國的一些IT公司，在1987年開始研究制定的、也是旨在對世界各國文件進(jìn)行統(tǒng)一編碼的一種字符集規(guī)范標(biāo)準(zhǔn)。剛開始其研制思路（主要是編碼技術(shù)）有些不同，但鑒于ISO的UCS編碼字符集其技術(shù)上更為優(yōu)越，后來兩者進(jìn)行了融合，并一直保持著協(xié)調(diào)關(guān)系，同步發(fā)展，但各自發(fā)布著自己的標(biāo)準(zhǔn)文本。事實上，現(xiàn)在都把兩者統(tǒng)稱為UCS/Unicode字符集。
由我國自主研究制定的中文字符集標(biāo)準(zhǔn)GB 18030，在編碼技術(shù)上是支持UCS/Unicode字符集要求的，只是GB 18030結(jié)合我國文字的實際情況，只收錄了中文字符，包括漢字（含CJK統(tǒng)一漢字）、我國少數(shù)民族文字（近十種）和相應(yīng)圖形符號字符等。
